Learning induced illusions: Statistical regularities create false memories
Notice bibliographique
Résumé
Although the visual system readily extracts regularities in terms of object co-occurrences over space and time, does learning such statistical relationships always result in the veridical representations of individual objects? Here we investigate an interesting consequence of statistical learning: how does the knowledge of statistical regularities alter the representations of individual objects which no longer co-occur with each other? During the exposure phase, observers viewed a continuous sequence of objects while performing a cover task to ensure incidental encoding of the regularities. Unbeknownst to the observers, the objects appeared either in pairs (e.g., A always appeared before B) in the structured condition, or in a random order in the random condition. In a subsequent recognition phase, a new continuous sequence of objects was presented, and observers judged whether a specific object was present in the sequence. Importantly, the sequence now only contained one member of the original pair (e.g., only A was presented and B was missing), and observers judged whether A or B was present in the sequence. We found that observers in the structured condition showed a reliably higher false alarm rate for the missing object (e.g., B) than in the random condition. At the same time, the hit rate for the presented object (e.g., A) in the structured condition was also higher than in the random condition. The results demonstrate that statistical learning not only sharpens the detection of the object within the regularities, but also induces a false memory of the missing object. This finding reveals a novel consequence of statistical learning: learning that two objects co-occur can create the illusion of seeing one object, even though only its partner is present. Meeting abstract presented at VSS 2017
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».