Finding maximal and minimal elements in a set is capacity-unlimited and massively-parallel
Notice bibliographique
Résumé
Traditional accounts of working memory are divided into two irreconcilable camps: memory is either thought to be capacity-limited to 3 – 4 items, or to be resource-limited as the number of items grows. Here, we show that certain computations – namely identifying the maximal and minimal element along a dimension such as length – is neither capacity- nor resource-limited: i.e., finding the maximal or minimal element in a scene is automatic, efficient, and effortless. In three separate experiments, observers are shown 5 – 7 colored lines on the screen (e.g., a blue, a yellow, a green, a purple, a red, a black, a white) for 1200 milliseconds. In Experiment 1 (N = 40), participants are asked to either perform a pairwise comparison (e.g., "Is the blue line longer than the yellow line?") or a maximal comparison (e.g., "Is the blue line the longest?"), thereby requiring them to attend, remember, and compare all seven lines. We find that the maximal comparison is faster and more accurate that the pairwise comparison, even though the computation requires the representation of all lines (Fig1). In Experiment 2 (N = 80), participants identify the color of a particular line in the sequence (e.g., "Which line is the second longest?"). We find a pronounced advantage in accuracy and RT for identifying the longest and shortest lines, with an increasing, serial cost to each successive line in the sequence (Fig2). Finally, we replicate these effects developmentally and find that the identification of the maximal element is easier compared to pairwise from at least age 2 onward. These results suggest that the computations supporting the identification of the maximal element are distinct and more efficient than those supporting the identification and comparison of only two items, providing a challenge to traditional views of working memory capacity limits. 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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,012 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».