Notice bibliographique
Résumé
Longstanding questions exist about how features like color and orientation are selected by visual attention (Theeuwes, 2013; Brawn & Snowden, 1999; Treisman, 1988). Here, we present a new methodology to investigate this issue. This methodology is based on the perception of Pearson correlation r in scatterplots containing both a "target" population, and an irrelevant "distractor" population, which is to be disregarded. Observers viewed two such scatterplots side-by-side (each containing a target and a distractor population), and were asked to identify the one with the higher target correlation. Methods from Rensink & Baldridge (2010) were used to measure discrimination via just noticeable differences (JNDs) at 75% correct. Target items were always black, and the background always white. Distractor items differed in color or in orientation (Fig. 1). In our color manipulation, distractor dots were one of four shades of red. In our orientation manipulation, target dots were replaced with horizontal lines, and distractors were lines oriented at 30, 45, 60, and 90 degrees. In conditions where there were no distractor populations, JNDS were proportional to the distance from r = 1, consistent with the results of earlier studies. In two-population conditions, however, the slope of the JND lines increased, indicating interference from the irrelevant distractors. Two forms of interference were found. In our color manipulation, when the distractor dots were light pink (and most different from the target dots), interference was low, but when they were dark red (and most similar to the target dots), interference was high. Meanwhile, in our orientation manipulation, interference was high for distractors at 60 and 90 degree, but low for distractors at 30 and 45 degrees. This suggests that attentional selection may differ for different features. It also shows that this methodology may be a useful new way to examine attentional selection. 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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».