Where is your attention?: Estimating the frequency of gaze following in the cuing task using a trial-by trial analysis.
Notice bibliographique
Résumé
Both laboratory and real world studies show that humans spontaneously follow the gaze of others. However, gaze following in the real world occurs surprisingly infrequently, only in about a third of available instances. Here we assessed whether the results from a typical laboratory based measure reflected consistent orienting of attention on most trials or an effect of averaging large performance differences on a handful of trials. To do so, we collected data from 25 participants who performed a gaze cuing procedure. Left or right gazing faces and a neutral face with closed eyes served as attentional cues. Participants detected peripheral targets, which occurred equally often at a left or right location. Data were analyzed in two ways. First, a standard group-based ANOVA replicated a wealth of past research showing overall reliable facilitation for gazed-at targets. Second, to address our questions, we calculated the proportion of gazed-at and not gazed-at trials that were significantly faster than baseline (i.e., closed eyes). We found that a greater proportion of gazed-at trials, i.e., 20% were faster than the baseline relative to 16% of not gazed-at trials. Taken together, these results suggest that performance in the gaze cuing task reflects neither consistent orienting throughout, nor the effect of averaging over several trials. 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».