Temporal modulation of signal/noise reveals processing units of a scale greater than letters in visual word recognition.
Notice bibliographique
Résumé
Visual word recognition is largely based on the identification of the letters making up the stimulus (e.g. Pelli et al., 2003). Some studies, however, suggest that units of a greater scale than letters (ranging from transletter features to whole words) also contribute to performance. This claim rests on the negative impact of aLtErNaTiNg CaSe across consecutive letters on reading performance (e.g. Mayall et al., 1997; Pelli & Tillman, 2007). One drawback of case alternation is that it may require observers to switch perceptual tuning between the recognition of uppercase and lowercase letters for every consecutive letter. This means that the cost of case alternation may lie in the letter identification process itself, thus making the result inconclusive with respect to the size of the processing units involved in word recognition. Here, we assess whether units of a scale greater than the letter effectively contribute to visual word recognition. We used a random temporal modulation of the signal-to-noise ratio of the stimulus that was either applied simultaneously throughout all the letters in the word (homogeneous condition) or separately and independently for each letter (heterogeneous condition). Temporal sampling functions were made from the integration of sine waves of 5, 10, 15, and 20 Hz, each with a random amplitude and phase. Stimuli were displayed on a 120 Hz monitor, their exposure (i.e. target + noise) lasted 200 ms and the duration of visibility of each letter was equated across conditions. Our results show significantly better word recognition performance in the homogeneous condition (72.5 %) in comparison to the heterogeneous one (59.3 %), a finding that is verified in each individual participant. The advantage for a temporal modulation of signal/noise that applies simultaneously across all the letters in a word demonstrates a significant contribution of processing units of a scale larger than the single letter. 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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».