MétaCan
Menu
Retour à la cohorte
Enregistrement W2775824922 · doi:10.1371/journal.pone.0188373

Effect of age and stereopsis on a multiple-object tracking task

2017· article· en· W2775824922 sur OpenAlexafffund
Marjolaine Plourde, Marie-Eve Corbeil, Jocelyn Faubert

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStereopsisTask (project management)StereoscopyCrowdsDepth perceptionAge groupsObject (grammar)Artificial intelligencePhysical medicine and rehabilitationPsychologyComputer visionComputer scienceAudiologyMedicineDemographyPerceptionNeuroscienceComputer security

Résumé

récupéré en direct d'OpenAlex

3D vision develops during childhood and tends to diminish after 65 years of age. It is still relatively unknown how stereopsis is used in more complex/ecological contexts such as when walking about in crowds where objects are in motion and occlusions occur. One task that shares characteristics with the requirements for processing dynamic crowds is the multiple object-tracking task (MOT). In the present study we evaluated the impact of stereopsis on a MOT task as a function of age. A total of 60 observers consisting of three groups of 20 subjects (7-12 years old, 18-40 years old and 65 years and older) completed the task in both conditions (with and without stereoscopic effects). The adult group obtained the better scores, followed by the children and the older adult group. The performance difference between the stereoscopic and non-stereoscopic conditions was significant and similar for the adults and the children but was non significant for the older observers. These results show that stereopsis helps children and adults accomplish a MOT task, but has no impact on older adults' performances. The present results have implications as to how populations differ in their efficiency of using stereoscopic cues for disambiguating complex dynamic scenes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,311

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,333
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVisual perception and processing mechanismsTravaux en français237 207