Neural and behavioral effects of subordinate‐level training of novel objects across manipulations of color and spatial frequency
Notice bibliographique
Résumé
Perceptual expertise is marked by subordinate-level recognition of objects in the expert domain. In this study, participants learned one family of full-color, artificial objects at the subordinate (species) level and another family at the basic (family) level. Discrimination of trained and untrained exemplars was tested before and after training across several image manipulations [full-color, grayscale, low spatial frequency (LSF) and high spatial frequency (HSF)] while event-related potentials (ERPs) were recorded. Regardless of image manipulation, discrimination (indexed by d') of trained and of untrained exemplars was enhanced after subordinate-level training, but not after basic-level training. Enhanced discrimination after subordinate-level training generalized to untrained exemplars and to grayscale images and images in which LSF or HSF information was removed. After training, the N170 and N250, recorded over occipital and occipitotemporal brain regions, were both more enhanced after subordinate-level training than after basic-level training. However, the topographic distribution of enhanced responses differed across components. The N170 latency predicted reaction time after both basic-level training and subordinate-level training, highlighting an association between behavioral and neural responses. These findings further elucidate the role of the N170 and N250 as ERP indices of subordinate-level expert object processing and demonstrate how low-level manipulations of color and spatial frequency impact behavior and the N170 and N250 components independent of training or expertise.
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 | 0,000 | 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) | 0,001 | 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 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 ».