MétaCan
Menu
Retour à la cohorte
Enregistrement W2792524133 · doi:10.1111/tops.12328

Abstract Concepts and Pictures of Real‐World Situations Activate One Another

2018· article· en· W2792524133 sur OpenAlexfundno aff
Ken McRae, Daniel Nedjadrasul, Raymond Pau, Bethany Pui‐Hei Lo, Lisa King

Notice bibliographique

RevueTopics in Cognitive Science · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPerceptionObject (grammar)PsychologyCognitive psychologyLexical decision taskLinguisticsComputer scienceArtificial intelligenceCognition

Résumé

récupéré en direct d'OpenAlex

concepts typically are defined in terms of lacking physical or perceptual referents. We argue instead that they are not devoid of perceptual information because knowledge of real-world situations is an important component of learning and using many abstract concepts. Although the relationship between perceptual information and abstract concepts is less straightforward than for concrete concepts, situation-based perceptual knowledge is part of many abstract concepts. In Experiment 1, participants made lexical decisions to abstract words that were preceded by related and unrelated pictures of situations. For example, share was preceded by a picture of two girls sharing a cob of corn. When pictures were presented for 500 ms, latencies did not differ. However, when pictures were presented for 1,000 ms, decision latencies were significantly shorter for abstract words preceded by related versus unrelated pictures. Because the abstract concepts corresponded to the pictured situation as a whole, rather than a single concrete object or entity, the necessary relational processing takes time. In Experiment 2, on each trial, an abstract word was presented for 250 ms, immediately followed by a picture. Participants indicated whether or not the picture showed a normal situation. Decision latencies were significantly shorter for pictures preceded by related versus unrelated abstract words. Our experiments provide evidence that knowledge of events and situations is important for learning and using at least some types of abstract concepts. That is, abstract concepts are grounded in situations, but in a more complex manner than for concrete concepts. Although people's understanding of abstract concepts certainly includes knowledge gained from language describing situations and events for which those concepts are relevant, sensory and motor information experienced during real-life events is important as well.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,421
Écart entre enseignants0,313 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTopics in Cognitive ScienceMême sujetAction Observation and SynchronizationTravaux en français237 207