MétaCan
Menu
← Retour à la cohorte
Enregistrement W2892466815 · doi:10.1167/18.10.1311

Representation in activated long-term memory is not sufficient to induce an attentional control setting

2018· article· en· W2892466815 sur OpenAlexaff
Lindsay Plater, Naseem Al-Aidroos

Notice bibliographique

RevueJournal of Vision · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWorking memorySet (abstract data type)Cued speechTask (project management)PsychologyCognitive psychologyObject (grammar)Representation (politics)Short-term memoryAttentional controlAttentional blinkCognitionComputer scienceArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Recent work in our lab has shown that participants can adopt an attentional control set (ACS) for 30 visual objects, indicating that the contents of ACSs can be stored in long-term memory (LTM). It has been suggested that ACS representations may be stored with greater than normal baseline activation—a state referred to as activated LTM (ALTM)—however, it has yet to be directly tested whether representing an object in ALTM is sufficient to induce an ACS for that object. In the present study, we induce participants to represent objects in ALTM using a working memory change detection task similar to Oberauer's (2001, JEP:LMC) modified Sternberg task, and test whether objects represented in ALTM form an ACS using a spatial blink task. Participants were presented with two sets of objects (set sizes 1 or 3 for each set) for retention in working memory, and were cued that one set was irrelevant. Following the cue, mixed across trials we either probed participants' memory to assess the state of representation of irrelevant items, or used a spatial blink task to assess whether irrelevant items capture attention. On working memory trials, we found the number of relevant objects affected response times (RTs), but the number of irrelevant objects did not; this suggests that participants successfully transferred irrelevant objects out of working memory. Irrelevant objects produced an intrusion effect (slower rejection of irrelevant probes than novel probes), indicating that they were represented in ALTM. Critically, on spatial blink trials, irrelevant items presented as distractors did not impair performance, indicating that irrelevant objects were not part of participants' ACS. These results support the conclusion that representing objects in ALTM is not sufficient to induce an ACS for those objects. More broadly, the present findings enhance our understanding of how long-term memory and visual attention interact. Meeting abstract presented at VSS 2018

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,090
Tête enseignante GPT0,395
Écart entre enseignants0,305 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetMemory and Neural Mechanisms→Travaux en français237 207→