Strategic working memory performance may confound the interpretation of cumulative task statistics
Notice bibliographique
Résumé
The mechanisms underlying the storage limitations of visual working memory are controversial. Some models assume that a discrete number of items can be stored (Zhang and Luck, 2008), while others posit that many representations with variable mnemonic precision can be retained (van den Berg et al, 2012). Typically, these models are fit to performance data from tasks that rely on summary statistics, such as the estimation of capacity on change-detection tasks or the estimation of precision from continuous report task error distributions. This approach ignores the influence of context-dependent strategies for task performance. Here, we investigate whether such strategies can improve task performance and confound the interpretation of performance statistics. On a whole report task, participants were presented with stimulus arrays containing up to 8 stimuli and reported the colour of all test items from a discrete array of equidistant colours. This approach allowed us to determine the accuracy of each selection on a trial-by-trial basis and to retain a measure of precision in colour space. Early results are mostly consistent with a recent continuous-response, whole-report study (Adam, Vogel, and Awh, 2017). We observed that response error distributions become increasingly diffuse with increased memory load, and found a downward trend in precision throughout successive responses. When a task manipulation was introduced at response onset to investigate output interference, some participants were unaffected, while others showed significant performance deficits. The possibility that different cognitive strategies were responsible for these differences prompted the use of generative modeling techniques to capture this behaviour. For example, late-trial responses (e.g. responses 5-8) were made with accuracy exceeding chance, and a model including strategic guessing produces very similar error distributions. This approach has the potential to reveal cognitive strategies employed during visual working memory tasks and to provide a novel description of high-load storage limitations. 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 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 | 0,025 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».