MétaCan
Menu
Retour à la cohorte
Enregistrement W2892901603 · doi:10.1167/18.10.397

Automatic categorical abstraction during visual statistical learning in children and adults

2018· article· en· W2892901603 sur OpenAlexaff
Yaelan Jung, Dirk B. Walther, Amy S. Finn

Notice bibliographique

RevueJournal of Vision · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistics Education and Methodologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCategorical variableGeneralizationCategorizationAbstractionPsychologyConcept learningSet (abstract data type)Statistical learningCognitive psychologyArtificial intelligencePerceptionComputer scienceMachine learningMathematics

Résumé

récupéré en direct d'OpenAlex

One of the primary goals of the visual system is to make predictions about upcoming sensory events, which requires extracting and learning regularities from the environment. Research on visual statistical learning demonstrated that humans can not only learn these regularities from very brief exposure (Fisher & Aslin, 2001), but that this learning can occur at the categorical level; when images are always different, but regularities are present across categories (Brady & Oliva, 2008). In the present set of studies, we ask whether this category-level generalization of learning occurs even with exposure to repeated items. Additionally, we ask whether children learn categorical-level regularities like adults. Given evidence that children are more sensitive to features of individual items than adults (Sloutsky & Fisher, 2004) they may or may not show learning of regularities at the category level. We tested this question by performing several statistical learning experiments with adults (18-22 yo) and children (6-9 yo). Participants were exposed to a stream of animal images, which consisted of four sets of triplets, randomly distributed. Each triplet consisted of three animals appearing in the same order. Critically, the images were always novel exemplars from a given category. Observers were tested using a 2AFC Familiarity Judgment task between triplets of images, which either maintained or violated the temporal predictability from the exposure phase. We observed that adults and children showed familiarity to triplets in the exposed sequence, which suggests that they learned the regularities at the category level. To determine whether this categorical abstraction is automatic, we exposed children and adults to an image stream with regularities at the item level and tested with multiple novel exemplars. We found that both adults and children could still learn the statistical regularities at the category level even with single item exposure, suggesting that they can generalize item-level learning to categories. 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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,785
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
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 Opus0,041
Tête enseignante GPT0,430
Écart entre enseignants0,388 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetStatistics Education and MethodologiesTravaux en français237 207