The Attentional "White Bear" Evades Visual Working Memory
Notice bibliographique
Résumé
In visual search, cueing a feature (e.g., color) of a to-be-ignored item typically offers no attentional advantage and sometimes interferes with task performance. Since resource allocation models contend that the resolution of visual working memory (VWM) representations is determined by the distribution of attention across items, we sought to investigate the effect of featurally cueing task-irrelevant items on VWM. In Experiment 1, participants were presented displays of isoluminant diamonds that varied in hue and were to indicate the location of a "chip" that was present on the top or bottom of one of the diamonds. Prior to target presentation, a cue indicated the color of one non-target diamond that could be ignored (Ignore condition), or provided no such information (Neutral condition). Our results suggested that participants were unable to suppress attention to the cued items; performance was equal for both conditions. Experiment 2 employed a similar cueing procedure, but with a delayed estimation task. Participants studied displays of briefly presented colored squares then reported the color of one probed item following a 900 ms delay. Critically, ignore and neutral cues were presented before study displays. After decomposing response errors into a three-parameter mixture model, we found that participants held more precise representations of studied items in the Ignore compared to the Neutral condition. Experiment 3 again used the delayed estimation task, but now intermixed delays of 300 ms and 1500 ms to determine if the cueing benefit occurred at encoding or during maintenance. Again, we found precision to be higher in the Ignore condition regardless of delay length. These findings suggest that while cueing features of task irrelevant items is not sufficient to suppress attention to these items, such cues do benefit the encoding of task-relevant items. 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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».