MétaCan
Menu
Retour à la cohorte
Enregistrement W2895747410 · doi:10.1097/wnr.0000000000001114

Testing between the gunpowder fuse and the filling-hose analogy for mental curve tracing using electroencephalography

2018· article· en· W2895747410 sur OpenAlexafffund
Christine Lefebvre, Thibaud Audevard, Talia Losier, Pierre Jolicœur

Notice bibliographique

RevueNeuroreport · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésLearning curveElectroencephalographyTracingPsychologyNeuroscienceComputer science

Résumé

récupéré en direct d'OpenAlex

Curve tracing occurs when a line is followed covertly to accomplish a task, for example, to determine whether two landmarks are on the same line or not (could Highway 61 take Robert Johnson from New Orleans to St Louis?). Previous work suggests that attention either moves along the curve, momentarily activating local representations of the curve during this process, leaving little or no trace of this activation once attention has passed, or attention spreads along the curve, resulting in an activated state along the entire portion of the curve that was traced. We re-examined this issue using event-related potentials. Curves to be traced were presented briefly to encourage a rapid deployment of attention. The curves started on the vertical midline and passed into the left or right visual field and terminated either on the vertical midline or at a lateral position. We measured a posterior contralateral negativity (relative to the visual field of the traced curve) that offset more rapidly when the curve was traced back to the midline than when it remained lateral. The results suggest that attention travels along the curve like fire on a fuse, with activation returning to baseline once the flame has passed.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,216
Score d'incertitude au seuil0,902

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,129
Tête enseignante GPT0,359
Écart entre enseignants0,230 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroreportMême sujetVisual perception and processing mechanismsTravaux en français237 207