MétaCan
Menu
Retour à la cohorte
Enregistrement W2919461062 · doi:10.1080/13506285.2019.1577319

Interactions of reading and semantics along the ventral visual processing stream

2019· article· en· W2919461062 sur OpenAlexafffund
Josh Neudorf, Chelsea Ekstrand, Shaylyn Kress, Alexandra Neufeldt, Ron Borowsky

Notice bibliographique

RevueVisual Cognition · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReading (process)Semantics (computer science)PsychologyCommunicationVisual processingVision for perception and vision for actionCognitive psychologyCognitive scienceVisual perceptionLinguisticsNeuroscienceComputer sciencePerceptionProgramming language

Résumé

récupéré en direct d'OpenAlex

Converging evidence supports a distributed-plus-hub view of semantic processing, in which there are distributed modular semantic sub-systems (e.g., for shape, colour, and action) connected to an amodal semantic hub. Furthermore, object semantic processing of colour and shape, and lexical reading and identification, are processed mainly along the ventral stream, while action semantic processing occurs mainly along the dorsal stream. In Experiment 1, participants read a prime word that required imagining either the object or action referent, and then named a lexical word target. In Experiments 2 and 3, participants performed a lexical decision task (LDT) with the same targets as in Experiment 1, in the presence of foils that were legal nonwords (NW; Experiment 2) or pseudohomophones (PH; Experiment 3). Semantic priming was similar in effect size regardless of prime type for naming, but was greater for object primes than action primes for the LDT with PH foils, suggesting a shared-stream advantage when the task demands focus on orthographic lexical processing. These experiments extend the distributed-plus-hub model, and provide a novel paradigm for further research.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,356
Écart entre enseignants0,335 · 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'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

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVisual CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207