MétaCan
Menu
Retour à la cohorte
Enregistrement W2968598138 · doi:10.1177/1747021819872159

Effect of room size on geometry and features cue preference during reorientation: Modulating encoding strength or cue weighting

2019· article· en· W2968598138 sur OpenAlexafffund
Lin Wang, Weimin Mou

Notice bibliographique

RevueQuarterly Journal of Experimental Psychology · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPreferenceWeightingEncoding (memory)GeometryPsychologyCommunicationMathematicsCognitive psychologyPhysicsStatisticsAcoustics

Résumé

récupéré en direct d'OpenAlex

Three experiments investigated how the room size affects preferential use of geometric and non-geometric cues during reorientation inside a room. We hypothesised that room size may affect preferential use of geometric and non-geometric cues by affecting the encoding of the cues (the encoding hypothesis), the retrieval of the cues (the retrieval hypothesis), or both the encoding and retrieval of the cues (the encoding-plus-retrieval hypothesis). In immersive virtual rectangular rooms, participants learned objects' locations with respect to geometric (room shape) and non-geometric cues (features on walls or isolated objects). During the test, participants localised objects with the geometric cue only, non-geometric cues only, or both. The two cues were placed at the original locations or displaced relative to each other (conflicting cues) when both were presented at testing. We manipulated the room size between participants within each experiment. The results showed that the room size affected cue preference using conflicting cues but did not affect response accuracy using single cues at testing. These results support the retrieval hypothesis. The results were discussed in terms of the effects of cue salience and stability on cue interaction in reorientation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,014
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,033
Tête enseignante GPT0,370
Écart entre enseignants0,336 · 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

Citations7
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of Experimental PsychologyMême sujetVisual perception and processing mechanismsTravaux en français237 207