Adaptation to non-numeric features reveals mechanisms of visual number encoding
Notice bibliographique
Résumé
When observing a simple visual scene such as an array of dots, observers can easily and automatically extract their number. How does our visual system accomplish this? Current theories on visual number encoding have argued that a variety of primary visual features – from low and high spatial frequency, size, contrast, etc., — might all contribute to our visual percept of number. Here, we test the role of spatial frequency by adapting observers to sinusoidal gratings, observing whether this adaptation has an effect on their subsequent perception of number. In Experiment 1 (N = 40; Figure 1A and 1B), on each trial, observers were adapted to six, randomly generated Gabor gratings at either a low-spatial frequency (M = 0.94 c/deg) or a high-spatial frequency (M = 12.25 c/deg); the adapter was presented on either the left or the right side of fixation. Subsequently, observers judged which side of the screen had a higher number of dots. We found a strong number-adaptation effect to low-spatial frequency gratings (i.e., participants significantly underestimated the number of dots on the adapted side) and a significantly reduced adaptation effect for high-spatial frequency gratings. In Experiment 2 (N = 20; Figure 1B) we demonstrate that adaptation to a solid grey patch fails to produce a number-adaptation effect, suggesting that the results in Experiment 1 are not due to a generic response bias. Further experiments with adaptation to mixed spatial frequencies show attenuated effects. Together, our results point towards a key role for low-spatial frequency in visual number encoding, consistent with some existing models of visual number perception (e.g., Dakin et al., 2011) and not with others (e.g., Dehaene & Changeaux, 1993). They also provide a novel methodology for using adaptation to discover the primitives of visual number encoding.
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) | 0,001 | 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 ».