MétaCan
Menu
Retour à la cohorte
Enregistrement W3046587697 · doi:10.1038/s41598-020-69802-5

Different luminance- and texture-defined contrast sensitivity profiles for school-aged children

2020· article· en· W3046587697 sur OpenAlexafffund
Daphné Silvestre, Jacalyn Guy, Julie Hanck, Kim Cornish, Armando Bertone

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensMcGill University
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésLuminanceContrast (vision)Texture (cosmology)Sensitivity (control systems)Artificial intelligenceComputer sciencePattern recognition (psychology)Image (mathematics)

Résumé

récupéré en direct d'OpenAlex

Our current understanding of how the visual brain develops is based largely on the study of luminance-defined information processing. This approach, however, is somewhat limiting, since everyday scenes are composed of complex images, consisting of information characterized by physical attributes relating to both luminance and texture. Few studies have explored how contrast sensitivity to texture-defined information develops, particularly throughout the school-aged years. The current study investigated how contrast sensitivity to luminance- (luminance-modulated noise) and texture-defined (contrast-modulated noise) static gratings develops in school-aged children. Contrast sensitivity functions identified distinct profiles for luminance- and texture-defined gratings across spatial frequencies (SFs) and age. Sensitivity to luminance-defined gratings reached maturity in childhood by the ages of 9-10 years for all SFs (0.5, 1, 2, 4 and 8 cycles/degree or cpd). Sensitivity to texture-defined gratings reached maturity at 5-6 years for low SFs and 7-8 years for high SFs (i.e., 4 cpd). These results establish that the processing of luminance- and texture-defined information develop differently as a function of SF and age.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,279
Écart entre enseignants0,253 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetColor perception and designTravaux en français237 207