Expectations alter representations during object categorization
Notice bibliographique
Résumé
Prior expectations influence how we recognize objects. As suggested by recent evidence, this may be done by altering internal representations. However, how expectations of complex everyday objects affect representations remains largely unknown. Such objects are composed of multiple features that may be affected differently. For example, more generic low-spatial-frequency features could be represented when there are no specific expectations about the incoming object; when there is an expectation, subjects might focus on more specific high-spatial-frequency features to try to confirm their expectation. In the present study, subjects had to perform a 4AFC object categorization task. In the expectation condition, an object name was shown prior to the object image and indicated the most likely object to appear next (with 50% validity); in the no-expectation condition, a random string of letters appeared prior to the image. We randomly sampled spatial frequencies (SFs) across 400 ms on each trial. After reverse correlating accuracy with SFs shown at each moment for each condition, we observed that low SFs (~1-25 cycles/image) throughout recognition were significantly more used to categorize objects when there were no expectations than when there were valid expectations (p < .05), indicating that subjects focus on coarser features when they have no specific expectation. We further observed that there was significant variance in the use of high SFs (~35 cycles/image) late during recognition across object expectations (p < .05), indicating that subjects alter their representation in specific ways depending on their specific prior expectation. In summary, subjects focus on generic coarse features when they have no expectation, and they use fine features differently depending on the specific expectation. These results reveal the mechanisms underlying the effects of expectations on the recognition of real-world complex objects.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».