Attention to different statistical structures changes over the course of learning
Notice bibliographique
Résumé
Previous studies have shown that attention allocation can be determined by the statistical structure of our visual environments: infants attend to moderately predictable input over highly predictable or highly unpredictable input (Kidd et. al., 2012), and adults attend to regular over irregular stimuli (Zhao et. al., 2013). While these results show learners are sensitive to how predictable different input is, no study to date has directly examined how attention to differently structured input shifts as a function of experience. Moreover, learners may be able to extract more or less information from a particular part of their world at any given moment, but it remains unknown whether we flexibly shift attention based on how much information could be gained from a particular stimulus. Here, we had adults (n=75) complete a visual statistical learning experiment in which streams of information were presented simultaneously in four locations, in four levels of predictability: (1) completely random, (2) low predictability, (3) medium predictability, and (4) completely predictable. Intermittent search trials measured where participants attended over the course of the experiment by indexing reaction times in each location. We modeled trial-by-trial entropy in each location to measure how much information could be gained from that location at any given point during learning. Our results show that as the experiment progressed, participants shifted from attending to medium predictability location to attending to lower levels of regularity locations (low predictability and random stream). Additionally, trial-by-trial entropy and time interacted strongly to predict where participants attended, such that over the course of learning higher entropy locations were attended more. This provides the first demonstration that as adults learn the environmental regularities, they gradually shift their attention to less predictable sources of information, and that learners are sensitive to how much information they can gain from a particular source.
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 | 0,005 |
| 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 | 0,000 | 0,001 |
| 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 ».