MétaCan
Menu
Retour à la cohorte
Enregistrement W3101824727 · doi:10.1111/cdev.13469

The Development of Attention to Objects and Scenes: From Object-Biased to Unbiased

2020· article· en· W3101824727 sur OpenAlexafffund
Kevin Darby, Wei Deng, Dirk B. Walther, Vladimir M. Sloutsky

Notice bibliographique

RevueChild Development · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNatural Sciences and Engineering Research Council of CanadaNational Institutes of Health
Mots-clésPsychologySelective attentionCognitive psychologyStimulus (psychology)Visual attentionRapid serial visual presentationObject (grammar)Visual searchDevelopmental psychologyCognitionArtificial intelligenceComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Selective attention is the ability to focus on goal-relevant information while filtering out irrelevant information. This work examined the development of selective attention to natural scenes and objects with a rapid serial visual presentation paradigm. Children (N = 69, ages 4-6 years) and adults (N = 80) were asked to attend to either objects or scenes, while ignoring the other type of stimulus. A multinomial processing tree model was used to decompose selective attention into focusing and filtering components. The results suggest that attention is object-biased in children, due to difficulty filtering attention to goal-irrelevant objects, whereas attention in adults is relatively unbiased. The findings suggest important developmental asymmetries in selective attention to scenes and 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 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 enseignants0,291
Score d'incertitude au seuil0,529

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 technologies0,0010,000
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 Opus0,124
Tête enseignante GPT0,329
Écart entre enseignants0,206 · 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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild DevelopmentMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207