An Analysis of Orientation Bias: A Comparison Between Visual and Pictorial Space in Virtual Reality
Notice bibliographique
Résumé
If participants are asked to orient a face half way between frontal view and profile view, they typically choose an angle somewhere between 30 and 40 degrees. In this study, we demonstrate this phenomenon called orientation bias, and we test the hypothesis that it is directly related to presenting the face in the pictorial space of the flat screen rather than in the egocentric visual space of the observer.Participants were required to use a keyboard to rotate a 3D rendering of a human head to orient it at 45 degrees, that is, half way between frontal and profile view. Employing a repeated-measures design, participants completed two blocks in counterbalanced order. Both viewing conditions were implemented in virtual reality. In the first, participants saw a columnar pedestal with a head mounted on top of it in the visual space before them. In the second block, the very same scene was recorded with a fixed camera and projected on a virtual computer screen.The results indicated that the mean angle estimations in visual space (M = 43.01, SD = 5.96) and pictorial space (M = 37.40, SD = 6.99) differed significantly, t(15) = 5.13, p < .001.These differences could be a result of depth compression, which has been previously described in the context of distance perception. Given that interpretation, our results imply that depth compression might be a result of the flatness of the picture plane which is perceived in a “twofold” way alongside the depicted contents of the image.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».