How Spatial Attention Affects the Decision Process: Looking through the Lens of Bayesian Hierarchical Diffusion Model & EEG Analysis
Notice bibliographique
Résumé
Abstract Model-based cognitive neuroscience consolidates the cognitive processes and neurophysiological oscillations which are reflections of behavioral performance (e.g., reaction times and accuracy). Here, based on one of well-known sequential sampling models (SSMs), named the diffusion decision model, and the nested model comparison, we explore the underlying latent process of spatial prioritization in perceptual decision processes, so that for estimating the model parameters (i.e. the drift rate, the boundary separation, and the non-decision time), a Bayesian hierarchical approach is considered, which allows inferences to be done simultaneously in the group and individual level. Moreover, well-established neural components of spatial attention which contributed to the latent process and behavioral performance in a visual face-car perceptual decision are detected based on the event-related potential (ERP) analysis. Our cognitive modeling analysis revealed that the non-decision time parameter provides a better fit to the top-down attention with the measures of two powerful weapons, i.e. the deviance information criterion called DIC score and R-square. Also, using multiple regression analysis on the contralateral minus neutral N2 sub-component (N2nc) at central electrodes and contralateral minus neutral alpha power (Anc) at posterior-occipital electrodes in the voluntary attention, it can be concluded that poststimulus N2nc can predict reaction time (RT) and non-decision time parameter relating to spatial prioritization. Whereas, the poststimulus Anc only can predict the RT and not the non-decision time relating to spatial prioritization. The result suggested that the difference of contralateral minus neutral oscillations was more important to reflect the modulation of the top-down spatial attention mechanism in comparison with the difference of ipsilateral minus neutral oscillations.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».