MétaCan
Menu
Retour à la cohorte
Enregistrement W3174417757 · doi:10.1096/fasebj.29.1_supplement.689.5

Knowing Your Limits: How a Time Constraint May Impact Spatial Reasoning

2015· article· en· W3174417757 sur OpenAlexaff
Victoria A. Roach, James H. Kryklywy, Derek Mitchell

Notice bibliographique

RevueThe FASEB Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSalientFixation (population genetics)Set (abstract data type)Line (geometry)MathematicsGeographyArtificial intelligenceComputer scienceGeometryBiology

Résumé

récupéré en direct d'OpenAlex

We set out to evaluate how spatial ability (SA) relates to temporal and spatial patterns in average fixation duration (AFD). We hypothesized that SA would be negatively correlated with AFD. Additionally, we asserted that SA would be positively related to AFD in the spatially salient regions of interest (ROIs) of structures presented on a spatial test. The SA test was timed and based on the line drawings of Shepherd and Metzler. Individuals chose whether block pairs were rotations (same), or mirrored (different) images. Eye tracking revealed a significant relationship between AFD and SA (r = ‐.92*, n=10, p<.0001) . This suggests that high SA individuals are able to discern and attend to the spatially salient features required to interpret spatial structures more rapidly than low scorers. Through the creation of spatial ROIs, the relationship between SA and AFD in different areas of the images (Bend, Tail, Straight or Empty) was revealed. When the proportional AFD was related to SA, two relationships were found; a negative relationship between the Tail AFD and SA (r=‐.65*, n=10, p=.042), and a positive relationship between the Straight AFD and SA (r=.66*, n=10, p=.037). Thus, low SA individuals dwell on the tail regions, using tail position to solve the question, while the high SA individuals quickly observe the tails, and store the information in their working memory for reference, as they proceed through the test.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,033
Tête enseignante GPT0,264
Écart entre enseignants0,231 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetSpatial Cognition and NavigationTravaux en français237 207