MétaCan
Menu
Retour à la cohorte
Enregistrement W3197035826 · doi:10.1111/ejn.15445

To see, not to see or to see poorly: Perceptual quality and guess rate as a function of electroencephalography (EEG) brain activity in an orientation perception task

2021· article· en· W3197035826 sur OpenAlexafffund
Sarah Sheldon, Kyle E. Mathewson

Notice bibliographique

RevueEuropean Journal of Neuroscience · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectroencephalographyPerceptionPsychologyOrientation (vector space)Task (project management)Quality (philosophy)Range (aeronautics)Brain activity and meditationPattern recognition (psychology)AudiologyArtificial intelligenceComputer scienceStatisticsMathematicsSpeech recognitionCognitive psychologyPhysicsNeuroscienceMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Detection of visual stimuli fluctuates over time, and these fluctuations have been shown to correlate with time domain evoked activity and frequency-domain periodic activity. However, it is unclear if these fluctuations are related to a change in guess rate, perceptual quality or both. Here we determined whether the quality of perception randomly varies across trials or is fixed so that the variability is the same. Then we estimated how perceptual quality and guess rate on an orientation perception task relate to electroencephalography (EEG) activity. Response errors were fitted to variable precision models and the standard mixture model to determine whether perceptual quality is from a varying or fixed distribution. Overall, the best fit was the standard mixture model that assumes that response variability can be defined by a fixed distribution. The power and phase of 2-7 Hz post-target activities were found to vary along with task performance in that more accurate trials had greater power, and the preferred phase differed significantly between accurate and guess trials. Guess rate and σ were significantly lower on trials with high 2- to 3-Hz power than low, and the difference started around 250-ms post-target. These effects coincide with changes in the P3 event-related potential (ERP): There was a more positive deflection in the accurate trials versus guesses. These results suggest that the spread of errors (perceptual quality) can be characterised by a fixed range of values. Where the errors fall within that range is modulated by the post-target power in the lower-frequency bands and their analogous ERPs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,022
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,096
Tête enseignante GPT0,377
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeuroscienceMême sujetVisual perception and processing mechanismsTravaux en français237 207