Notice bibliographique
Résumé
The extent to which capture by uninformative peripheral cues is contingent on the top-down goals of the participant has been a hotly debated issue. Most studies have investigated if uninformative cues whose features are irrelevant to the current task goals capture attention. Here (as did Ishigami and colleagues in earlier work), we ask a slightly different, but related question: Do uninformative cues whose locations are irrelevant capture attention? Ruthruff and Gaspelin (2018) presented an abrupt-onset cue among four placeholders (above, below, left & right of fixation). Each participant was asked to find a colour target letter (red or green) among four letters (E/H) in either the horizontal or the vertical axis (by instruction, only one axis was task-relevant) and report its identity; thus cues could be spatially relevant (on the relevant axis) or irrelevant (on the irrelevant axis). Response Times (RTs) on irrelevant-cue trials and absent-cue trials were equivalent suggesting “immunity from attention capture at ignored locations”. We hypothesized that the RTs on absent-cue trials may have been overestimated due to the absence of alerting benefit compared to the cue present trials, and tested this hypothesis in a registered replication study. Experiment 1 replicated the task of Ruthruff and Gaspelin (2018). RTs on irrelevant-cue trials were faster compared to the absent-cue trials lending support to the original conclusion by Ruthruff and Gaspelin that performance does not suffer on irrelevant-cue trials. In Experiment 2, we additionally included a warning signal on every trial to equate all cue conditions on the alerting component. Here, RTs on irrelevant-cue trials were significantly slower than on absent-cue trials suggesting that the irrelevant-cues captured attention, at least to some degree. The results underscore the importance of using an appropriate baseline in attention capture studies.
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 | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 ».