Gaze behaviour when visually searching for targets to be reached toward is influenced by movement-related costs imposed by obstacles
Notice bibliographique
Résumé
Real world action tasks often involve operating in a cluttered environment, in which we search for a target object among distractors. In many cases, the structure of these environments dictate large movement costs associated with reaching the located target (e.g., reaching a cup on a high shelf). While it is well established that people are sensitive to movement costs when selecting between potential movements, it is unclear whether movement costs likewise influence visual search behaviour. Here we tested whether visual search behaviour, as measured by gaze, is biased by the movement costs associated with acting on a target object. In each trial, an obstacle was briefly displayed and then a set of 36 objects, including 4 targets and 32 distractors, were displayed. The length, location, and orientation of the obstacle and the locations of the target objects were randomly varied. The task was to locate a target and then reach for it using a cursor controlled by the handle of a robotic manipulandum. The handle could apply forces simulating any contact between the cursor and the unseen obstacle. The cursor start position was in the center of the display and the objects in a given trial were either on the ‘near’ or ‘far’ side of the obstacle. We found that search, and hence target selection, was biased towards the near side of the obstacle, thus reducing the time and energy costs associated with reaching. This result suggests that humans can readily incorporate the movement costs of an environment when forming visual search strategies.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».