The effect of apparent distance on peripheral target detection
Notice bibliographique
Résumé
Previous research suggests that peripheral target detection is modulated by viewing distance and distance simulated by pictorial cues and optic flow. In the latter case, it is unclear what cues contribute to the effect of distance. The current study evaluated the effect of distance on peripheral detection in a virtual three-dimensional environment. Experiments 1-3 used a continuous, dynamic central task that simulated observers traveling either actively or passively through a virtual environment following a car. Peripheral targets were flashed on checkerboard-covered walls to the left and right of the path of motion, at a near and a far distance from the observer. The retinal characteristics of the targets were identical across distances. Experiment 1 found more accurate and faster detection for near targets compared to far targets, especially for larger eccentricities. Experiment 2 equated the predictability of target onset across distances and found the near advantage for larger eccentricities in accuracy but a much smaller effect in reaction time (RT). Experiment 3 removed the checkerboard background implemented in Experiments 1 and 2, and Experiment 4 manipulated several static, monocular cues. Experiments 3 and 4 found that the variation in the density of the checkerboard backgrounds could explain the main effect of distance on accuracy but could not completely account for the interaction between target distance and eccentricity. These results suggest that attention is modulated by target distance, but the effect is small. Finally, there were consistent divided attention costs in the central car-following task but not the peripheral detection task.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».