MétaCan
Menu
Retour à la cohorte
Enregistrement W3205496359 · doi:10.1080/13506285.2021.1989099

Unmasking the effects of orthography, semantics, and phonology on 2AFC visual word perceptual identification

2021· article· en· W3205496359 sur OpenAlexafffund
Shaylyn Kress, Josh Neudorf, Chelsea Ekstrand, Ron Borowsky

Notice bibliographique

RevueVisual Cognition · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOrthographyPhonologyPsychologyPerceptionStimulus (psychology)Two-alternative forced choiceSemantics (computer science)Word (group theory)Cognitive psychologyTask (project management)LinguisticsNatural language processingCommunicationComputer science

Résumé

récupéré en direct d'OpenAlex

In the two-alternative forced-choice (2AFC) task, the target stimulus is presented very briefly, and participants must choose which of two options was the presented target. Some past research has assumed that the 2AFC task isolates orthographic effects, despite orthographic, semantic, and phonological differences between the options. If so, performance should not differ between word/nonword pairs and British/American word pairs, the latter of which only differ orthographically. In Experiment 1, accuracy and sensitivity were higher during word/nonword trials than British/American trials when participants did not guess, demonstrating that phonological/semantic processing contributes to performance. Experiment 2 showed that target visibility did not interact with pair type on RT, which suggests phonological/semantic processing did not feed back to orthographic encoding in this task. This study demonstrates the influence of phonological/semantic processing on word perceptual identification, and shows that using British/American word pairs provides a method to isolate orthography in the 2AFC 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 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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,323
Écart entre enseignants0,309 · 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVisual CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207