The correspondence problem in apparent motion perception and aging
Notice bibliographique
Résumé
The largest spatial displacement of dots in a two-frame random-dot kinematogram yielding good direction discrimination performance (i.e., Dmax) is reduced in older observers (Roudaia et al., J. Vis., 2010). Dmax depends on dot density, which suggests that Dmax is constrained by the number of false targets in the display (Eagle & Rogers, Vis. Res., 1997). As such, the reduction in Dmax with aging may be caused by an age-related decline in the efficiency of solving the correspondence problem. The current study investigates that hypothesis. Stimuli consisted of white dots (0.04 × 0.04 deg) randomly distributed in a small, medium, or large square patch (height: 6.4, 12.7, or 25.4 deg) on a black background. The number of dots was varied to yield average density levels ranging from 0.025% to 5%. On each trial, two random-dot patterns were presented for 100 ms each, separated by a blank ISI lasting 40 ms. The second pattern was identical to the first pattern, but was shifted within a display window to the right or to the left by a displacement ranging from 0.03 to 5.6 deg. Direction discrimination accuracy of older (mean age: 74 years) and younger (mean age: 24 years) subjects was measured in 105 conditions blocked by patch size. Performance in both groups was best at medium displacements, and declined at smaller and larger displacements. Decreasing density did not affect performance at short displacements, but improved performance at large displacements. Importantly, this improvement was significantly greater in older than younger subjects, such that the effect of age at large displacements greatly reduced with decreasing density. These results support the hypothesis that age-related declines in performance at large displacements are caused by a reduced ability to solve the correspondence problem in motion.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».