The Influence of Aging on Audio-Visual Temporal Order Judgments
Notice bibliographique
Résumé
Perception of naturalistic events often requires observers to integrate stimuli across visual, auditory, and tactile modalities. There is some evidence that the temporal resolution of cross-modal integration may be impaired in older subjects. For example, Poliakoff et al. (2006) reported that just noticeable differences (JNDs) in a visual-tactile temporal order judgment (TOJ) task were larger in older subjects than younger subjects. However, little is known about how aging affects the temporal precision of audio-visual integration, especially for non-speech stimuli. We therefore measured the effects of aging on the precision of temporal order judgments in 11 younger (19–26) and 8 older (70+) subjects. On each trial, a subject was presented with a single visual stimulus (i.e., Gabor pattern) and a single auditory stimulus (i.e., Gaussian-damped tone), and the task was to determine which stimulus was presented first. The stimuli were brief (<10 ms) and clearly super-threshold. The method of constant stimuli was used to vary the temporal offset between stimuli, and the resulting psychometric function for each subject was used to estimate the point of subjective simultaneity (PSS) and JND (i.e., the standard deviation of the best-fitting cumulative normal). One younger subject who had a JND that was more than 5 standard deviations above the mean was declared an outlier and not included in further analyses. For the remaining subjects, the mean PSS (t(16) = 0.14, p = 0.88) and JND (t(16) = 0.08, p = 0.93) did not differ between age groups. Hence, we found no evidence that aging affects the temporal precision of auditory-visual temporal judgments, at least in this simple task. Currently we are investigating the extent to which this result generalizes to more complex audiovisual events.
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) | 0,001 | 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 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 ».