Sex Differences and Cognitive Maps: Studies in the Lab don’t Always Reflect Cognitive Map Accuracy in Everyday Life
Notice bibliographique
Résumé
The ability to create an accurate mental survey representation, orcognitive map, when moving through an environment varies widely across individuals, and we are still trying to understand the origins of these individual differences. Non-immersive virtual environments used to test for cognitive map accuracy in the laboratory have shown sex differences with a performance advantage for men in some studies but not others. When sex differences are demonstrated, it is unclear whether women’s performance generalizes to familiar and unfamiliar real-world environments. In Experiment 1, 98 participants explored the virtual environment Silcton and afterwards estimated directions between the landmarks in Silcton and arranged landmarks found in Silcton on a map. In addition, they reported frequently visited real-world locations and then estimated directions between them and drew a map of the locations. Men were more accurate on tests of Silcton than women were, although there was no difference between sexes for accuracy with real-world locations. Within sexes, women were more accurate with the real-world locations than Silcton, while men showed the opposite pattern. In Experiment 2, 21 women were tested with Silcton and their familiar real-world locations as in Experiment 1 but were also walked through an unfamiliar real-world area on campus and completed direction estimation and map drawing tests for the new environment. Overall, women were more accurate with the two real-world environments than Silcton, with some evidence that accuracy with the new real-world environment was more accurate than the familiar real-world locations. Overall, women’s ability to create a cognitive map of a virtual environment in the laboratory does not seem to be indicative of their ability to do the same in the real world, and care should be taken when generalizing lab results with virtual environments.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».