Does attention prioritize task relevant features in ensemble processing?
Notice bibliographique
Résumé
Ensemble processing allows the visual system to condense visual information into useful summary statistics (e.g., average size), thereby overcoming capacity limitations to visual processing. Here we explored a novel dissociation between task relevant (i.e., a size cue paired with an average size ensemble task) and irrelevant (i.e., a color cue paired with an average size task) attentional cues in ensemble processing by creating a new paradigm that merged the action effect (a manipulation of attention) with ensemble-processing tasks. Participants made a simple action (action condition) if a task relevant word cue (“Large” or “Small”) corresponded to the size of a subsequent object (large or small rectangle) and made no action (viewing condition) if the cue did not correspond to the subsequent object size. Immediately after, they were shown an ensemble display of 8 ovals of varying sizes and were asked to report either the average size of all ovals (ensemble task) or the size of a single oval from the set (single task). On congruent trials the word cue corresponded to the average size of the ensemble display, while on incongruent trials the word cue did not correspond to the average size. An action effect occurred for the ensemble task, whereby cue congruency differences were found in the action but not the viewing condition. In contrast, no action effect was present in the single task. Experiments 2 and 3 examined if task irrelevant cues (colour instead of size) would also generate action effects in ensemble processing. No action effects were found in these experiments. Overall, task relevant cues that elicit an action can influence ensemble processing, but task irrelevant cues cannot, suggesting that attention is involved in ensemble processing but only when it is directed towards a task relevant feature.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».