A novel adaptative method for measuring point of subjective equality
Notice bibliographique
Résumé
Points of Subjective Equality (PSEs) are usually measured with constant stimuli (CS) methods. However, it’s found time-consuming and inefficient in clinic settings such as in our recent studies investigating the Pulfrich phenomenon (Reynaud, A. & Hess, R. F. (2019), An unexpected spontaneous motion-in-depth Pulfrich phenomenon in amblyopia, Vision 3(4). 54). Thus, we wanted to develop a more efficient method to estimate the PSE and its variability. We have developed an adaptive (AD) method in which levels are chosen on a pre-defined scale such as for CS. However, instead of testing each level with the same number of repetitions, each stimulus will be chosen depending on the previous response of the participant. If the participant responded “up”, one random level in the lower range would be picked for the next trial. And if the participant responded “down”, one random level in the upper range would be picked for the next trial. This procedure would result in a bell-shaped distribution of the tested levels around the estimated PSE. We compared this method with traditional CS procedure on a task based on the Pulfrich phenomenon with a fixed number of total trials (75，150 and 300), while the PSEs of participants could be varied using different ND filters (0ND,±1ND). We observed a significant correlation among the PSEs obtained with the two methods. And in most cases, our adaptative method yielded a smaller variability of the estimates of both the PSE and the slope of the psychometric function. Therefore, we can conclude that the adaptive method is an efficient way of measuring PSEs with our Pulfrich paradigm. It could potentially be used for other psychophysical PSE estimation.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».