Separating activation and suppression of categorical exemplars
Notice bibliographique
Résumé
When performing categorical visual search (e.g., find the bird), we must generate a search template based on our memory representation of that specific category. However, it is unclear the flexibility of category representations, particularly how encountered exemplars modify attentional deployment in category search. In Experiment 1, we examined how categorical representations are shaped by encountered exemplars from long-term memory. Participants first completed an exposure phase, where trials consisted of two real-world objects presented side by side. They were instructed to pay attention to one only side of the screen and to label those objects as natural or artificial. Then, in the search phase, object category labels were presented, and participants had to search for those objects in arrays and make a present/absent responses. Results showed that attended exemplars were faster to search for than ignored exemplars, suggesting that category exemplars learned in the exposure phase shaped the category attentional template used in later search. In Experiment 2, we then tested whether these categorical representations can also be altered by more recently encountered exemplars. Here we cued participants to either attend or suppress one of the two encoded objects belonging to the same category (single cue), or attend one while suppressing the other at the same time (double cue). Immediately after encoding, participants had to search for that category within an array and make a present/absent response. We found that search for suppressed exemplars was slower than attended exemplars, but only when presented with double cues. This suggests that a biased competition mechanism is required during exemplar encoding for successful suppression of category members when deploying search. Overall, our findings suggest that category representations are quite flexible, and can be modified with either immediate or long-term experience.
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 | 0,000 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».