What's in a game: Video game visual-spatial demand location exhibits a double dissociation with reading speed
Notice bibliographique
Résumé
This research sought to clarify the nature of the relationship between video game experience, attention, and reading. Previous studies have suggested playing action video games can improve reading ability in children with dyslexia. Other research has linked video game experience with visual-spatial attention, and visual-spatial attention with reading. We hypothesized that the visual-spatial demands of video games may drive relationships with reading through attentional processing. In this experiment we used a hybrid attention/reading task to explore the relationship between video game visual-spatial demands, reading and attention. We also developed novel visual-spatial demand measures using participants' top five played video games for an individual-specific measure of visual demands. Peripheral visual demands in video games were associated with faster reading times, while central visual demands were associated with slower reading times for both phonetic decoding and lexical reading. In addition, video game experience in terms of hours spent playing video games each week interacted with the cueing effect size in the lexical reading condition, with experienced video game players exhibiting a larger cueing effect than participants with less video game experience. These results suggest that exposure to peripheral visual spatial demands in video games may be related to both lexical and sublexical reading processes in hybrid attentional reading tasks such as ours with skilled adult readers, which has implications not only for models of how ventral and dorsal stream reading and visual-spatial attention are integrated, but also for the development of dyslexia diagnostics and remediation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».