Resolving Cross-modal Semantic Interference among Object Concepts Requires Medial Temporal Lobe Cortex
Notice bibliographique
Résumé
The ability to flexibly categorize object concepts is essential to semantic cognition because the features that make two objects similar in one context may be irrelevant and even constitute interference in another. Thus, adaptive behavior in complex and dynamic environments requires the resolution of feature-based interference. In the current case study, we placed visual and functional semantic features in opposition across object concepts in two categorization tasks. Successful performance required the resolution of functional interference in a visual categorization task and the resolution of visual interference in a functional categorization task. In Experiment 1, we found that patient D. A., an individual with bilateral temporal lobe lesions, was unable to categorize object concepts in a context-dependent manner. His impairment was characterized by an increased tendency to incorrectly group objects that were similar on the task-irrelevant dimension, revealing an inability to resolve cross-modal semantic interference. In Experiment 2, D. A.'s categorization accuracy was comparable to controls when lures were removed, indicating that his impairment is unique to contexts that involve cross-modal interference. In Experiment 3, he again performed as well as controls when categorizing simple concepts, suggesting that his impairment is specific to categorization of complex object concepts. These results advance our understanding of the anterior temporal lobe as a system that represents object concepts in a manner that enables flexible semantic cognition. Specifically, they reveal a dissociation between semantic representations that contribute to the resolution of cross-modal interference and those that contribute to the resolution of interference within a given modality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».