Proactive suppression can be applied to multiple salient distractors in visual search.
Notice bibliographique
Résumé
There is a growing body of research demonstrating that the capture of attention by a single salient distractor can be prevented via proactive suppression. In real-world contexts, there are often several distracting events that compete for attention, but it is entirely unknown whether multiple objects can be suppressed concurrently. We used behavioral and electrophysiological measures to investigate the existence and time course of multiple-item suppression. We employed search displays that contained either one or two uniquely colored distractors that differed in their salience (S+ and S-), or no such distractors. Search performance improved with the number of salient distractors, indicating that the suppression of multiple items reduced the effective display set size. This was also the case when the target color was no longer fully predictable, ruling out an alternative explanation in terms of attentional guidance by target templates. In an experiment where S+ and S- always appeared together in the same display, the PD component (a marker of proactive suppression) was triggered exclusively by the more salient distractor (S+), indicative of single-item suppression. However, when displays with one or both salient distractors were intermixed, a reliable PD component was also triggered by S-, even when it was accompanied by S+ in the same display. These results show that multiple concurrent salient signals can be proactively inhibited. They demonstrate that signal suppression processes can be adaptively employed to counteract visual distraction at different locations, in order to facilitate the attentional selection of relevant objects in crowded visual environments. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».