The Impact of Visual Working Memory Chunking on Visual Search
Notice bibliographique
Résumé
The deployment of attention can be biased by temporal regularities in the environment (Zhao et al., 2013) and representations stored in visual working memory (VWM) (Moorselar et al., 2014). Similarly, regularities in the environment can also facilitate effective storage in VWM, meaning items can be stored more effectively due to chunking (Brady et al., 2009). We investigated how VWM representations of chunked and un-chunked colour pairs impact performance on a visual search task. Participants were presented with VWM displays consisting of three pairs of colours and asked to remember all the colours until presented with a four alternative forced choice for what colour was just presented at the cued location. Colour pairs were selected each trial using a joint-probability matrix, such that each participant was assigned four high-probability pairs to chunk. High-probability pairs were 80 times more likely to be presented than any low-probability counterpart. During the delay period of the VWM task, participants saw a visual search display and were asked to find the coloured diamond with a chip on the top or bottom, among five coloured distractors with chips on the left or right. Across two experiments, evidence of VWM chunking was observed through improvements in VWM accuracy for participants who post-hoc reported being aware of the high-probability colour pairings (F(1, 29) = 12.56, p < 0.001). These chunks, however, did not significantly guide attention during the intervening search task (F(1, 29) = 0.44, p = 0.51). Our experiments demonstrate that under VWM load, chunks exert no significant bias on visual search, despite sharing the qualities of regularity and maintenance in VWM. This provides indirect evidence that the benefits of VWM chunking may be subserved by long-term memory processes.
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 | 0,001 | 0,018 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».