No evidence for a ‘close advantage’ effect in virtual reality
Notice bibliographique
Résumé
There is evidence that the human visual system prioritises information which appears to be near to an observer. For instance, orientation discrimination thresholds are more precise when targets appear closer than further away. This improvement in precision has been elicited using a variety of tasks, superimposed onto a 2D Ponzo illusion. If the effect is due to the increased likelihood of interaction with objects in near space, it should also be evident in stereoscopic, 3D stimuli. To assess this, a virtual reality headset was used to display stimuli with multiple sources of depth information. In the first experiment, participants (n=25) were asked to discriminate the relative orientation of line pairs positioned at two distances in an Oculus Quest 2. The retinal size of the stimuli was fixed to remove any modulation of performance due to resolution/visibility. Reaction time and discrimination thresholds were recorded using a forced choice paradigm. The results of these performance measures were indistinguishable for the near and far surfaces. To determine whether this was due to the complexity of the scene, a second experiment (n=20) was conducted with the same task but in a sparse virtual environment. Here, a 2D Ponzo illusion similar to that in the original publication was used, presented at a fixed distance from observers. Despite the similarity of the stimuli used here and in the 2D study, neither discrimination thresholds nor reaction times were lower for the supposedly near surface. In sum, there was no evidence of a close advantage in these virtual environments. This is puzzling given that the original effect has been replicated for a variety of stimuli and tasks. One explanation for the discrepancy, and the focus of ongoing studies, is that the presence of multiple, conflicting sources of depth information interferes with the phenomenon by disrupting the attentional focus.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».