Individual differences in gaze behavior: Comparing high-level and sensory contributions
Notice bibliographique
Résumé
Individual differences in gaze behavior are well-established across a range of tasks and stimuli, from examining natural scenes to visual search, but their source is less well-understood. Some differences may arise from variation in high-level strategies for a specific visual task, while others may arise from individual differences in sensory processing (e.g., variation in visual crowding). To examine the contributions of these factors to individual differences in scan paths, we asked participants to perform one of two tasks (a visual search task or an ensemble perception task) on the same stimulus array, consisting of a set of radial frequency patterns arranged in an annulus around an initial central fixation. In the ensemble task, participants reported the average amplitude of the patterns, and in the visual search task, they reported whether a four-pointed shape was present among five-pointed shapes. In each task, we found large individual differences in scan paths between participants, with large variability in initial saccade direction. As expected, in each task, we observed higher trial-to-trial correlations in scan paths within than between participants. These correlations were affected by task alone, since the stimuli were identical; trial-to-trial correlations were higher within participants in our ensemble task than in our search task, indicating that strategies based on task demands contribute to these differences. Finally, to measure the contributions of differences in peripheral vision, we separately measured local differences in the strength of crowding for each participant. We measured critical spacing at a set of 12 peripheral locations around the annulus, comparing these values to participants’ initial saccade direction. This revealed a correlation (r = .21) between the proportion of initial saccades to a given location and critical spacing at the corresponding location. Together, these results suggest that high-level differences and sensory differences contribute differently to idiosyncrasies in participants’ gaze behavior.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».