The Random Step Method for Measuring the Point of Subjective Equality
Notice bibliographique
Résumé
Points of Subjective Equality (PSE) are commonly measured using staircase or constant stimuli methods. However, the staircase method is highly dependent on the step size, and the constant stimuli method is time-consuming. Thus, we wanted to develop an efficient and quick method to estimate both the PSE and the slope of the psychometric function. We developed a random-step algorithm in which a one-up-one-down rule is followed but with a random step size in a pre-defined range of test levels. Each stimulus would be chosen depending on the previous response of the subject. If the subject responded "up", any random level in the lower range would be picked for the next trial. And if the subject responded "down", any random level in the upper range would be picked for the next trial. This procedure would result in a bell-shaped distribution of the test levels around the estimated PSE, while a substantial amount of trials would still be dispersed at both bounds of the range. We then compared this method with traditional constant stimuli procedure on a task based on the Pulfrich phenomenon while the PSEs of participants could be varied using different neutral density filters. Our random-step method provided robust estimates of both the PSE and the slope under various noise levels with small trial counts, and we observed a significant correlation between the PSEs obtained with the two methods. The random-step method is an efficient way to measure the full psychometric function when testing time is critical, such as in clinical settings.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».