Chunking in Visual Working Memory changes the Guidance of Attention in a Visual Search
Notice bibliographique
Résumé
Pairing two colors regularly across displays enables them to be accessed by visual working memory (VWM) more efficiently in a process often called chunking (Brady et al., 2009). Previous investigations have revealed that this VWM advantage may be due to the contribution of explicit LTM (Huang & Awh, 2018; Ngiam et al., 2019). Simultaneously, colors actively maintained in VWM guide the deployment of attention (van Moorselar, 2014) separately from representations maintained in LTM (Carlisle et al., 2011). We asked if the representational changes that underlie chunking also impact how those VWM representations guide attention. Using an incidental capture design, we presented participants with four reliable (high-probability) color pairs across 10 blocks of VWM tests or visual search trials. Attentional guidance of the maintained colors was calculated as the difference in reaction time as a function of the distance between the search target and the maintained color pair. Across three experiments, we found that participants with full explicit awareness of the color pairings were significantly more accurate than unaware participants in the VWM task (F (1, 266) = 22.93, p < 0.001), replicating Ngiam et al. (2019). Surprisingly, aware participants were significantly less guided toward those high-probability pairs in the search task when compared to unaware participants (F (1, 36) = 4.77, p < 0.05). This slowing is attributable to chunking, as it is limited to aware participants maintaining high-probability pairs. There is no difference between aware and unaware participants for low-probability pairs (F (1, 32) = 0.187, p = 0.67) or search displays with single colors (F (1, 42) = 1.207, p = 0.28). Overall, participants who leveraged chunked representations to improve in the VWM task show slowed attentional capture of maintained colors during the visual search task.
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 | 0,007 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».