Effective distribution of VWM resources does not depend on VWM capacity.
Notice bibliographique
Résumé
Attention serves as a filter to capacity-limited visual working memory (VWM), ensuring that irrelevant information is not encoded. Dube et al. (2017) suggested that this attentional filter also regulates the distribution of VWM resources, ensuring the most relevant items are encoded with the greatest precision (the Filter and Distribute account). There are individual differences in VWM capacity, and high- and low-capacity individuals differ in their ability to filter distraction (Vogel et al., 2005). Here we examine whether high- and low-capacity individuals also differ in their ability to flexibly distribute VWM resources. We first used a change localization task to measure VWM capacity: participants viewed an array of colored squares and identified the item that changed color when the array reappeared. We separated participants into high- and low-capacity groups using a median split on capacity estimates. Next, participants viewed four colored shapes (two circles/two squares) before reporting the color of a probed shape in a continuous report task. We manipulated the likelihood that a square (or circle) would be probed (target shape counterbalanced across participants), such that the probed item was 60%, 70%, 80%, or 90% likely to be the pre-designated target shape (blocked conditions). We observed flexible resource distribution in both VWM groups: the precision of color report increased with increasing probe probability. Unlike the ability to filter out distraction, our results suggest that low-capacity VWM individuals do not show reduced ability to flexibly distribute resources in VWM. Thus, counter to the suggestion made by the Filter and Distribute account, the ability to filter information in/out of VWM and the ability to flexibly distribute resources among encoded information may be supported by distinct mechanisms.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».