MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402912254 · doi:10.1167/jov.24.10.350

Attentional Selection is the Gatekeeper to VWM

2024· article· en· W4402912254 sur OpenAlexaff
Zachary Hamblin-Frohman, Jay Pratt

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Cognitive psychologyPsychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Visual attention and visual working memory (VWM) are intertwined processes that allow navigation of the visual world. These systems can compete for highly limited cognitive resources, creating interference effects when both operate in tandem. Previous research has shown that selectively attending, compared to non-selectively attending, an item causes obligatory interference with concurrently maintained VWM information. This finding may reflect that selectively attended items are automatically encoded into VWM. The current study examines this proposal by utilizing the procedures of the memory-driven capture paradigm. If an item is stored in VWM, then attention is captured by feature-matching items in subsequent tasks, and importantly even if they are distractors. On Trial 1, participants searched for a diamond shape with a varying colour. The target diamond was presented either alone (non-selectively attended condition) or among differently coloured non-targets (selectively attended). On Trial 2, the diamond-target and non-targets were the same colour, and one of the non-targets now had a singleton colour. This distractor colour could either match the colour of the diamond target from Trial 1 or was a novel colour. If a selectively attended item is automatically encoded into VWM, then it the feature-matching distractor capture on Trial 2 (measured via Eye-movements and RTs) should be higher for the selectively attended colour (Trial 1). This capture should also be above and beyond the effects of feature priming from the non-selectively attended Trial 1 colour. The results support this finding, the difference between matching and novel distractor colours are larger for the selectively attended condition compared to the non-selective attention condition. This study displays the effects of memory-driven capture in a task where participants were never required to encode stimuli into VWM and suggests that selective attention leads to obligatory VWM encoding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,431
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→