MétaCan
Menu
Retour à la cohorte
Enregistrement W4402946638 · doi:10.1167/jov.24.10.1143

Mapping visual search errors to covert operations with frontal eye field neurophysiology and double factorial design

2024· article· en· W4402946638 sur OpenAlexaff
Wanyi Lyu, Jeffrey D. Schall

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCovertNeurophysiologyVisual fieldComputer scienceSupplementary eye fieldField (mathematics)PsychologyCognitive psychologyArtificial intelligenceNeuroscienceEye movementMathematics

Résumé

récupéré en direct d'OpenAlex

Behavior is the outcome of covert perceptual, cognitive, and motor operations that can be described by mathematical models and are produced by brain systems comprised of diverse neurons. Using the logic of selective influence, we previously distinguished the stages of processing supporting visual search (Lyu, Reppert, Schall, 2023). In that study, macaque monkeys searched for a color singleton among distractors. Two operations necessary for the task were independently manipulated. Singleton localizability was manipulated by varying the similarity between singleton and distractor colors. Stimulus-response mapping was manipulated by varying the discriminability of search array shape, signaling GO/NOGO response. The organization and termination rule of the two operations were determined using System Factorial Technology (SFT; Lowe et al, 2019). The necessary next step in this research is to account for performance errors in this difficult task, which influence the logic of the SFT diagnosis. Monkeys made two key errors: on GO trials, monkeys occasionally shifted gaze to a distractor due to unsuccessful localization (GO error). On NOGO trials, they failed to inhibit their saccade towards either the singleton or the distractors (NOGO errors). NOGO errors reflect failure in discrimination alone or both operations, respectively. We probed the neural sources of these error saccades using single-unit spiking in frontal eye field. Neurons representing stimulus salience were distinguished from neurons mediating saccade preparation. Our data suggest that GO errors occur when visual salience neurons misrepresenting the distractor as the singleton. NOGO errors to singleton arise from incorrect discrimination by saccade preparation neurons whereas NOGO errors to distractor arise from inaccurate response from both neuron types. The convergence of performance and neural results on error trials offer constraints to mathematical models and provide evidence so that distinct operations and their organization during visual search can be resolved.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,006
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,389
Écart entre enseignants0,349 · 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 VisionMême sujetDeception detection and forensic psychologyTravaux en français237 207