Linguistic and visual similarity judgements predict EEG representational dynamics in visual perception and sentence reading
Notice bibliographique
Résumé
Emerging evidence in cognitive and computational neuroscience suggests that multi-modal computational models converge on representations that improve the performance in each of the modalities used. This latent representational space also enables the prediction of brain response profiles across modalities but it remains unclear how vision and linguistics share meaningful representations in the human brain. Here, we collected ~7 hours of electroencephalography (EEG) data from each of six participants passively viewing 100 natural scene images or actively reading 100 sentence captions describing the images. The activity pattern similarity was estimated using a cross-validated Mahalanobis distance computed on a spatiotemporal transformation of the modality-specific EEG data across all pairs of conditions. To establish the presence of shared representations in both modalities and to assess their behavioural relevance, we collected behavioural similarity judgements through multiple arrangement (MA) tasks on the set of images and sentences from two independent groups of participants (n = [24, 22]). This was used to construct the visual and linguistic fixed model RDMs each characterising the unique similarity structure of the two modalities. We then quantified the extent to which the behavioural model RDMs generalise to the visual and linguistic EEG RDMs using cosine similarity. We observed a significant relationship between the visually evoked EEG RDMs and both MA models (visual MA: 0.138 ± 0.024; linguistic MA: 0.136 ± 0.024). Interestingly, both MA models also revealed significant overlap with the linguistic EEG RDMs (visual MA: 0.042 ± 0.007; linguistic MA: 0.043 ± 0.007, all p < 0.001). These results remain when controlling for the potential influence of prior exposure to the cross-modal stimuli. We demonstrate that a similar representation emerges regardless of whether participants viewed an image or read its sentence caption and provide further evidence for behaviourally relevant shared representations in vision and language.
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 | 0,011 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».