MétaCan
Menu
Retour à la cohorte
Enregistrement W4409350054 · doi:10.31234/osf.io/hkems_v2

Distribution of Attention in Three-Dimensional Space

2025· preprint· en· W4409350054 sur OpenAlexfundno aff
Noah Britt, Hanna Haponenko, Brett A. Cochrane, Bruce Milliken, Hong‐Jin Sun

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueVisual Attention and Saliency Detection
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDistribution (mathematics)Space (punctuation)Statistical physicsComputer sciencePhysicsMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The distribution of spatial attention has mostly been studied for visual events presented within a two-dimensional space. In this study, we examined the distribution of spatial attention in a three-dimensional space (i.e., across the z-axis). Much previous research suggests that attention is universally biased toward stimuli appearing in near space compared to far space. However, the results of some studies suggest this ‘near advantage’ is task-specific, with some tasks instead producing an attention bias toward stimuli in far space. The current study investigated whether two tasks that differ in attentional priorities (i.e., target localization vs target discrimination) differentially bias attention across near and far depth. Across three experiments, we compared target localization and target discrimination tasks when a single target appeared as the stimulus (Experiment 1) and then, for a cue-target task, compared target localization (Experiment 2A) and target discrimination tasks (Experiment 2B). Our results support the proposal that the near advantage is task-specific. For target localization, reaction times (RTs) were shorter for near-targets than for far-targets, however, for target discrimination, RTs were shorter for far-targets than for near-targets. This result was revealed in both uncued and cue-target paradigms. The cue-target paradigm also showed that relative to same-depth conditions, the cueing effect pointed to greater facilitation when orienting attention from far-to-near space for target localization but from near-to-far space for target discrimination. These findings argue against a universal near advantage. Overall, the results were consistent with the notion that different task demands can differentially bias the distribution of attention across near and far depth, a proposal that has implications for the potential involvement of the dorsal and ventral visual processing streams.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,289
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVisual Attention and Saliency DetectionTravaux en français237 207