MétaCan
Menu
Retour à la cohorte
Enregistrement W4412439281 · doi:10.1167/jov.25.9.2405

The Missing Piece of the Puzzle: Predictive templates guide visual search by prompting the generation of target features in visual working memory.

2025· article· en· W4412439281 sur OpenAlexaff
Jennifer Bartlett, Blaire Dube

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTemplateComputer scienceVisual searchArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

During visual search, a representation of the search target (an attentional template) held in visual working memory (VWM) supports the automatic guidance of attention to feature-matching perceptual inputs. Traditionally, attentional templates represent the exact features of an object; however, sometimes search relies on a template that is not an exact match to the search target but instead predicts target features. For example, when doing a puzzle, the piece you are looking at is not an exact template for the target piece you are looking for. What do we represent in VWM when relying on a predictive template? We evaluated whether participants represent the predictive template in VWM to compare with perceptual inputs or if they generate the target features in VWM to guide search directly. In two experiments, participants first viewed a predictive template (a solid black puzzle piece (E1) with an arrow indicating the position of the connecting piece they were to search for). Most trials then ended in a search for the target (connecting) piece. Critically, 40% of trials instead ended in an unrelated search task that contained a puzzle-piece distractor meant to be ignored. This distractor could either match the predictive template, the target (connecting) piece, or be novel to the trial. This distractor induced memory-driven capture (a slowing of response times when an item matches the contents of VWM) only when it matched the target, suggesting that a representation of the target features was active in VWM in preparation for search. In E2, we replicated this result with puzzle-piece stimuli that had complex designs overlaid on them and thus required pattern extension in order to generate target features. We suggest that predictive templates prompt the generation of target features in VWM to directly guide search, both when the target features are simple and complex.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,395
Écart entre enseignants0,371 · 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'étudeObservationnel
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 revueJournal of VisionMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207