Are you a visual ‘shader’ or a ‘bolder’?: Different visual routines create everyday hallucinations in ‘scaffolded attention’
Notice bibliographique
Résumé
Visual processing of incoming sensory cues gives rise to the rich colours that fill contours and the contours that form objects. But people can also experience colours and contours in the *absence* of explicit sensory cues, albeit in more fleeting ways — as in the phenomenon of “scaffolded attention”. Consider a regular grid of squares. By definition, there is no structure there, but many people report seeing various shapes and patterns anyway (e.g., horizontal lines, block letters). But beyond *what* people see, perhaps more intriguing is *how* they experience it. Some describe the squares of perceived patterns to be brighter or differently shaded (i.e., “shaders”), while others note the squares as being ‘outlined’ or ‘traced’ (i.e., “bolders”). What determines when people experience one ‘type’ over another? Here observers reported which type they experienced, and reproduced the magnitude of bolding and/or shading through an interactive grid. We then explored the influence of *external* grid features (e.g., white squares with black outlines vs. black squares with white outlines), and *internal* factors (e.g., attentional breadth [via the ‘Functional Field of View task; FFOV], and sensitivity to figure-ground boundaries [via the Leuven Embedded Figures Test; LEFT]). First, the proportions of shaders and bolders overwhelmingly differed across grids, with reliably more bolders for black (93.2%) than for white grids (41.1%) — perhaps because the contrast differences change whether the squares or the lines are seen as figure or ground. Second, only the LEFT (and not FFOV) scores predicted whether people would be a ‘shader’ or ‘bolder,’ highlighting the role of segmentation processes in scaffolded attention. Thus, people’s everyday hallucinations can depend on what the mind selects — the squares on the white grids or the lines of black grids — which may be grouped together through different visual routines.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».