The metrics of regressive saccades during reading in 13 written languages
Notice bibliographique
Résumé
A well-documented phenomenon in research on eye movement control during reading is the systematic relationship between the landing positions of forward saccades and target word characteristics. However, the behaviour of regressive saccades, which move the eyes in the opposite direction, remains less explored. This study delves into the landing positions of regressive saccades, emphasizing the distinction between intra-word and inter-word regressions, across diverse languages. Using data from the MECO L1 project, which includes eye-tracking data from 589 participants across 13 languages, we scrutinize the precise landing positions of regressions vis-à-vis forward saccades. Our analysis shows a robust effect of launch distance on landing positions for progressive saccades, with undershoots increasing as launch distance grows and overshoots with shorter launch distances. In contrast, regressive inter-word saccades show only minimal variation in landing positions, typically landing near the centre of the target word regardless of launch distance or word length. Intra-word regressions, however, display a pattern similar to progressive saccades, where the landing position is influenced by launch distance, tending to overshoot the optimal viewing position as the launch site moves away from the word's end. This pattern is consistent across all languages. These findings support the notion of cross-linguistic universality in oculomotor control mechanisms during reading, particularly the precision of regressive saccades. They align with the spatial coding hypothesis, suggesting that precise spatial memory of word positions guides regressive saccades.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».