MétaCan
Menu
← Retour à la cohorte
Enregistrement W7026849102

Associative learning between target and distractor layout and location probability cueing in the same visual search task

2024· dissertation· en· W7026849102 sur OpenAlexaff

Notice bibliographique

RevueMacSphere (McMaster University) · 2024
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEccentricity (behavior)Matching (statistics)Task (project management)Implicit learningAssociative learningInvariant (physics)Visual searchAssociative propertyVariable (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The contextual cueing effect (CCE) is a phenomenon that shows that our brains can take advantage of invariant contextual information in our environment to help us locate targets or relevant information more efficiently. In a seminal study by Chun and Jiang (1998), participants searched for a target letter “T” among “L” distractors. Unbeknownst to the participants, some trials had repeated configurations, while others had novel ones. Participants found the “T” faster in repeated configurations, showing implicit learning. Classical studies demonstrated learning of only single context-target pairing. However, recent research (Wang et al., 2020) shows that learning could also happen for repeated contexts paired with one of multiple (e.g., 4) target locations. In the current study, we intended to examine such learning at the individual scene level by producing matching target eccentricity between a pair of repeated and novel scenes. We varied the magnitude of four target eccentricities by producing equal spacing (in Experiment 1) or variable spacing (in Experiments 2 and 3) of both repeated and novel scenes. Experiment 1 showed comparable learning for different target locations with different eccentricities except for targets with the smallest eccentricity. In Experiment 2, we compared conditions with targets concentrated on the larger versus smaller eccentricity range in a between-subject design, and we found that at least when the target appeared in a large eccentricity, CCE was larger when the target appeared in the distribution condition with larger eccentricity bias than distribution with low eccentricity bias. However, this trend appeared present even in the classical contextual cueing paradigm with one target paired with one repeated context. In Experiment 3, we performed the same manipulation of eccentricity distribution in the classical contextual cueing paradigm and found the effect seen in Experiment 2 was not robust. These results suggest that when a given target could be paired with multiple repeated contexts, the learning of target-context association is more flexible and can be modulated by the target's location probability.

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)0,007
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,068
Tête enseignante GPT0,326
Écart entre enseignants0,259 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→