MULTIPLE-DIGIT CUE COMBINATION
Notice bibliographique
Résumé
In recent years, computational neuroscientists have suggested that human behaviour, including perception, occurs in a manner consistent with Bayesian inference. According to the Bayesian ideal observer model, the observer combines cues from multiple sensory streams as a weighted average based on each cue’s reliability. Most cue-combination research has focused on integration of cues between sensory modalities or within the visual modality. Cue combination within the tactile modality has been relatively rarely studied, and it is still not known whether cues from individual digits combine optimally. In this thesis, we use the ideal observer model to determine whether cues from three different digits are combined optimally. We predicted that cues from multiple digits would be combined according to the optimal cue combination model. To test our hypothesis, we devised a two-interval forced choice (2IFC) task where participants had to discriminate the distal/proximal location of a 1-mm thick edge across the fingerpad(s) of the index (D2), middle (D3), and ring (D4) fingers. We used a Bayesian adaptive method, the ψ method, to compute participants’ psychometric functions for single-digit (D2, D3, and D4) and multiple-digit (D23, D24, D34, and D234) conditions. We determined the stimulus level ∆x, the distance (mm) between the distal and proximal stimuli locations, at 76% correct probability. This distance corresponds to a sensitivity index d'=1 and is the σ value of the participant’s stimulus measurement distribution. We then used the single-digit σ values to predict optimal cue combination for the multiple-digits combinations. We did not observer optimal cue-combination between the digits in this study. We outline potential implications the results of this experimental have on determining how the nervous system combines cues between digits, focusing on theoretical and experimental updates to the experiment that might result in the observation of optimal cue combination between digits.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».