Untangling the visual coherence effect of numerosity perception throughout development with drift diffusion model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding how non-numerical visual features systematically distort numerosity perception holds promise for unveiling the processes that give rise to our visual number sense. Recent studies show that increasing visual coherence systematically increases perceived numerosity, with this effect strengthening over development (DeWind et al., 2020; Qu, Bonner, et al., 2024; Qu et al., 2022). Here, we investigate the cognitive mechanisms underlying the coherence illusion from a view of perceptual decision processes. Specifically, we applied a drift diffusion model (DDM) to a previously described dataset from participants aged 5-30 tested in an ordinal numerical comparison task with color entropy systematically manipulated (Qu et al., 2022). By jointly modeling choice data and response times, we decomposed numerical discrimination performance into distinct decision components: the speed of numerical evidence accumulation (drift rate), the amount of evidence required for a decision (boundary separation), and the response bias reflecting a prior tendency of selecting one side over the other. We found that color coherence affected only the drift rate but not response bias or boundary separation, demonstrating that color coherence distorts numerical calculation through biased accumulation of evidence of quantity. Moreover, the impact of coherence on the drift rate coefficient increased with age as quantitative information is accumulated more efficiently over development. Our results offer a framework for understanding how numerical illusions arise from perceptual decision-making dynamics.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle