[sans titre]
Notice bibliographique
Résumé
We report a case study of an individual (TE) for whom inanimate objects, such as letters, numbers, simple shapes, and even furniture, are experienced as having richly detailed, personalities. TE reports that her object-personality pairings have been there for as long as she can remember, are stable over time, occur independent of her intentions, and that this is true even for novel objects. In these respects, her experiences denote synaesthesia. We show that TE's object-personality pairings are indeed consistent over time; she correctly recognized 91% of the personality attributes for familiar objects (3.4 SD greater than the control mean of 47%), and 80% of the attributes for novel objects (2.3 SD greater than the control mean of 57%), when presented with a selection of attributes previously provided for the same or other objects. A qualitative analysis of TE's personality descriptions revealed her personifications are extremely detailed and multidimensional, with familiar and novel objects differing in specific ways - familiar objects having more social characteristics than novel objects in particular. We also show that TE's visual attention can be biased by the emotional associations she has with personalities elicited by letters and numbers. In a free viewing task the valence of TE's object-personality associations had predicted effects on object fixation tendencies. On average, TE fixated negative objects less often than positive objects. She also demonstrated attentional capture by negative objects, fixating negative objects longer than positive objects. Controls showed no significant differences. These findings demonstrate that synaesthesia can involve complex personifications for inanimate objects, which can influence the degree of visual attention paid to those objects.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».