Non-conscious processing, attentional amplification and conscious access : experimental investigations in healthy controls and patients with schizophrenia
Bibliographic record
Abstract
Dans de nombreuses études, les personnes atteintes de schizophrénie présentent une élévation du seuil de perception consciente alors que le traitement subliminal est préservé. Dans cette thèse, nous nous appuyons sur cette dissociation conscient-subliminal pour explorer l’accès conscient et les processus non conscients. Nous montrons que le seuil de conscience est associé à une dysconnectivité cérébrale chez les patients atteints de psychose, ce qui favoriserait la survenue de symptômes psychotiques. Nous explorons ensuite comment les facteurs attentionnels modulent l’accès conscient. Nos résultats indiquent qu’une accumulation d’évidence a lieu en l’absence d’attention, et qu’elle est amplifiée par la focalisation attentionnelle chez les sujets sains mais pas chez les patients atteints de schizophrénie. Trois études supplémentaires chez les sujets sains explorent les interactions entre facteurs descendants et ascendants. Une première étude montre une synergie entre clignement attentionnel et masquage dans la perturbation de l’accès conscient. Une seconde expérience suggère que les événements violant les attentes d’un sujet sont plus facilement identifiés que ceux qui les confirment ou sont aléatoires. Enfin, une étude sur le langage indique que les caractéristiques syntaxiques peuvent être extraites inconsciemment et induire différents niveaux d’amorçage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".