Rôle de l’attention lors de la recherche visuelle : mesures électrophysiologiques
Bibliographic record
Abstract
Le but principal de cette thèse était de mieux comprendre la relation entre le déploiement de l’attention visuo-spatiale et la réponse lors de la recherche visuelle. Nous avons combiné des mesures de chronométrie mentale (les temps de réponse; TR) et d’électrophysiologie, permettant le suivi du décours temporel des évènements et la séparation des processus en sous-phases. Trois études ont été effectuées. Dans les deux premières études, la N2pc, un potentiel relié à un événement (PRE), a été utilisé comme indice électrophysiologique de l’attention visuelle vers un stimulus latéral lors d’une tâche de recherche visuelle ayant une cible facilement repérable (qui saute aux yeux) parmi des distracteurs. Cette composante est caractérisée, en électrophysiologie, par une plus grande négativité environ 200 ms suivant la présentation de la stimulation aux sites postérieurs et controlatéraux du champ visuel ciblé. Dans la première étude, la relation entre la composante N2pc et la réponse a été examinée. Pour ce faire, les données électrophysiologiques ont été scindées selon le TR médian. La N2pc était plus ample pour les essais et les participants plus rapides comparés à ceux qui étaient plus lents, suggérant qu’un déploiement attentionnel plus efficace (N2pc plus ample) avait accéléré les processus subséquents (TR plus court). Dans l’étude 2, le traitement depuis le moment du déploiement attentionnel jusqu’à la réponse a été élucidé en examinant le déclenchement de la N2pc par rapport à la réponse et non au stimulus (ce qui est plus utilisé dans les paradigmes classiques). Nous avons été les premiers à utiliser la RLpcN (response-locked posterior contralateral negativity), composée de la composante N2pc et la SPCN (une composante suivant la N2pc reflétant le traitement en mémoire visuelle à court terme). Les résultats ont démontré une augmentation du temps entre le début de la RLpcN et la réponse pour les TR plus lents, reflétant un traitement plus long suivant le déploiement de l’attention spatiale. Nous avons par la suite utilisé cette composante (la RLpcN) pour étudier la recherche visuelle difficile (Étude 3), où la cible n’était pas facilement identifiable parmi des distracteurs, à l’aide de manipulations expérimentales modulant la RLpcN, soit le nombre d’items et de réponses possibles. Plus il y avait d’items dans le champ visuel ou de possibilités de réponses, plus longue était la durée entre le début de la RLpcN et la réponse, démontrant ainsi qu’il est possible d’observer l’activité associée avec les processus sous-jacents à ces manipulations lors d’une recherche difficile. En somme, nous avons montré (1) qu’un déploiement attentionnel plus efficace accélère les processus subséquents, (2) que le traitement déterminant les TR se produit, en majorité, suivant le déploiement de l’attention et, enfin, (3) qu’il est possible d’identifier des marqueurs électrophysiologiques de la sélection de la cible ainsi que de la réponse lors d’une recherche difficile. Dans l’ensemble, les résultats des études constituant la présente thèse vont au-delà des études électrophysiologiques de recherche visuelle typiques, qui utilisent généralement des cibles qui sautent aux yeux, et élucident le décours temporel du traitement lors de recherches plus complexes.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".