Une silhouette naturelle est-elle fréquemment classée dans plusieurs catégories de base?
Bibliographic record
Abstract
Les silhouettes ambiguës, comme celle du lapin/canard (Jastrow, 1899), ont été étudiées\nselon plusieurs approches. Toutefois, les figures prises en exemples dans la large\nmajorité des études sont généralement les mêmes. Cette redondance des images\nambiguës utilisées pousse à croire qu'elles sont peut-être assez rares. Certaines\nobservations anecdotiques suggèrent cependant qu’elles seraient au contraire\nrelativement fréquentes. C'est ce que cherche à déterminer cette expérience. Nous avons\nutilisé des modèles tridimensionnels d'animaux projetés de façon aléatoire afin d'en\nextraire les silhouettes dont la complexité périmétrique a ensuite été modifiée par\nlissage. Treize sujets ont dû indiquer ce qu'ils percevaient dans l'image. Nous\ndémontrons qu’une silhouette est classée en moyenne dans 1.9079 catégories de base.\nNous avons également démontré qu’une diminution de la complexité périmétrique rend\nd’abord une silhouette plus ambiguë pour éventuellement atteindre un sommet\n(équivalent à environ six fois la complexité périmétrique d’un disque) à la suite duquel\nl’ambiguïté chute.
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 | 0.001 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".