MétaCan
Menu
Back to cohort
Record W7065376952

Différences individuelles et traitement visuel des fréquences spatiales

2020· other· fr· W7065376952 on OpenAlexfundaboutno aff

Bibliographic record

VenueOpen MIND · 2020
Typeother
Languagefr
FieldEngineering
TopicElectromagnetic Compatibility and Measurements
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaChild and Family Research Institute
KeywordsLimitingStatistical analysisVideo recording
DOInot available

Abstract

fetched live from OpenAlex

La courbe de sensibilité au contraste – la façon selon laquelle la sensibilité diffère selon les fréquences spatiale – a été mesurée pour la première fois en 1956 (Schade, 1956). Elle diffère d’individu en individu et, quoiqu’elle ait été observée pour la première fois il y a plus de 60 ans, certains facteurs ayant un impact sur ces différences individuelles sont mal compris. La figure de Campbell-Robson est une grille sinusoïdale dont la fréquence spatiale varie sur l’axe des x et le contraste varie sur l’axe des y, de sorte que l’observateur perçoit une courbe directement sur la figure. Si cette figure contenait de l’information sur la courbe de sensibilité au contraste d’un individu, elle aurait pu être utilisée pour développer une méthode rapide permettant de mesurer la courbe de sensibilité au contraste. Or, les résultats de l’article 1 montrent qu’il n’existe que peu d’information à propos de la courbe de sensibilité au contraste dans la figure de Campbell-Robson. La maturation de la sensibilité au contraste n’est pas bien comprise. Puisque les études antérieures ont utilisé, entre autres, des méthodes et des tâches différentes, les résultats rapportés par ces études sont contradictoires. Nous nous sommes penchés sur la question dans l’article 2 en utilisant une méthode objective pour mesurer la sensibilité au contraste pour une grande étendue de fréquences spatiales (0.5 à 30 cycles par degré) et une grande étendue d’âges (4 à 27 ans). Au lieu d’utiliser l’âge comme variable catégorielle en séparant les participants en groupes, nous avons utilisé une méthode de régression locale (LOESS) pour utiliser l’âge comme variable continue et ainsi obtenir plus de précision sur l’âge de maturation. Les résultats montrent que la sensibilité devient semblable à celle d’un adulte autour de 12 ans pour les fréquences spatiales basses et hautes, et autour de 17 ans pour les fréquences spatiales moyennes. Après l’âge, la culture dans laquelle une personne grandit est un autre facteur pouvant avoir un impact sur la sensibilité au contraste. Dans l’article 3, nous avons vérifié l’effet de la culture sur la courbe de sensibilité au contraste en la mesurant de deux manières différentes chez des participant.es chinois.es et canadien.nes. Les résultats montrent que la courbe de sensibilité au contraste ne semble pas être différente chez les deux cultures. Compte tenu de différences interculturelles dans les fixations oculaires sur les visages, nous avons vérifié s’il existe des différences dans les fréquences spatiales contenues dans la représentation interne des visages chez les deux cultures. Nos résultats montrent que les participant.es chinois.es utilisent de plus basses fréquences spatiales et les participant.es canadien.nes utilisent de plus hautes fréquences spatiales pour reconnaître les visages. En somme, les résultats présentés dans cette thèse permettent de mieux comprendre les différences individuelles dans la sensibilité au contraste.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.005
Threshold uncertainty score0.016

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.001

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.

Opus teacher head0.075
GPT teacher head0.298
Teacher spread0.223 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes2
Has abstractyes

Explore more

Same venueOpen MINDSame topicElectromagnetic Compatibility and MeasurementsFrench-language works237,207