Impact of task demands on the neural processing of facial emotions
Notice bibliographique
Résumé
The Early Posterior Negativity (EPN) (~250-350ms post-stimulus) ERP component is a known marker of facial emotion processing however whether the face-sensitive N170 (~100-200ms post-stimulus) component is also sensitive to emotional faces remains debated. Possible causes for the previous inconsistent results are the use of different tasks involving varying degrees of attention to the emotional faces and the lack of control of point-of-gaze on the faces. We investigated whether emotion sensitivity of the N170 and EPN varied as a function of task in a sample of 33 participants. ERPs were recorded in response to the same fearful, joyful, or neutral faces during an explicit emotion discrimination task, a gender discrimination task, and an oddball detection (flower detection) task. Task order was counterbalanced across participants. Using an eye-tracker, fixation was restricted to the nose (i.e., centre of mass) where holistic processing is maximal. Results revealed N170 modulation by emotion with larger responses for fearful than happy or neutral faces in all tasks. As predicted, the EPN was modulated by emotion with larger responses for fearful compared to neutral faces. The EPN was also modulated by task with largest responses during the gender discrimination task, followed by the emotion discrimination task and smallest responses for the oddball detection task. Results suggest that when conditions for holistic processing are maximized with fixation to the centre of mass, the N170 is sensitive to fear irrespective of the degree of attention to the face placed by task demands. Meeting abstract presented at VSS 2015
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».