The detection of fearful and angry expressions in visual search
Notice bibliographique
Résumé
Background: The “anger-superiority hypothesis” states an angry facial expression is detected faster than a non-threatening facial expression when either is embedded in a crowd of neutral faces. Presumably, this occurs because an angry face signals impending direct-threat to the observer. However, it is not known whether angry facial expressions are detected more efficiently than other negative expressions that signal danger. Objective: In this study we compared search efficiency for angry and fearful expressions. Methods: Subjects completed a visual search task in which the goal was to detect either an angry or fearful facial expression amid a crowd of neutral expression distractor faces. Crowd size (small vs. large) and view (frontal vs. side) were manipulated. As an angry face signals direct-threat, but a fearful face only signals indirect threat, we expected better search efficiency for angry expressions. Furthermore, we hypothesized angry faces would be more efficiently detected in frontal-view, given that this signals a direct threat from the image to the observer, but that there would be no effect of view on fearful faces. Results: Subjects were faster and more efficient in detecting fearful than angry faces. Target interacted with crowd size: performance declined with increasing crowd size for angry targets, crowd size did not affect performance for fearful targets. We confirmed that angry targets were detected more efficiently in frontal-view, but view had no effect for fearful targets. Conclusions: Contrary to the anger-superiority hypothesis, we found even better performance for fearful faces. This may indicate paradoxically that an indirect threat, possibly shared by the subject and observer, is more salient than a direct-threat. Detection of direct threat is greatest in a view where the threat can be perceived as directed at the observer, but a similar view effect is not seen for the indirect-threat represented by fearful faces. 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».