The impact of an acute social stress on the use of visual information in facial expression categorization
Notice bibliographique
Résumé
Langner et al. (2009) investigated the impact of social anxiety on the use of visual information in angry vs. neutral emotion recognition using Bubbles (Gosselin & Schyns, 2001). They found that both groups used mostly the same facial features in higher spatial frequencies, but that socially anxious participants relied more than nonanxious participants on low spatial frequencies. Here, we investigated if inducing an acute social stress alters the visual strategies for facial expression categorization using the Bubbles method. Twenty-five men were first submitted to a social stress (i.e. Trier Social Stress Test for Groups) or a control condition (i.e. identical setting save for the socio-evaluative threat component) in a counterbalanced order. Sparse versions of emotional faces (angry, fearful, happy or disgust) were created by sampling facial information at random spatial locations and at four spatial frequency bands. Following the stress induction (or control) phase, participants categorized 500 sparsed stimuli on average. The accuracy was maintained at 62.5% for each facial expression by adjusting the number of bubbles on a trial-by-trial basis. The visual information useful for the task was determined using an analysis procedure that amounts to a multiple linear regression on the bubbles masks and on the participant’s response accuracy. This analysis was performed for each condition separately. The facial features useful in high spatial frequencies were similar for both conditions (e.g. the eyes for fear and angry, the mouth for happy). However, the stress condition induced a bias for the use of lower spatial frequencies for angry, fear and happy. For disgust, we replicated Smith et al. (2005) in the control condition, i.e. the importance of the nose winkler. However, in the stress condition, this bias disappeared in favour of the lips. Our results show that an social stress alters the perception of facial expressions of emotions. 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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».