MétaCan
Menu
Retour à la cohorte
Enregistrement W1480455808 · doi:10.3389/fpsyg.2015.00559

An other-race effect for configural and featural processing of faces: upper and lower face regions play different roles

2015· article· en· W1480455808 sur OpenAlexaff
Zhe Wang, Paul C. Quinn, James W. Tanaka, Xiaoyang Yu, Yuhao Sun, Jiangang Liu, Olivier Pascalis, Liezhong Ge, Kang Lee

Notice bibliographique

RevueFrontiers in Psychology · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of TorontoChild and Family Research InstituteUniversity of Victoria
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of ChinaNational Institutes of HealthNational Science Foundation
Mots-clésPsychologyRace (biology)Face (sociological concept)Face perceptionCognitive psychologyPerceptionNeuroscienceLinguisticsBiology

Résumé

récupéré en direct d'OpenAlex

We examined whether Asian individuals would show differential sensitivity to configural vs. featural changes to own- and other-race faces and whether such sensitivity would depend on whether the changes occurred in the upper vs. lower regions of the faces. We systematically varied the size of key facial features (eyes and mouth) of own-race Asian faces and other-race Caucasian faces, and the configuration (spacing) between the eyes and between the nose and mouth of the two types of faces. Results revealed that the other-race effect (ORE) is more pronounced when featural and configural spacing changes are in the upper region than in the lower region of the face. These findings reveal that information from the upper vs. lower region of the face contributes differentially to the ORE in face processing, and that processing of face race is influenced more by information location (i.e., upper vs. lower) than by information type (i.e., configural vs. featural).

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,423
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,349
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetFace Recognition and PerceptionTravaux en français237 207