MétaCan
Menu
Retour à la cohorte
Enregistrement W1482639270 · doi:10.1002/dev.21183

I spy with my little eye: Typical, daily exposure to faces documented from a first‐person infant perspective

2013· article· en· W1482639270 sur OpenAlexafffund
Nicole Sugden, Marwan I. Mohamed‐Ali, Margaret C. Moulson

Notice bibliographique

RevueDevelopmental Psychobiology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyRace (biology)Developmental psychologyPerceptionPerspective (graphical)Face (sociological concept)Face perceptionVisual perceptionAudiologyMedicineNeuroscienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Exposure to faces is known to shape and change the face processing system; however, no study has yet documented infants' natural daily first-hand exposure to faces. One- and three-month-old infants' visual experience was recorded through head-mounted cameras. The video recordings were coded for faces to determine: (1) How often are infants exposed to faces? (2) To what type of faces are they exposed? and (3) Do frequently encountered face types reflect infants' typical pattern of perceptual narrowing? As hypothesized, infants spent a large proportion of their time (25%) exposed to faces; these faces were primarily female (70%), own-race (96%), and adult-age (81%). Infants were exposed to more individual exemplars of female, own-race, and adult-age faces than to male, other-race, and child- or older-adult-age faces. Each exposure to own-race faces was longer than to other-race faces. There were no differences in exposure duration related to the gender or age of the face. Previous research has found that the face types frequently experienced by our participants are preferred over and more successfully recognized than other face types. The patterns of face exposure revealed in the current study coincide with the known trajectory of perceptual narrowing seen later in infancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,282
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations236
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychobiologyMême sujetFace Recognition and PerceptionTravaux en français237 207