Extraversion predicts superior face-specific recognition ability, but through experience, not positive affect
Notice bibliographique
Résumé
Experience is an important factor in developing face recognition ability. Given that extraverts show increased social involvement, extraversion may be associated with greater experience with faces, thereby leading to enhanced face recognition ability. However, extraverts also characteristically display high positive affect – an affective state thought to bias visual processing to be more global or holistic in nature. Given the large body of evidence suggesting that faces are processed holistically, positive affect may lead to superior face processing for extraverts aside from their increased social experiences (i.e. positive affect may mediate any relationship between extraversion and face recognition ability). To examine the relationships between extraversion, positive affect, and face and non-face recognition ability, university student participants completed self-report measures of personality and affect before completing the Cambridge Face Memory Task (CFMT), and a matched control task assessing recognition of cars (Cambridge Car Memory Task, CCMT). Each measure was taken twice, separated by one week. All measures showed very high test-retest reliability and scores were therefore averaged across both sessions. A face-specific recognition advantage was observed for individuals high in extraversion in that extraversion predicted better face recognition, even when controlling for non-face recognition. No relationships were observed between state or trait positive affect and recognition ability. Further, statistically controlling for affect strengthened the relationship between extraversion and face-specific recognition ability, suggesting that there is something inherent to extraversion aside from positive affect that benefits face recognition. We suggest that extraverts gregariousness allows greater opportunities for developing face expertise. 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 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».