Face recognition in three people, each with a different disorder: prosopagnosia, object agnosia, and pure alexia
Notice bibliographique
Résumé
What aspects of face recognition, if any, are spared in a prosopagnosic (DC) whose object recognition and reading are intact? We compared DC's performance with that of a person with object agnosia and pure alexia (CK, see Moscovitch et al., 1997), and with that of a person with only pure alexia (WK), because reading, like object recognition, is presumed to be mediated by a part-based processing system which may also be involved in some aspects of face-recognition, such as recognition of inverted and fractured faces. We also included a control, DCB, matched for social and educational background to DC (his 2.5-years-older brother). DC could recognize only about 37% of all upright full-viewed faces, whereas CK, WK and DCB recognized about 80% of them. When these faces were inverted, DC and CK were impaired (9% and 14%) compared to DCB and WK (50% and 70%). For DC, this inversion weakness was true whether the internal or external facial features were inverted, but for CK, WK, and DCB, it was only true when the internal parts were inverted. When the faces were disguised and when parts were missing, DC only recognized about 27% of them, whereas CK, WK, and DCB had no difficulty. Only CK and DC were impaired on recognizing fractured faces. We conclude that (1) only the part-based object system contributes to some aspects of face recognition; (2) it does so by interacting with an intact face-system; and, (3) damage to the face system leads to global face recognition deficits.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».