Reduced Interference Between Identity and Expression Processing With Dynamic Faces
Notice bibliographique
Résumé
Facial motion cues facilitate identity and expression processing (Pilz et al., 2006). To explore the possible basis of this dynamic advantage, we used Garner’s selective attention paradigm (Garner, 1976) to determine whether adding dynamic cues alters the way that identity and expression processing interact, and whether this varies depending on the age of the viewer. Adults (ages 18-26), adolescents (ages 12-13), and children (ages 6-7) made speeded judgments of the expression (or identity) of static and dynamic faces while identity (or expression) was either held constant (baseline block) or varied (orthogonal block). Accuracy was high (>90%) for all three age groups. We calculated corrected Garner interference scores by determining the percent change from baseline RT seen in the orthogonal block. A 2 (Task: Expression, Identity) X 2 (Mode: Static, Dynamic) X 3 (Age Group: Adult, Adolescent, Child) ANOVA conducted on these scores revealed that interference was stronger in the Expression than in the Identity task, and with static compared to dynamic faces. However, follow-up tests conducted on the significant Task X Mode interaction showed that, while the addition of dynamic cues led to a significant reduction in Garner interference for both tasks, the effect was much more dramatic for the Expression task. Although young children took significantly longer than adolescents or adults to make their judgments, no age-related differences in Garner interference were observed. Reductions in interference after the introduction of dynamic cues might arise if viewers focus more selectively on specific facial features, or if they integrate multiple cues more effectively, when viewing moving as opposed to static faces. Both of these ideas hold merit and, indeed, it is possible that individual differences in processing style determine which strategy a viewer will adopt. These results highlight the importance of using naturalistic, dynamic stimuli in studies of face processing. Meeting abstract presented at VSS 2013
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».