What does the emotional face space look like?
Notice bibliographique
Résumé
Humans communicate their emotions in large part through facial expressions. We developed a novel technique to study the static and dynamic aspects of facial expressions. The stimulus consisted of 4 parts: (1) a dynamic face, (2) two smaller versions of the starting and end states, (3) a label indicating the target dynamic expression, and (4) sliders that could be adjusted to change the facial characteristics. Participants were instructed to adjust the sliders such that the face would most closely match the target expression. Participants had access to 53 sliders, allowing them to manipulate static and dynamic characteristics such as face shape, eyebrow shape, mouth shape, and gaze. Preliminary data from 4 participants and 7 conditions revealed interesting effects. Some expressions are marked by unique facial features (e.g. anger given by frown, surprise and fright given by open mouth and open eyes, pain given by partially closed eyes, and happiness given by upwards curvature of the mouth). Some expressions seem to develop non-linearly in time, that is, include an intermediate state that deviates from a linear transformation between starting and ending states (e.g. anger, surprise, pain). This demonstrates the method's validity for measuring the optimal representation of given facial expressions. Because the method does no rely on presenting facial expressions taken from or derived from actors, we believe that it is a more direct measure of internal representations of emotional expressions. Current work is focused on building a vocabulary of emotions and emotional transitions, towards an understanding of the facial expression space.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».