Judging faces on trustworthiness and emotions
Notice bibliographique
Résumé
Determining whether a person is trustworthy or not is a task of importance on a daily basis. This type of judgment based on a face helps determine the course of our social interactions and prevents people from encountering dangers. Oosterhof and Todorov (2008) have shown that judging a face on its level of trustworthiness relies on two principal dimensions: dominance and valence. Judgments along these two dimensions rely in turn on certain characteristics of a face such as inner eyebrows, cheekbones, chins and nose sellion (Todorov et al., 2008). Todorov (2008) has argued that trustworthiness judgments are an extension of emotional judgments, and that a face judged as trustworthy would be judged as happier than a face judged as untrustworthy, which in turn would be judged as angrier. However, this theory is mainly based on studies investigating explicit trustworthiness judgments, which could be driven by subjectivity. We sought to investigate this theory by using a reverse correlation technique that would help reveal and compare the implicit representations of four categories of judgments based on a face: anger, fear, happiness and trustworthiness. Our results show that the region of the mouth is of particular importance in the representation of happiness and trustworthiness judgments, whereas the region of the mouth and the region of the eyes are important in the representations of anger and fear. Results are discussed in terms of comparisons between trustworthiness judgments and emotional judgments. Meeting abstract presented at VSS 2012
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 | 0,003 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».