Bubblizing social face perception
Notice bibliographique
Résumé
When asked to judge an unknown face on social traits such as trustworthiness and dominance, a high level of agreement is found among people, suggesting that some visual information in faces correlates with these judgements (Oosterhof & Todorov, 2008). We used the Bubbles technique (Gosselin & Schyns, 2001) to reveal the visual information used to judge the trustworthiness (Exp. 1) and dominance (Exp. 2) of 300 faces. Participants (N=50 for each experiment) were presented with either bubblized faces (phase 1) or fully visible faces (phase 2) and were asked to judge the level of trustworthiness or of dominance of the stimuli using a nine-level Likert scale. The number of bubbles was kept constant (i.e., 65 bubbles) across participants and trials. The judgements obtained for each fully visible face were considered "accurate" for a given participant. The judgements obtained with the same bubblized faces were possibly influenced by the available information. Thus, the following analyses allowed us to verify how judgements were influenced by the visual information available for the task. For each experiment, a classification image showing which visual information favoured the percept of trust or of dominance was computed by performing a multiple linear regression on the bubbles' location and on the difference (i.e., transformed into z-scores) between the bubbles judgements and the accurate judgements. For trust judgements, the areas used were: the eyes in the spatial frequency (SF) bands ranging from 21 to 84 cycles per face (cpf); the mouth in the SF bands ranging from 42 to 84 cpf and from 10 to 21 cpf; and most of the face in the two lowest SF bands. The dominance judgement was based mostly on the utilization of the eyebrows area in mid-to-high SFs. Interestingly, these two judgements were based on orthogonal visual information. 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».