Detecting Gaze Direction in the Horizontal and Vertical Periphery
Notice bibliographique
Résumé
Visual search paradigms have previously shown direct gaze (DG) to be detected better than averted gaze (AG). However, our previous eye-tracking research showed that this detection asymmetry is strongly influenced by the eccentricity at which the face is presented (Palanica & Itier, 2011). In four studies, we examined to what extent DG was better detected than AG in the periphery, using various horizontal and vertical eccentricities along the visual field. Stimuli consisted of frontal or deviated head views with direct- or averted gaze and were individually flashed across the screen as participants fixated the centre of the screen and discriminated gaze direction using a two-button press. Experiments 1 (frontal view) and 2 (deviated view) presented faces along the horizontal periphery; Experiments 3 (frontal view) and 4 (deviated view) presented faces along the vertical periphery. When the face was in frontal view, DG was detected faster and more accurately than AG across the entire horizontal visual field, as well as across the vertical visual field tested. When the face was in deviated view and presented along the horizontal periphery, AG was detected faster and more accurately than DG in the periphery, while DG was detected faster in the central visual field. When the face was in deviated view and presented along the vertical periphery, DG tended to be detected faster than AG at some eccentricities, but no RT difference was found. Overall, these findings suggest that gaze direction can be discriminated in both the horizontal and vertical periphery. Importantly, the congruency between gaze direction and head orientation seems to be play an important role. These findings demonstrate that the speed and accuracy of gaze detection is highly dependent on target position and head orientation. 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 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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».