MétaCan
Menu
← Retour à la cohorte
Enregistrement W2005502531 · doi:10.1167/10.7.656

There can be only one: Change detection is better for singleton faces, but not for faces in general

2010· article· en· W2005502531 sur OpenAlexaff
W. Nick Street, Stephen Butler, M. S. Jensen, Richard Yao, J. Tanaka, Daniel J. Simons

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSingletonChange detectionFace (sociological concept)Object (grammar)PsychologyComputer scienceCognitive psychologyArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

Change detection is a powerful tool to study visual attention to objects and scenes because successful change detection requires attention. For example, people are better able to detect a change to the only face in an array than they are changes to other objects (Ro et al., 2001), suggesting that faces draw attention. To the extent that such attention advantages depend on experience, they might vary with age. Our study had two primary goals: (a) to explore the nature and limitations of the change detection advantage for faces, and (b) to determine whether that advantage changes with age and experience. Children, ages 7 to 12 years, viewed an original and changed array of objects that alternated repeatedly, separated by a blank screen, until they detected the one changing object. The arrays consisted of varying numbers of faces or houses, any one of which could change to another exemplar from the same category. Consistent with earlier work, in the presence of a singleton face, changes to that face were detected more quickly and changes to houses in the array were detected more slowly, suggesting that the singleton face drew attention. This advantage was specific to faces–singleton houses show no benefit. However, the advantage for faces occurred only for singleton faces–when multiple faces were present in the display, change detection was no better for faces than for houses. This singleton advantage for faces was present for all age groups even though older subjects showed better overall change detection performance. Apparently, people prioritize single faces over other objects, but they do not generally prioritize faces over other objects when multiple faces appear in a display.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,340
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetFace Recognition and Perception→Travaux en français237 207→