Classification images characterize age-related deficits in face discrimination
Notice bibliographique
Résumé
Face perception is impaired in older adults, yet the cause of this decline is not well understood. Here we studied age-related changes in face perception using the random sub-sampling variant of the classification image (CI) method described by Nagai et al. (Vision Res, 2013). We obtained CIs for six older and eight younger observers performing a face discrimination task: Each trial presented a target face + noise, and observers indicated which of two faces they had seen. Noise contrast was adjusted using a staircase procedure maintaining ~71% correct, and observers completed two sessions (2900 trials total). As in previous studies (Sekuler et al, Cur Biol, 2004), younger observers consistently relied on pixels in the eye/brow region, and that strategy generally was apparent after just one session. Older adults demonstrated reduced sensitivity (higher contrast thresholds), made less efficient use of informative face regions (lower cross-correlations with the ideal template), and had CIs that differed qualitatively from younger observers. For example, only one older observer relied on the eye/brow region as heavily as younger observers, and most older observers showed no obvious structure in their CIs, even after two sessions. Greater individual differences also were observed for the older group: One observer with a high cross-correlation and low contrast threshold had no evident structure in the CI; while another showed a CI qualitatively similar to younger observers, yet had a low cross-correlation and high contrast threshold. Importantly, sensitivity and efficiency were correlated for older observers, suggesting the CI method captures older observers' perceptual strategy. The lack of consistent structure in older observer's CIs may result from increased variability in response strategy, an hypothesis we currently are testing using the response consistency method. Overall, our results are consistent with an age-related qualitative change in face processing. Meeting abstract presented at VSS 2014
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».