Even you, greebles? Normal greeble performance in acquired prosopagnosia supports face specificity
Notice bibliographique
Résumé
A prominent account of face processing suggests that face recognition depends on generic mechanisms involved in processing object classes for which individuals have developed expertise. Many laboratory studies of expertise have used a multi-session training paradigm designed to develop expertise with computer-generated stimuli known as greebles. If the recognition of faces and greebles following training depend on the same mechanisms, impairments with faces should be accompanied by impairments with the acquisition of greeble expertise. Contrary to this prediction, we present two cases of acquired prosopagnosia who exhibit normal greeble learning. Florence (female, 29, with a right anterior temporal resection for epilepsy) and Herschel (male, 55, with right occipitotemporal lesions following several strokes) completed an eight-day greeble training procedure used in previous studies. Their accuracy and response times were similar to those of age-matched control participants. In addition, by the end of the training procedure, both Florence and Herschel fulfilled the criterion expertise researchers claim signals successful acquisition of greeble expertise: comparable response times for greeble recognition at the family and individual level. As expected, Florence and Herschel failed to match controls’ learning profile in a follow-up training procedure with faces, demonstrating a dissociation between face and greeble expertise. In addition, Herschel’s lesion disrupted his right fusiform face area (FFA) so his results show that greeble learning can occur without an intact FFA. In sum, our findings are inconsistent with claims from the greeble literature challenging face-specificity, and indicate that distinct mechanisms are used for face recognition and the object recognition processes used in greeble training procedures. 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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».