MétaCan
Menu
← Retour à la cohorte
Enregistrement W2032047317 · doi:10.1167/12.9.988

Race differences in eye movements to three-quarter view faces

2012· article· en· W2032047317 sur OpenAlexaboutno aff
Kate Crookes, William Hayward

Notice bibliographique

RevueJournal of Vision · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEye movementQuarter (Canadian coin)Fixation (population genetics)PsychologyNoseEye trackingOptometryAudiologyDemographyMedicineGeographyArtificial intelligencePopulationSurgery

Résumé

récupéré en direct d'OpenAlex

A number of studies have shown a difference between Asian and Caucasian participants in fixation patterns to faces. Caucasian participants’ fixations are concentrated on the eyes, whereas Asian participants fixate more centrally on the nose region. All previous studies exploring race differences have used front view faces. The present study investigated whether this preference for fixating the nose in Asian participants extends to three-quarter (mid-profile) view faces. Eye movements were monitored during the learning and recognition phases of a memory task for three-quarter view Asian and Caucasian faces. We found Hong Kong Chinese participants predominantly fixated both the nose and central-eye (eye closest to the observer) regions of the three-quarter view faces at both study and test. There was no difference in the proportion of fixations to the nose and the central eye, and we found that Asian and Caucasian faces elicited similar fixation patterns. These results differ from previous findings for front view faces where Asian participants showed a significantly greater proportion of fixations towards the nose than the eyes. The results also differ from recent findings for three-quarter view faces in Caucasian participants where the central eye received a far higher proportion of fixations than the nose. These results suggest that race influences fixation patterns to non-frontal views of faces. Meeting abstract presented at VSS 2012

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,352
Écart entre enseignants0,288 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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