Uncovering the perceptual representation in holistic face processing
Notice bibliographique
Résumé
In a standard demonstration of holistic face processing, differences in an irrelevant feature (e.g., mouth) change the perceptual representation of a relevant feature (e.g., eyes). Unfortunately, this simple demonstration cannot reveal the nature of the perceptual representation derived from holistic processing. We made use of a set of face stimuli constructed so that incremental differences in a single feature led to systematic changes in performance when pairs of faces were presented for same-different judgments. We then assessed the nature of the perceptual representation in holistic face processing by incrementally varying the degree of difference in relevant and irrelevant features. Participants saw two faces and judged if the relevant features (i.e., eyes) were identical while ignoring differences in the irrelevant features (i.e., mouth). Performance improved with each increment in degree of difference in the relevant feature if the difference between the irrelevant features was small. However, this was contextualized by an interaction in which incremental differences did not influence performance systematically. Rather, performance depended on a striking interaction between the perceptual difficulty of the relevant feature and the degree of difference in the irrelevant feature. When the relevant features were easy to differentiate, discrimination was good regardless of the irrelevant features. However, when the relevant features were difficult to differentiate, discrimination was especially poor if the irrelevant features were also hard to differentiate, but improved significantly if the irrelevant features were easy to differentiate. The implication of these findings will be discussed in reference to categorical perception.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».