MétaCan
Menu
Retour à la cohorte
Enregistrement W2043534460 · doi:10.6000/2292-2598.2014.02.02.6

Contributions to the Cognitive Study of Facial Recognition on Down Syndrome: A New Approximation to Exploring Facial Emotion Processing Style

2014· article· en· W2043534460 sur OpenAlexvenueno aff
Guadalupe Elizabeth Morales, Ernesto Octavio López, Claudia Castro-Campos, David Jose Charles, Yanko Norberto Mezquita-Hoyos

Notice bibliographique

RevueJournal of Intellectual Disability - Diagnosis and Treatment · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDown syndrome and intellectual disability research
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésCategorizationPsychologyFacial expressionSadnessCognitive psychologyCognitionHappinessSet (abstract data type)Facial recognition systemEmotion classificationStimulus (psychology)AngerSocial psychologyCommunicationComputer scienceArtificial intelligencePattern recognition (psychology)

Résumé

récupéré en direct d'OpenAlex

Background: This paper aimed to explore the ability of people with Down syndrome (PWDS) in recognizing facial emotion by considering automatic cognitive processing levels of face recognition. Method: A sample of PWDS and participants with typical development (PWTD) participated in a set of two affective priming studies. In each study, participants had to categorize an emotional or neutral target face that was preceded by another emotional face. Stimuli presentation for each facial set (one face after another) was conducted by using an stimulus onset asynchrony (SOA) of 300 ms with the inter-stimulus interval (ISI) set at 50 ms. The first affective priming study manipulated emotion congruency between prime and target emotional faces to explore emotion classification abilities and to identify the cognitive mechanisms underlying automatic recognition of some emotional faces. The second study explored the effect that gender of a face has over categorization of facial emotion and difficulty in recognizing negative facial expressions. Results: The results strongly suggest that not all of the PWDS present difficulties in recognizing negative facial emotions. PWDS’ performance pattern in categorizing emotion was similar to that of PWTDs if they had to use broad classification categories (e.g., emotion vs. no emotion). However, differences between both samples occurred if PWDS had to use a specific category task (e.g., classification of happiness, sadness, etc.). Conclusions: At least two emotion information processing styles can be identified in PWDS. Methodological and theoretical implications for exploring the emotional capabilities of people with DS are discussed.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,119
Tête enseignante GPT0,365
Écart entre enseignants0,246 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual Disability - Diagnosis and TreatmentMême sujetDown syndrome and intellectual disability researchTravaux en français237 207