Prime-mask interactions in unconscious priming and conscious perception of emotional faces
Notice bibliographique
Résumé
Winkielman, Berridge, & Wilbarger (in press, PSPB) report that unseen happy and angry faces influence consumptive behaviors such as drinking and the rated value of a beverage. Central to their claim is the assumption that the emotionally expressive faces were not consciously perceived. Participants in their study were shown emotional faces for 16 ms, which were replaced by neutral faces for 400 ms. These display sequences influenced beverage consumption, even though participants were at chance in their attempts to identify the emotion in the prime faces. In the present work, we asked whether perception of either the prime or the mask face was influenced by interactions between features of both faces. In phase 1, participants made speeded classifications of happy and angry masks (450 ms) that were preceded by angry, happy, or neutral primes (22 ms) at one of three intervals (22 ms, 45 ms, or 67 ms). In phase 2, participants were instructed to classify these same prime faces as either happy or angry. Prime-mask congruence had different influences in the two tasks. In the mask classification task, emotionally congruent primes led to faster responses than incongruent primes and this effect increased with prime-mask interval. Featural similarity in the faces played no role in priming. In the prime classification task, the effect of emotional congruence interacted with featural similarity of the faces. For emotionally congruent faces, increased feature similarity improved accuracy whereas for incongruent faces it impaired accuracy. This underscores the importance of examining prime-mask interactions on unconscious influences on consumptive behavior. A second study examined the issue of task relevance in the masking of faces. We discuss the implications of these findings for unconscious action priming and conscious object recognition in the realm of rapid emotional processing.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».