MétaCan
Menu
Retour à la cohorte
Enregistrement W2051424071 · doi:10.1167/9.8.502

Forgetting faces in a crowd: Faster memory decay for other-race faces?

2010· article· en· W2051424071 sur OpenAlexaff
Lester L. Short, D. Longfield, P. Talvitie, Catherine J. Mondloch

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésRace (biology)PsychologyForgettingFeature (linguistics)Face (sociological concept)Cognitive psychology

Résumé

récupéré en direct d'OpenAlex

Adults recognize own-race faces more accurately than other-race faces, a pattern called the other-race effect. We previously reported that Caucasian adults were more sensitive to differences among faces in both feature shape (e.g., eyes) and feature spacing (e.g., the distance between the eyes) for Caucasian faces than for Chinese faces. However these effects were surprisingly small (M difference = 5.6% and 9.9%) given the difficulty adults experience in recognizing other-race faces on a daily basis. Here we tested whether storage is better for own-race than other-race faces by varying the delay (1s, 5s, or 10s) in a delayed match-to-sample task. In Study 1 (n=24) we used featural and spatial manipulations of a single identity per race and a blank screen was presented during the delay. There was an effect of delay for both face sets, ps ps [[gt]] .5. To more closely mimic the real world, in Study 2 (n=24) we presented altered versions of two identities per race and a screen comprised of multiple Chinese and Caucasian faces was presented during the delay. The effect of delay and the face race x delay interaction were significant only for the spacing set, ps [[lt]].02. The drop in accuracy in the 10s-delay condition relative to the 1s-delay condition was larger for other-race (12%) than for own-race faces (6%). Collectively, these results suggest that the own-race advantage for feature shape occurs at the encoding stage, whereas the own-race advantage for the spacing set may occur at both encoding and storage (see Freire et al., 2000 for similar analyses of the inversion effect). The own-race advantage may be small in lab studies because cues that adults might normally rely on when encoding other-race faces (e.g., hair, clothing) are removed.

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)0,006
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
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,346
Écart entre enseignants0,307 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace Recognition and PerceptionTravaux en français237 207