Low sensitivities but surprisingly high efficiencies for face-gender discrimination from interattribute distances
Notice bibliographique
Résumé
According to an influential view, relational cues such as the distances between the main internal features of a face (i.e. mouth, eyes, eyebrows and nose) play a predominant role in face processing (Maurer et al., 2002; but see Taschereau-Dumouchel et al., 2010). Studies on face-gender perception are no exception (see Campbell et al.,1999). Nevertheless, the use of real-world interattribute distances for face-gender discrimination in humans has never been examined. This was the aim of the present study. In Exp. 1 we tested whether observers can discriminate the gender of faces based solely on real-world interattribute distances. Participants had to discriminate the gender of two androgynous faces of the same identity that were presented simultaneously on the screen: one had real-world interattribute distances of a woman and, the other, of a man. Despite relatively low sensitivities (average d’= 0.40 +/- 0.31, ranging from 0.82 to 0.05), 9 out of 11 observers performed significantly above chance (p<0.05). Surprisingly, statistical efficiencies were relatively high (M=13.91%, SD=12.85%, ranging from 37.35% to 0%). This is because real-world interattribute distances contain little face-gender information: A linear classifier trained on the interattribute distances of 250 faces (125 men) and tested on 250 novel faces (125 men) obtained a d’=1.34. Would real-world interattribute distances still contribute to gender discrimination when more informative cues such as attribute shapes and skin properties are available? In Exp. 2, we tested this by manipulating realistically the interattribute distances of 500 faces to make them more or less congruent with the gender of the face. Results showed that indeed congruency had a significant positive effect on the sensitivity (F(2.6, 44.4)=16.75, p<0.0001). 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 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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».