Group Difference in Feature Scanning While Learning Novel Faces
Notice bibliographique
Résumé
The scanpath used by typical individuals while looking at a familiar face is measurably different that used when they look at a novel face. It has been suggested that individuals with autism spectrum disorder (ASD) do not show such a difference. In this study we investigated the implicit timeline of novel faces becoming familiar. Twelve participants with high-functioning ASD or Asperger’s (Mean age = 28.08 years, SD= 6.29) and 16 controls (Mean age = 27.44, SD = 6.76) passively viewed 17 unique images of 6 individuals and 6 houses while eye gaze information was collection via eye tracking technology. Specifically we measured changes in the number of fixations and total fixation duration within two areas of interest (eyes and mouth for faces; upper and lower feature for houses). Both groups showed evidence of learning for both faces and houses; eye gaze patterns for both groups changed systematically with increased exposures. The effect of exposures was not significantly different between groups demonstrating that the process of learning novel faces and houses was similar in both groups. Analysis of mean number of fixations and total fixation duration per exposure revealed significant group differences: the ASD participants showed no differences in eye gaze patterns for the eyes and mouth areas of the face in both upright and inverted faces. However, the typical group showed a focus on eyes compared to the mouth and this difference was more evident for inverted faces. There were no group differences in the effects of time and mean gaze patterns for upright or inverted houses, indicating that group differences in learning complex stimuli are specific to social stimuli. The areas of the faces that individuals focus on differed between groups and this difference was even more evident for inverted faces, for which learning is a more complex social cognitive task. 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».