Behavioral face recognition performance correlates with an electrophysiological index of individual face discrimination obtained by fast periodic oddball stimulation
Notice bibliographique
Résumé
The current study measured electrophysiological response to periodic oddball stimulation of faces (Liu-Shuang et al., 2013) from 34 participants, and correlated the magnitude of this visual response with face recognition performance as measured by the Cambridge Face Memory Test (CFMT, Duchaine & Nakayama, 2006). During a stimulation sequence, a face picture (A) was presented at the frequency of 6 Hz (F, 6 faces/second) for 60-seconds, with different oddball faces (B, C, D) being presented at every 5th cycle (F/5=1.2 Hz) (i.e., AAAABAAAACAAAAD....). In the electroencephalogram (EEG) recorded from only 4 trials of stimulation (60-seconds each), the generic visual responses associated with the general neural responsiveness to the periodic stimulation emerged at 6 Hz and harmonics (12 Hz, 18 Hz, etc.) in all 32 channels, with the largest responses over medial occipital locations. The specific responses at 1.2 Hz and harmonics (2.4 Hz, 3.6 Hz, etc.) specifically indexing individual face discrimination were also present, peaking over occipito-temporal locations (as in Liu-Shuang et al., 2013). The magnitude of the generic component at the medial occipital locations did not correlate with CFMT score (r=-0.27, p=0.14). However, the magnitude of the specific component at occipital-temporal locations showed a trend to be significantly correlated with the CFMT score (r=0.32, p=0.08). This correlation reached significance (r=0.40, p=0.02) when individual differences in the general neural responsiveness to periodic stimulation were taken into account by normalizing (i.e., dividing) the magnitude of the specific response with that of the generic response. Overall, these findings suggest that, without an explicit face discrimination task, the electrophysiological response elicited by the periodic oddball stimulation is able to provide a reliable neural index of individual differences in face recognition ability. Meeting abstract presented at VSS 2014
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 | 0,000 | 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) | 0,002 | 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 ».