MétaCan
Menu
Retour à la cohorte
Enregistrement W2119048912 · doi:10.1162/jocn.2006.18.8.1406

Processing the Trees and the Forest during Initial Stages of Face Perception: Electrophysiological Evidence

2006· article· en· W2119048912 sur OpenAlexaff
Shlomo Bentin, Yulia Golland, Anastasia V. Flevaris, Lynn C. Robertson, Morris Moscovitch

Notice bibliographique

RevueJournal of Cognitive Neuroscience · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthIsrael Science Foundation
Mots-clésPsychologyElectrophysiologyPerceptionFace (sociological concept)ElectroencephalographyCognitive psychologyNeuroscienceCommunicationCognitive scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Although configural processing is considered a hallmark of normal face perception in humans, there is ample evidence that processing face components also contributes to face recognition and identification. Indeed, most contemporary models posit a dual-code view in which face identification relies on the analysis of individual face components as well as the spatial relations between them. We explored the interplay between processing face configurations and inner face components by recording the N170, an event-related potential component that manifests early detection of faces. In contrast to a robust N170 effect elicited by line-drawn schematic faces compared to line-drawn schematic objects, no N170 effect was found if a pair of small objects substituted for the eyes in schematic faces. However, if a pair of two miniaturized faces substituted for the eyes, the N170 effect was restored. Additional experiments ruled out an explanation on the basis of miniaturized faces attracting attention independent of their location in a face-like configuration and show that global and local face characteristics compete for processing resources when in conflict. The results are discussed as they relate to normal and abnormal face 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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,328
Écart entre enseignants0,268 · 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

Citations90
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive NeuroscienceMême sujetFace Recognition and PerceptionTravaux en français237 207