Fast and slow object priming of fearful and happy facial expressions
Notice bibliographique
Résumé
Facial expressions are not perceived in isolation, but are embedded in a complex perceptual and social environment. Contextual factors, such as body gesture and emotional scene, have been shown to influence the processes of expression recognition. However, it is not known how objects affect the speed at which a facial expression is recognized. In this experiment, a person presenting a neutral expression was shown with either a positive emotional object (money, birthday cake), a negative emotional object (spider, gun) or a neutral object (stapler, spoon). The objects appeared at one of four stimulus onset asynchronies (SOA) (0 ms, 100 ms, 300 ms, 500 ms). Following the SOA interval, the neutral expression of the person changed to a happy or a fearful expression. The participant’s task was to categorize the expression as "happy" or "fear" as quickly and accurately as possible. Overall, reaction time was faster when the expression was accompanied by congruent objects than when shown with incongruent or neutral objects. Congruency also interacted with emotion and SOA. At the shortest SOA (0 ms), participants were faster to categorize the "fear" expression when preceded by the congruent negative objects than when preceded by incongruent positive objects. At the longest SOA (500 ms), participants were faster to categorize the "happy" expression when preceded by congruent positive objects than when preceded by neutral or incongruent negative objects. The obtained results demonstrate that single objects with strong emotional associations can prime the recognition of facial expressions. Object priming for happy and fearful expressions seem to follow separate timing trajectories. Whereas fear is a "fast" emotion that is rapidly primed by a negative object, happy is a "slow" emotion that is gradually primed by a positive object. Meeting abstract presented at VSS 2013
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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».