Assessing the way people look to judge their intentions.
Notice bibliographique
Résumé
Faces of unknown persons are processed to infer the intentions of these persons not only when they depict full-blown emotions, but also at rest, or when these faces do not signal any strong feelings. We explored the brain processes involved in these inferences to test whether they are similar to those found when judging full-blown emotions. We recorded the event-related brain potentials (ERPs) elicited by faces of unknown persons who, when they were photographed, were not asked to adopt any particular expression. During the ERP recording, participants had to decide whether each face appeared to be that of a positively, negatively, ambiguously, or neutrally intentioned person. The early posterior negativity, the EPN, was found smaller for neutrally categorized faces than for the other faces, suggesting that the automatic processes it indexes are similar to those evoked by full-blown expressions and thus that these processes might be involved in the decoding of intentions. In contrast, in the same 200-400 ms time window, ERPs were not more negative at anterior sites for neutrally intentioned faces. Second, the peaks of the late positive potentials (LPPs) maximal at parietal sites around 700 ms postonset were not significantly smaller for neutrally intentioned faces. Third, the slow positive waves that followed the LPP were larger for faces that took more time to categorize, that is, for ambiguously intentioned faces. These three series of unexpected results may indicate processes similar to those triggered by full-blown emotions studies, but they question the characteristics of these processes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».