For best results, use the eyes: Individual differences and diagnostic features in face recognition
Notice bibliographique
Résumé
In recent years, the interest in individual differences in face processing ability has skyrocketed. In fact, individual differences are quite useful in better understanding the mechanisms involved in face processing, since it is thought that if a certain mechanism is important for this task, individual efficiency in using this mechanism should be correlated with face processing abilities (Yovel et al., 2014). The present study investigated how variations in the ability to perceive and recognize faces in healthy observers related to their utilization of facial features in different spatial frequency bands. Fifty participants completed a 10 choice face identification task using the Bubbles method (Gosselin & Schyns, 2001) as well as six tasks measuring face and object recognition or perception ability. The individual classification images (CIs) obtained in the bubbles task were weighted using the z-scored performance rankings in each face processing test. Our results first show that the utilization of the eye region is correlated with performance in all three face processing tasks, (p< .025; Zcriterion=3.580), specifically in intermediate to high spatial frequencies. We also show that individual differences in face-specific processing abilities (i.e. when controlling for general visual/cognitive processing ability; Royer et al., 2015) are significantly correlated with the use of the eye area, especially the left eye (p< .025; Zcriterion=3.580). Face-specific processing abilities were also significantly linked to the similarity between the individual and unweighted group CIs, meaning that those who performed best in the face recognition tests used a more consistent visual strategy. Our findings are congruent with data revealing an impaired processing of the eye region in a prosopagnosic patient (e.g. Caldara et al., 2005), indicating that the visual strategies associated with this condition are also observed in individuals at the low-end of the normal continuum of face processing ability. Meeting abstract presented at VSS 2016
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 | 0,001 | 0,004 |
| 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 | 0,001 | 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) | 0,006 | 0,001 |
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 ».