Measuring the time course of spatial frequency use for face recognition from East to West
Notice bibliographique
Résumé
Easterners allocate their attention more broadly and integrate more the peripheral elements of a scene or a face than Westerners (Boduroglu et al., 2009). Relying on the peripheral visual field entails the use of lower spatial frequencies (SF; Hilz & Cavonius, 1974). In a recent study we found that Chinese participants made a better utilization of low SF whereas Canadians made a better utilization of high SF during face identification (Tardif et al., 2015). Here, we investigate the time course of the SF utilization across cultures. For this, we used a modified version of SF Bubbles (Willenbockel et al., 2010) with 15 Canadians and 25 Chinese. The method consisted in creating temporal sequences of random SF filters, meaning that the SF available to the participant varied through time within one trial. On each trial, a randomly filtered face, either Asian or Caucasian, was presented for 300ms, followed by a robust mask. The participant had to recognize its identity among eight identities of the same ethnicity learned beforehand (block design). Multiple regression analysis on the SF sampled and the participant's accuracy was used to create group classification images showing the SF tuning across time of Westerners and Easterners for Caucasian and Asian faces separately. Statistical thresholds were found using the Stat4CI (Chauvin et al., 2005). We replicate our previous findings suggesting that Westerners make more use of higher SF than Easterners for Caucasian faces (>15.6 cycles per face (cpf); Zcrit=2.7, p< 0.025) whereas the latter group makes more use of lower SF than the former (from 0.3 to 12 cpf for Caucasian faces, from 0.3 to 8 cpf for Asian faces; Zcrit=-2.7, p< 0.025). Most importantly, we show that this cultural difference occurs within 30ms and is consistent for the next 200ms of information extraction. 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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,005 | 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 ».