An eye (region) sensitivity during early face perception: The N170 is modulated by facial context and featural fixation
Notice bibliographique
Résumé
The N170 is a face-sensitive ERP component that also demonstrates a particular sensitivity to the eyes. Specifically, the N170 responds maximally to isolated eye regions (i.e., two eyes), as well as to eye fixations within a face. Here I compared N170 modulations when facial features (left eye, right eye, nasion, nose, and mouth) were fixated in isolation or within a full face. Fixation on the desired feature was continuously enforced using a gaze-contingent eye-tracking procedure. In order to further assess this eye sensitivity, I also compared the N170 response to single isolated eyes and the classically-used eye region. The N170 was largest and most delayed when features were fixated in isolation, compared to equivalent fixations in a full face. An eye sensitivity within a face context was observed, with larger N170 amplitudes elicited when the left or right eye was fixated. Mouth fixation yielded the smallest and most delayed N170 within a face, and showed the largest amplitude difference between fixation in isolation and fixation within a face. For isolated features, single eyes did not differ from mouths, yielding significantly larger and faster N170 responses compared to isolated noses. Alternatively, isolated eye regions elicited consistently larger and shorter N170 responses compared to single isolated eyes, irrespective of eye or nasion fixation. These results highlight the importance of the eyes in early face perception, and provide compelling support for an interplay between featural and holistic neural mechanisms. These findings also provide novel evidence of an increased sensitivity to the presence of two symmetric eyes within the eye region compared to only one eye, consistent with an eye region detector rather than an eye detector per se.
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 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».