MétaCan
Menu
Retour à la cohorte
Enregistrement W2724443707 · doi:10.1093/geroni/igx004.1779

AGE-RELATED IMPACT OF ABILITY AT IDENTIFYING FACIAL EXPRESSION ON UTILIZATION OF VISUAL INFORMATION

2017· article· en· W2724443707 sur OpenAlexaff
Youna Dion-Marcoux, Caroline Blais, Hélène Forget, Daniel Fiset

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésCategorizationFacial expressionPsychologyExpression (computer science)Task (project management)Cognitive psychologyFacial expression recognitionDevelopmental psychologyAge groupsCommunicationFacial recognition systemArtificial intelligencePattern recognition (psychology)Computer science

Résumé

récupéré en direct d'OpenAlex

Previous studies have shown that aging is associated with difficulties at recognizing some facial expressions (Calder and al., 2003; West and al., 2012). Circelli et al., (2013) showed that this alteration in performance is linked to changes in the older adults’ visual scanpaths. We recently showed that despite displaying different visual scanpaths, older and younger participants use the same facial features on average to accurately categorize the basic facial expressions (Dion-Marcoux et al., 2016). However, we also observed some heterogeneity in the ability of our participant to categorize expressions, and these differences in the ability may be linked to the visual strategies used. This study compared the impact of ability at categorizing expression on the use of visual information of older (N=31; Mage=71.8) and younger adults (N=31; Mage=22.6). The Bubbles method (Gosselin & Schyns, 2001) was used to measure information utilization during a facial expression categorization task of basic emotions displayed by young and elderly faces (five identities each). A separate facial expression categorization task was used to measure ability. Classification images representing the visual information that was correlated with the ability at identifying facial expressions were separately obtained for each facial expression, facial age, and participants’ age group. The results showed that participants’ ability modulate the visual information utilized by older, but not younger, adults. Future analyses will allow verifying if the older participants with the highest performance alteration reveal visual strategies that differ from those of young participants, and if these differences can predict their alteration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,413
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetFace Recognition and PerceptionTravaux en français237 207