THREAT - A database of line-drawn scenes to study threat perception
Notice bibliographique
Résumé
Efficient extraction of threat information from scene images is a remarkable feat of our visual system, but little is known about how it is accomplished. To facilitate studies of threat perception with well-controlled scene images, we created a set comprising 500 hand-traced line drawings of photographic visual scenes depicting various dimensions of threat. We used color-photo scene images previously reported in Kveraga et al. (2015) depicting direct threat, indirect threat, threat aftermath, and low threat scenes. Sixty participants were randomly assigned to rate all 500 scenes answering one of three questions: 1) How much harm might you be about to suffer in this scene if this was your view of the scene?; 2) How much harm might someone (not you) be about to suffer in this scene?; 3) How much harm might someone (not you) have already suffered in this scene?. Another 134 participants were randomly assigned to rate the images on various other threat dimensions. The mean ratings on these threat dimensions were submitted to a factor analysis, which resulted in three distinct factors including Affect (comprised of perceived emotional intensity, physical and psychological harm, and affect), Proximity (comprised of perceived threat clarity, its proximity in space and time, and degree of motion), and Agency (comprised of perceived human and animal agency, and whether inanimate objects present in the scene could be used as a potential weapon). Mean ratings on three harm questions and three factors were then submitted to cluster analyses, which grouped images into six distinct categories. This unique set of images, accompanied by ratings assessing multiple dimensions of threat and their clusters, is well suited for investigating research questions on emotion regulation and threat perception in neurotypical and clinical populations. Information on using it can be found at http://www.kveragalab.org/stimuli.html. Meeting abstract presented at VSS 2017
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».