Task effects on perceived identity of unfamiliar faces in open card sorting.
Notice bibliographique
Résumé
Face perception is tantamount to identity perception. While identity representations in memory can be engaged to categorize different images of a familiar face (e.g., Barack Obama, George Clooney) with little interference from superficial variations in appearance and lighting, images of an unfamiliar face can be categorized only on the basis of perceptual information in the image. The difference in identity perception in familiar and unfamiliar face images is captured in a face sorting task where observers often perceive different images of the same person as different identities, but only when the face is unfamiliar (e.g., Jenkins et al., 2011; Neil et al., 2016). The current research addresses whether the formation of sub-identities of unfamiliar persons are idiosyncratic or systematic and whether the nature of the sorting task itself influences judgements of identity. In this study, participants were presented with 40 face images either simultaneously or sequentially and asked to group the images according to identity. Replicating previous results (Jenkins et al., 2011), participants tended to overestimate the number of identities in the face images (M = 6.35, SD = 5.76; 2 identities in the set). Jaccard similarity coefficients showed that participants in the simultaneous group were reliably more accurate than participants in the sequential group (p = .01). Hierarchical cluster analysis revealed shared sorting strategies amongst participants, however categorization structures diverged across conditions with respect to both the size and composition of the clusters. Results suggest that perceived identity of an unfamiliar face may be based on predictable parameters (e.g. hair, makeup, lighting), but that those parameters may change depending on the demands and procedures of the categorization task. 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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».