An unfamiliar expression: exploring the role of symbolic elements in processing cartoon faces
Notice bibliographique
Résumé
A unique trait of cartoon imagery is that it employs abstract symbolic elements, which require learning or culture to understand, in addition to literal iconic elements that resemble features of the real world. Our previous research has demonstrated that more abstract or "cartoonized" iconic images of faces communicate emotion more quickly and efficiently than photorealistic images of faces, and that such heightened communicative value relies on low-level features such as simplicity and contrast. Outstanding questions concern whether iconic facial features (e.g., :)) can be replaced with symbolic ones (e.g., :#) and still be rapidly perceived as being "facelike" with the acquisition of emotional meaning. In the present study we employed a face-sensitive ERP component, the N170, as an index to examine this question. EEG was collected during a probe task in which 23 participants labeled expressions on cartoon faces (happy, sad, neutral, and no emotion) that had either iconic or symbolic features. A control condition employed the same stimuli without eyes, eliminating the facelike configuration. This task was performed before and after a training task in which participants learned that symbolic features represented facial emotions and were trained to criterion. Peak N170 activation was extracted 160-220ms after stimulus onset. Results showed that N170 amplitudes were altered with training for symbolic faces only, such that after the training task they were equivalent to those observed for iconic faces. No changes were observed for iconic stimuli or either type of stimulus in the control condition. These results indicate that simply learning that arbitrary symbols conveyed emotional meaning increased rapid and relatively automatic perception of symbolic faces as "facelike." Follow-up studies explore which aspects of face stimuli, such as the presence of specific features or configural arrangements, are more pliable to symbolic manipulations. 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».