Visual representation of age groups as a function of ageism levels
Notice bibliographique
Résumé
Prejudice against the elderly is a growing concern and has shown to report many negative social and individual consequences (European social survey, 2012). Last VSS (Dion-Marcoux et al., 2016), we presented a study showing that ageism modulates the mental representation of a prototypical young and old face: individuals with higher prejudice represented a young face as being older and an old face as being younger than individuals with less prejudice. The present study verified if this finding is subtended by ageism modifying the boundaries used to categorize a person as young or old, or by ageism modifying the representation of facial aging throughout life. Thirty young adults took part in three tasks: An Implicit Association Test, an age categorization task, and a Reverse Correlation task. In the Reverse Correlation task, participants had to decide which of three faces embedded in white noise was most prototypical of the appearance of a 20, 40, 60 or 80 years-old face (block design). The mental representations of the ten participants with the highest vs. lowest ageism were averaged, and presented to 30 individuals who estimated their age. Results show a significant interaction between ageism and face group on the perceived age [F(3, 87)=17.17, p< 0.05]. Although participants with higher prejudice had a significantly older perception of the age 40 [t(58)=3.077, p=0.0032], the pattern reversed for 80 years-old faces [t(58)=-2.317, p=0.024], which they represented as younger. The boundary used in the age categorization task did not differ as a function of ageism [t(18)=0.18, ns]. These results suggest that highly prejudiced individuals represent different groups (40, 60 and 80 years-old) of other-age faces as being less dissociable from one another than lower prejudice individuals. 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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».