Individual differences in face processing ability and consistency in visual strategies
Notice bibliographique
Résumé
Individual differences in face processing ability are a useful tool to better understand the cognitive and perceptual mechanisms involved in optimal face processing (e.g. see Yovel et al., 2014). We recently showed using the Bubbles technique (Gosselin & Schyns, 2001) that these individual differences are linked to a quantitative increase in the use of the eye area of faces, a feature known to be highly diagnostic for accurate face recognition (Royer et al., VSS 2016 meeting). However, no specific visual strategy was found in the lower recognition ability observers, possibly due to the use of inconsistent visual strategies in these individuals. This inconsistency could manifest at different levels, namely (1) between subjects, i.e. lower ability individuals rely on idiosyncratic recognition strategies, or (2) within subjects, i.e. lower ability individuals show an unstable pattern of diagnostic information throughout the bubbles task. The present experiment directly investigates these propositions. Fifty participants (28 women) were first asked to complete 2000 trials of a 10-alternative forced choice face recognition task in which the stimuli were randomly sampled using Bubbles. All participants also completed three common face matching and recognition tests to quantify their face processing ability. First, between-subject consistency in visual strategies in observers with similar levels of identification performance was strongly correlated with general face processing ability (r = .69; p < .001). Moreover, this inconsistency in visual strategies was also present at the within-subject level. Indeed, face processing ability was also significantly correlated with each observer's level of consistency in their own visual strategies throughout the bubbles task (r = .42; p = .002). These results demonstrate that while higher ability face recognizers consistently use a similar and stable strategy to recognize faces, lower ability individuals instead rely on idiosyncratic and varying strategies, possibly reflecting the imprecision of their facial representations. 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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».