Examining within-category discrimination of faces and objects of expertise.
Notice bibliographique
Résumé
Object experts quickly and accurately discriminate objects within their domain of expertise. The current study used a novel and implicit visual discrimination paradigm coupled with electroencephalography – Fast Periodic Visual Stimulation – to examine whether within-category discrimination of face and non-face objects of expertise rely on shared visual discrimination mechanisms. Bird experts and novices were presented with sequences of the same object image of a family-level bird (Robin), species-level bird (Purple Finch), or face (Face A) at a periodic rate of six images per second (6.00 Hz), with size varying randomly at every cycle to restrict adaptation to areas sensitive to object discrimination. A different within-category "oddball" family-level bird (Finch), species-level bird (Cassin's Finch) or face (Face B) was interleaved with the base image at every 5th cycle (1.20 Hz). Thus, a differential response at 1.20 Hz is an index of within-category discriminability between the base- and oddball-objects. We reasoned that discriminability of one object domain should be correlated at the participant level with the discriminability of another object domain if they share common visual discrimination mechanisms. The results showed a robust base signal (6.00 Hz, medial-occipital channels) and discrimination signal (1.20 Hz, occipito-temporal channels) that did not differ as a function of group by object domain. At the participant level, the base signal (6.00 Hz, medial-occipital channels) for all object categories positively correlated in both experts and novices. Importantly, the discrimination signal (1.20 Hz, occipito-temporal channels) for face and birds correlated in experts, but no pattern of correlations was found in novices. Moreover, family- and species-level birds correlated in both experts and novices. This indicates that the discrimination mechanisms for faces and birds were shared in the experts, but not in the novices. Overall, this suggests that face and non-face objects of expertise share visual discrimination mechanisms. Meeting abstract presented at VSS 2018
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 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».