MétaCan
Menu
Retour à la cohorte
Enregistrement W2899440573 · doi:10.1177/1362361318807158

Labelling faces as ‘Autistic’ reduces the inversion effect

2018· article· en· W2899440573 sur OpenAlexafffund
Ciro Civile, Eamon Colvin, Hasan Siddiqui, Sukhvinder S. Obhi

Notice bibliographique

RevueAutism · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensMcMaster UniversityUniversity of Ottawa
Organismes subventionnairesEconomic and Social Research CouncilNatural Sciences and Engineering Research Council of CanadaEuropean Commission
Mots-clésPsychologyAutismDehumanizationCognitive psychologyFace perceptionInversion (geology)ObjectificationDevelopmental psychologySocial psychologyCommunicationPerceptionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Does the belief that a face belongs to an individual with autism affect recognition of that face? To address this question, we used the inversion effect as a marker of face recognition. In Experiment 1, participants completed a recognition task involving upright and inverted faces labelled as either ‘regular’ or ‘autistic’. In reality, the faces presented in both conditions were identical. Results revealed a smaller inversion effect for faces labelled as autistic. Thus, simply labelling a face as ‘autistic’ disrupts recognition. Experiment 2 showed a larger inversion effect after the provision of humanizing versus dehumanizing information about faces labelled as ‘autistic’. We suggest changes in the inversion effect could be used as a measure to study stigma within the context of objectification and dehumanization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,007

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,305
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAutismMême sujetFace Recognition and PerceptionTravaux en français237 207