Perceiving happiness in an intergroup context: The role of race and attention to the eyes in differentiating between true and false smiles.
Notice bibliographique
Résumé
The present research comprises six experiments that investigated racial biases in the perception of positive emotional expressions. In an initial study, we demonstrated that White participants distinguished more in their happiness ratings of Duchenne ("true") and non-Duchenne ("false") smiles on White compared with Black faces (Experiment 1). In a subsequent study we replicated this effect using a different set of stimuli and non-Black participants (Experiment 2). As predicted, this bias was not demonstrated by Black participants, who did not significantly differ in happiness ratings between smile types on White and Black faces (Experiment 3). Furthermore, in addition to happiness ratings, we demonstrated that non-Black participants were also more accurate when categorizing true versus false expressions on White compared with Black faces (Experiment 4). The final two studies provided evidence for the mediating role of attention to the eyes in intergroup emotion identification. In particular, eye tracking data indicated that White participants spent more time attending to the eyes of White than Black faces and that attention to the eyes predicted biases in happiness ratings between true and false smiles on White and Black faces (Experiment 5). Furthermore, an experimental manipulation focusing participants on the eyes of targets eliminated the effects of target race or perceptions of happiness (Experiment 6). Together, the findings provide novel evidence for racial biases in the identification of positive emotions and highlight the critical role of visual attention in this process. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 | 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) | 0,000 | 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 ».