MétaCan
Menu
Retour à la cohorte
Enregistrement W2946932390 · doi:10.12688/f1000research.18492.1

Progress in perceptual research: the case of prosopagnosia

2019· preprint· en· W2946932390 sur OpenAlexafffund
Andrea Albonico, Jason J.S. Barton

Notice bibliographique

RevueF1000Research · 2019
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésPsychologyPerceptionNeuroimagingCognitive psychologyFusiform face areaFace perceptionFace (sociological concept)Cognitive neuroscience of visual object recognitionVisual perceptionNeuroscienceObject (grammar)Developmental psychologyArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Prosopagnosia is an impairment in the ability to recognize faces and can be acquired after a brain lesion or occur as a developmental variant. Studies of prosopagnosia make important contributions to our understanding of face processing and object recognition in the human visual system. We review four areas of advances in the study of this condition in recent years. First are issues surrounding the diagnosis of prosopagnosia, including the development and evaluation of newer tests and proposals for diagnostic criteria, especially for the developmental variant. Second are studies of the structural basis of prosopagnosia, including the application of more advanced neuroimaging techniques in studies of the developmental variant. Third are issues concerning the face specificity of the defect in prosopagnosia, namely whether other object processing is affected to some degree and in particular the status of visual word processing in light of recent predictions from the "many-to-many hypothesis". Finally, there have been recent rehabilitative trials of perceptual learning applied to larger groups of prosopagnosic subjects that show that face impairments are not immutable in this condition.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,427
Tête enseignante GPT0,496
Écart entre enseignants0,070 · 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

Citations29
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetFace Recognition and PerceptionTravaux en français237 207