Inducing the use of information for face identification
Notice bibliographique
Résumé
Faghel-Soubeyrand et al. (in press) trained observers to use the facial information most correlated with skilled face-sex discrimination — the eye on the right of the face stimulus from the observer’s viewpoint — and showed that these observers’ performance increased more than that of control participants. Here, using a similar implicit induction procedure, we attempted to train observers to use the information associated with skilled — mostly the two eyes— or unskilled face identification (Tardif et al., 2018). First, participants completed 500 Bubbles trials where they were asked to identify a celebrity, to reveal their use of information pre-induction. Second, participants carried out 500 more trials of the Bubbles task, during which, unbeknownst to them, the base face stimuli were tampered with. In the best-information induction subject group, the information related to skilled face identification was made available (N=8; mean age=21.9; 2 women) and, in the worse-information induction subject group, the information related to unskilled face identification was made available (N=7; mean age=21.9; 3 women). Third, and finally, observers completed 500 more Bubbles trials to reveal their use of information post-induction. For each subject group, we computed classification images, showing the visual information used before and after the induction trials. As expected, results show that participants from the worse-information group used the mouth before and after the induction, whereas participants from the best-information group used mainly the mouth before induction and the two eyes after induction (Cluster Test: p< .05; sigma=26; tC=2.70; Sr=21901; Chauvin et al., 2005). We believe this induction procedure shows promise as a mean for individuals specifically impaired in face recognition (e.g. developmental prosopagnosics) and professionals relying on strong face processing (e.g. police officers) to improve their abilities.
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 | 0,003 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».