MétaCan
Menu
Retour à la cohorte
Enregistrement W3003979282 · doi:10.1016/j.dcn.2020.100759

Three-month-old infants show enhanced behavioral and neural sensitivity to fearful faces

2020· article· en· W3003979282 sur OpenAlexafffund
Kristina Safar, Margaret C. Moulson

Notice bibliographique

RevueDevelopmental Cognitive Neuroscience · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensToronto Metropolitan UniversitySickKids FoundationMental Health Research CanadaHospital for Sick Children
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésPsychologyPerceptionCognitive psychologyFacial expressionTask (project management)Face perceptionDevelopmental psychologyAttentional biasCognitionNeuroscienceCommunication

Résumé

récupéré en direct d'OpenAlex

An important feature of the development of emotion recognition in infants is the emergence of a robust attentional bias for fearful faces. There is some debate about when this enhanced sensitivity to fearful expressions develops. The current study explored whether 3-month-olds demonstrate differential behavioral and neural responding to happy and fearful faces. Three-month-old infants (n = 69) participated in a behavioral task that assessed whether they show a visual preference for fearful faces and an event-related potential (ERP) task that assessed their neural responses to fearful and happy faces. Infants showed a looking preference for fearful over happy faces. They also showed differential neural responding over occiptotemporal regions that have been implicated in face perception (i.e., N290, P400), but not over frontocentral regions that have been implicated in attentional processes (i.e., Nc). These findings suggest that 3-month-olds display an early perceptual sensitivity to fearful faces, which may presage the emergence of the attentional bias for fearful faces in older infants. Tracking the ontogeny of this phenomenon is necessary to understand its relationship with later developmental outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,316
Écart entre enseignants0,223 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental Cognitive NeuroscienceMême sujetFace Recognition and PerceptionTravaux en français237 207