Opposing Aftereffects across a Caucasian Male face set and a face set that was diverse by gender and ethnicity
Notice bibliographique
Résumé
Introduction. Opposing aftereffects have been seen across groups that differ by sex and race. For example, viewing Caucasian expanded faces and Chinese contracted faces lead to opposite face aftereffects when participants subsequently viewed each set. Here we tested whether viewing Caucasian male faces and a diverse set of faces (male, female; Caucasian, Asian, Latino, African American) during adaptation would result in opposing aftereffects. Methods. 62 participants underwent an opposing aftereffects paradigm viewing a set of Caucasian male faces and a diverse face set. 31 participants viewed a contracted set of diverse faces and an expanded set of Caucasian male faces, and 31 viewed the opposite. In pre-adaptation trials, participants viewed 64 face pairs, one contracted and one expanded by 10%, selecting which they found more attractive. During adaptation, participants viewed faces altered by 60%. Post-adaptation trials were identical to pre-adaptation trials. Results. Using a mean change score (contracted faces selected before vs after adaptation) as the dependent variable, there was a significant interaction between the two conditions (F(1,25)=7.360, p=<.05). Aftereffects were then assessed for each condition separately. For the contracted Caucasian male and expanded diverse condition, significant opposing aftereffects were observed, with a greater change in preference for the contracted diverse faces than the expanded Caucasian male faces (t(12)=-4.770, p= <0.001), consistent with adaptation. Though the scores for contracted Caucasian male and expanded diverse faces did not differ significantly (t(13)=.901, p= .384), the change was in the expected direction. These results are the first to suggest that it is possible to induce opposing aftereffects across a diverse and a homogeneous set of faces. Past research has found opposing aftereffects using face sets that are homogeneous within and distinct across face sets. These results suggest the potential of face templates that are sensitive to variance.
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 | 0,000 | 0,002 |
| 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) | 0,006 | 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 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 ».