Face Aftereffect formation is influenced by the diversity of the training set
Notice bibliographique
Résumé
Introduction. Although the face aftereffect phenomenon is known for face identity, age and emotion, it is unknown how the diversity of the face training set influences aftereffect formation. Observers saw a homogeneous set of distorted faces (middle-aged Caucasian males) and a diverse set of distorted faces (male and female; Caucasian, Asian, Latino and African American) during adaptation. Evidence of aftereffects was tested. Methods. 33 participants underwent an opposing aftereffects paradigm viewing a set of diverse and a set of Caucasian male faces. Participants viewed manipulated face images in one of two adaptation conditions: 1) the diverse face set with features contracted, and the homogeneous face set with features expanded or 2) the opposite. During pretest, participants viewed 64 face pairs, one contracted by 10% and one expanded by 10% and selected which face they found more attractive. During adaptation, faces were distorted by 60%. Post-adaptation testing was identical to pre-adaptation testing. Results. Using a mean change score (contracted faces selected as more attractive before vs. after adaptation) as the dependent variable, the two adaptation conditions were significantly different (F(1,31)=13.072, p= <.05). Adaptation to the contracted diverse face set led to evidence of aftereffects in the expected directions (t(31)=2.685, p= <0.05), but the significant differences observed after adaptation to the contracted homogeneous face set was opposite of the expect direction for both conditions (t(31)=3.061, p= <0.05). Aftereffects were created only by adapting to the diverse face set, not the homogeneous face set. These results indicate that adapting to the diverse face set after a featural manipulation led to aftereffects for all faces (the diverse and the homogeneous face sets) in the same direction. This result suggests that diversity within a face set influenced aftereffect formation.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».