MétaCan
Menu
Retour à la cohorte
Enregistrement W3165291318 · doi:10.31234/osf.io/zjymv

Contrasting shared- and specific-mechanism accounts of developmental prosopagnosia: A new approach

2020· preprint· en· W3165291318 sur OpenAlexaff
Christian Gerlach, Tirta Susilo, Jason J.S. Barton, Andrea Albonico, Manuela Malaspina, Randi Starrfelt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDissociation (chemistry)PsychologyMechanism (biology)NeuropsychologyAssociation (psychology)Cognitive psychologyCognitive neuroscience of visual object recognitionFacial recognition systemCognitionObject (grammar)Face (sociological concept)Cognitive scienceNeuroscienceComputer scienceArtificial intelligencePattern recognition (psychology)SociologyEpistemology

Résumé

récupéré en direct d'OpenAlex

The understanding of developmental prosopagnosia (DP) is dominated by two opposing views: (i) that DP reflects malfunction of a mechanism shared by face and object recognition, but which is more critical for face than for object recognition, or (ii) that DP is due to malfunction of a mechanism specific to faces, but where object recognition deficits may co-occur due to collateral damage. Here we address some of the limitations in DP studies on this point by examining face and car recognition in a large cohort of healthy subjects selected in an unbiased manner. At the group level we find evidence of a general association between face and car recognition performance but at the individual level we also find occasional dissociations. We discuss the methodological implications of these findings for cognitive neuropsychology in general (association vs. dissociation) but also the theoretical implications for the current understanding of DP more specifically.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,010
Communication savante0,0040,008
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,163
Tête enseignante GPT0,291
Écart entre enseignants0,129 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFace Recognition and PerceptionTravaux en français237 207