Social attention as a general mechanism? Demonstrating the influence of stimulus content factors on social attentional biasing.
Notice bibliographique
Résumé
Humans spontaneously attend to faces and eyes. Recent findings, however, suggest that this social attentional biasing may not be driven by the social value of faces but by general factors, like stimulus content, visual context, or task settings. Here, we investigated whether the stimulus content factors of global luminance, featural configuration, and perceived attractiveness may independently drive social attentional biasing. Six experiments were run. In each, participants completed a dot-probe task where the presentation of a face, a house, and two neutral images was followed by the presentation of a response target at one of those locations. Experiments 1 and 2 assessed social attentional biasing when the face had higher overall global luminance. Experiments 3 and 4 assessed social attentional biasing when the face (but not the comparison house) retained the typical canonical configuration of internal features. Experiments 5 and 6 examined social attentional biasing when the face was more attractive than the house. Experiments 1, 3, and 5 measured manual responses when participants were instructed to maintain fixation. Experiments 2, 4, and 6 measured both manual and oculomotor responses when no instructions about eye movements were provided. The results indicated no reliable social attentional biasing in Experiments 1 to 5, however, a reliable saccadic bias toward the eyes of attractive upright faces was found in Experiment 6. Together, these results show that perceived facial attractiveness may be an important general factor in social attentional biasing. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».