Impact of task demands and fixation to features on the time course of facial emotion processing
Notice bibliographique
Résumé
The time course of facial emotion processing remains debated. Recent studies have suggested that facial features specific to an emotion are critical for accurate facial emotion discrimination. We investigated whether fixating on these diagnostic facial features impacted the time course of facial emotion processing and whether this varied as a function of task. ERPs were recorded in response to presentations of fearful, joyful or neutral faces while fixation was restricted to the left eye, right eye, nose or mouth using an eye-tracker. In the explicit emotion discrimination task, emotion only impacted the Early Posterior Negativity (EPN) (230- 250ms post-stimulus) that was largest for fearful faces, followed by happy, and smallest for neutral faces. In the oddball detection task where participants responded to flower target images, fearful and neutral faces elicited larger responses than happy faces on the P1 component (80- 130ms post-stimulus); fearful faces also elicited larger responses than neutral faces on the face-sensitive N170 component (120-220ms post-stimulus), but no modulation by emotion was seen on the EPN. In addition, in both tasks, the N170 was larger for fixation to the left and right eye compared to the nose and mouth regardless of facial emotion. Thus, fixation on diagnostic features did not impact the time course of emotion processing but the N170 response to eyes suggests the involvement of an eye-detector in the face structural encoding stages. Results also suggest earlier processing of emotion in expression-irrelevant compared to expression-relevant tasks. Meeting abstract presented at VSS 2014
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».