Notice bibliographique
Résumé
Unlike reading or scene perception, the utility of eye tracking for purposes of studying face processes is limited given that recognition typically occurs within one or two saccades. However, if processing time is extended for a longer duration, eye tracking can be useful for uncovering the strategies mediating face discrimination decisions. To achieve this, we employed a change detection paradigm where two faces were continuously presented with an intervening noise mask until the participant made a “same” or “different” response. The faces were either identical or differed in their featural or configural properties and shown in their upright and inverted orientations. Featural differences were either in the size of the eyes or the mouth. Configural differences were either in the horizontal distance between the eyes or vertical distance between nose and mouth. Eye movements were analyzed in terms of the location of the first fixation, location of last fixation and location of aggregate fixations. Initial fixations to upright face were predominantly directed to the eye area whereas first fixations to inverted face were equally distributed to eyes and the nose area. In terms of accuracy, inversion differentially impaired the detection of featural and configural changes in mouth region than the eye region even though more and longer eye fixations were allocated to this area. Overall, the nose was attended to more on configural change trials than on featural change trails regardless of the orientation. The analysis of last fixations revealed that changes were more likely to be detected if the last fixation was located in the region where the change occurred indicating that the eye movement behavior was predictive of change detection performance. In short, this study showed that face strategies are accurately reflected in eye movement behaviors when the task is self-paced and requires additional processing time.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».