Within-person variability contributes to more durable learning of faces.
Notice bibliographique
Résumé
Exposure to the natural, unsystematic within-person variability present across different encounters with a face (e.g., differences in emotion, makeup, and hairstyle) increases the likelihood the face will be recognized despite changes in appearance. In most studies, participants' memories are tested with a matching task administered shortly after exposure to a set of training images. In the real world, however, the time between when a face is first encountered and when it needs to be identified can be much longer. We hypothesized that in addition to facilitating acquisition of a representation of a face, unsystematic variability might also lead to better retention. To test this, in two experiments participants were randomly assigned to one of three training conditions: (a) no variability (still image), (b) systematic variability (changes in camera angle and pose in an otherwise constant setting), and (c) unsystematic variability (changes in hairstyle, makeup, clothing, and setting). Participants completed a sorting task 15 min and 5 days after viewing the target identity. Unsystematic variability led to better recognition than systematic variability, and this benefit was not reduced after a 5-day delay. Although participants expected their memory to be worse with a 5-day delay than with a 15-min delay, both overall accuracy and the advantage for training with unsystematic variability were virtually unaffected. The results suggest that exposure to unsystematic variability influences not only the initial acquisition of faces but also contributes to establishing a durable, flexible representation of faces in memory. (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 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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».