Impact of face outline, parafoveal feature number and feature type on early face perception in a gaze-contingent paradigm: A mass-univariate re-analysis of ERP data
Notice bibliographique
Résumé
Recent ERP research using a gaze-contingent paradigm suggests the face-sensitive N170 component is modulated by the presence of a face outline, the number of parafoveal facial features, and the type of feature in parafovea (Parkington and Itier, 2019). The present study re-analyzed these data using robust mass univariate statistics available through the LIMO toolbox, allowing the examination of the ERP signal across all electrodes and time points. We replicated the finding that the presence of a face outline significantly reduced ERP latencies and amplitudes, suggesting it is an important cue to the prototypical face template. However, we found that this effect began around 114 ms, and was maximal during the P1-N170 and N170-P2 intervals. The number of features present in parafovea also impacted the entire waveform, with systematic reductions in amplitude and latency as the number of features increased. This effect was maximal around 120 ms during the P1-N170 interval and around 170 ms between the N170 and P2. The ERP response was also modulated by feature type; contrary to previous findings this effect was maximal around 200 ms and the P2 peak. Although we provide partial replication of the previous results on the N170, the effects were more temporally distributed in the present analysis. These effects were generally maximal before and after the N170 and were the weakest at the N170 peak itself. This re-analysis demonstrates that classical ERP analysis can obscure important aspects of face processing beyond the N170 peak, and that tools like mass univariate statistics are needed to shed light on the whole time-course of face processing.
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 | 0,002 |
| 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 | 0,000 | 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 ».