Attentional biases toward real images and drawings of negative faces
Notice bibliographique
Résumé
Allocation of attention is affected by internal emotional states, such as anxiety and depression. Attention captured by real images of negative faces can be quantified by emotional probe tasks. Attentional bias studies suggest that attentional bias toward negative emotional faces can occur regardless of whether the faces are photographs of real faces or line drawings. However, it is true that there are critical differences among these types of face stimuli in terms of their physical properties (e.g., exaggerated facial parts or simplified and emphasized contours) and associated facial processing. It is reasonable to assume that such differences would be reflected in the attentional biases elicited by the types of face images. The present study investigated whether attentional bias toward drawings of negative faces (line drawn faces and cartoon faces) differs from that of photographs of real faces. Non-clinical university students indicated their levels of anxiety and depression via self-report questionnaires (STAI-T and S and BDI-II) and completed a probe discrimination task under three face image conditions (the photographs of real face, line drawn face, and cartoon face conditions) in a between-participants design. We examined correlations between bias scores and self-report scores. Significant correlations were found between bias scores and scores on the self-reported STAI-S (r = .266, p = .040) and BDI-II (r = .321, p = .012) under the real-face condition. However, both line drawn faces and cartoon faces were only weakly correlated with self-report scores. The present results suggest that photographs of real faces are more likely to elicit attentional bias than non-real faces, and are thus preferable for probe tasks investigating attentional bias related to facial stimuli in non-clinical adult populations.
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 | 0,000 | 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 | 0,000 | 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) | 0,003 | 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 ».