MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311803087 · doi:10.1167/jov.22.14.4412

Face and object neural processing using Mass Univariate Statistics

2022· article· en· W4311803087 sur OpenAlexaff
James Siklos-Whillans, Roxane J. Itier

Notice bibliographique

RevueJournal of Vision · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNasionUnivariateFixation (population genetics)Artificial intelligenceGazeOrientation (vector space)Fixation timeComputer sciencePattern recognition (psychology)StatisticsPsychologyMathematicsAudiologyBiologyMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

Recent Event Related Potentials (ERPs) studies using eye-tracking and a gaze contingent approach to control gaze fixation location have shown that the face-sensitive N170 ERP component was modulated when participants’ gaze was fixated on the different facial features of upright or inverted faces (Nemrodov, et al. 2014; Itier & Preston, 2018). In the first experiment we re-analyzed these data sets with Mass-Univariate statistics using the LIMO toolbox. These statistics are more resistant to Type I & II errors and allow the investigation of all time points and electrodes (Pernet, et al. 2011). The results revealed a significant effect of fixation location, orientation, as well as their interaction. These significant differences were widespread across the scalp and were maximal before and after the N170 ERP component. Both main effects were largest during the P1 to N170 and N170 to P2 windows. The face inversion effect was maximal for the nasion fixation around 130ms, i.e. about 20ms before the N170 peak. In the second experiment (unpublished) the exact same experimental paradigm was used, except the images were of upright and inverted houses. The results showed a fixation and orientation effect of houses as well as a small interaction between the two. However, these effects occurred over a much smaller time window and were considerably smaller in magnitude with F values much lower than those seen with faces. These results suggest that face and house processing are differentially impacted by orientation and fixation location. Critically, most of these processes occurred outside of the N170 peak, emphasizing the need to move towards robust statistics to unravel the time course of face and object neural 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,347
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetFace Recognition and Perception→Travaux en français237 207→