MétaCan
Menu
← Retour à la cohorte
Enregistrement W4384067530 · doi:10.31234/osf.io/bdgm4

Mimicry and the Detection of gradual changes of facial expressions: the case of Anger, Happiness, and Identity

2023· preprint· en· W4384067530 sur OpenAlexfundno aff
Luis Carlo Bulnes, Axel Cleeremans, Kris Baetens, Marie Vandekerckhove

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensnon disponible
Organismes subventionnairesVrije Universiteit BrusselCanadian Institute for Advanced Research
Mots-clésHappinessFacial electromyographyAngerPsychologyFacial expressionEmotional expressionValence (chemistry)Facial musclesMimicryElectromyographyStimulus (psychology)AudiologyDevelopmental psychologySocial psychologyCognitive psychologyCommunicationNeuroscienceBiologyChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

In a change detection task, participants were exposed to video morphs of a neutral face gradually evolving into the expression of either Anger or Happiness (Emotional) or a change in Identity (Non-emotional). Participants had to report a change in the display as soon as they detected it. Subsequently, they were asked to identify the type of change and rate the vividness of their experience. The results showed that overall electromyography (EMG) levels of the corrugator muscle selectively decreased in response to changes in Happiness. In contrast, the zygomaticus muscle exhibited a greater decrease in response to Identity changes. When looking at the EMG signal evolution through the video presentation, both muscles exhibited an early decrease in activity in response to Happiness. However, a significant decrease in the activity of the zygomaticus muscle was observed during the detection of Anger in a later time window, indicating that the processing of Anger requires more time. A similar decrease in zygomaticus muscle activity was observed during the detection of Identity changes; however, this occurred from an early time window.Additionally, patterns of EMG spontaneous responses obtained at identification and vividness were similar to those observed at detection. The corrugator muscle activity was elicited based on stimulus valence (e.g., positive vs negative). In contrast, the zygomaticus muscle activity was differentially elicited depending on whether the stimuli were emotional or non-emotional. We suggest that spontaneous facial reactions reflect emotional valuation (i.e., significance) and categorisation (e.g., grouping) processes in a complementary manner.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,339
Écart entre enseignants0,217 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFace Recognition and Perception→Travaux en français237 207→