Real-world familiarization: Faces become familiar through short-term naturalistic exposure
Notice bibliographique
Résumé
Previous research suggests that adult recognition is impaired by the passage of time and changes in appearance, even for familiar faces. However, few studies have investigated the process of familiarization in a naturalistic setting. In the current study, we use the popular television series New Amsterdam to investigate how increased exposure can improve human recognition performance as faces transition from unfamiliar to familiar. Participants were asked to complete two old/new recognition tasks, 1 week apart. At Time 1, participants were shown ambient images of celebrities from the show New Amsterdam, one at a time, for 5 seconds each. After a distractor task, participants completed an old/new recognition task with new images of the New Amsterdam celebrities and of new celebrities. Participants were randomly assigned to one of two conditions: a) exposure, in which they were asked to watch five episodes of New Amsterdam; and b) control, in which they were asked to watch five episodes of Greys Anatomy. At Time 2, participants completed a second old/new recognition task with different images. Face recognition accuracy was measured as the hit rate (labeling an old image as old and a new image as new). Using a signal detection framework, we will calculate a sensitivity score for each participant to assess their recognition accuracy. Preliminary data from 6 adult participants reveal that overall participants were similar in accuracy when in the exposure condition (mean % = 78.1) versus the control condition (mean % = 76.6). We are currently recruiting 100 participants and expect to find greater recognition accuracy for New Amsterdam celebrity faces in the exposure condition at Time 2 compared to Time 1, but that recognition accuracy will remain the same at both times in the control condition. These results will offer insight into how faces become familiar through short-term naturalistic exposure.
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) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».