MétaCan
Menu
Retour à la cohorte
Enregistrement W4386330779 · doi:10.31234/osf.io/p7cng

Provoked overt recognition in acquired prosopagnosia using multiple different images of famous faces.

2023· preprint· en· W4386330779 sur OpenAlexfundno aff
David Pitcher, Rebekah Caulfield, A. Mike Burton

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensnon disponible
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilLaidlaw Foundation
Mots-clésCovertPsychologyFacial recognition systemFace (sociological concept)PerceptionCognitive psychologyThronePattern recognition (psychology)LinguisticsPolitics

Résumé

récupéré en direct d'OpenAlex

Provoked overt recognition refers to the fact that patients with acquired prosopagnosia can sometimes recognise faces when presented with arrays of individuals from the same category (e.g. actors or politicians). Here we ask whether a prosopagnosic patient might experience recognition when presented with multiple different images of the same famous face simultaneously. Over two testing sessions, patient Herschel, a 66-year-old British man with acquired prosopagnosia viewed face images individually or in arrays. On several occasions he failed to recognise single photos of an individual but successfully identified that person when the same photos were presented together. For example, Herschel failed to recognise any individual images of King Charles III, four days after he had acceded to the throne (i.e. at peak media exposure) but nevertheless recognised him in an array of these same pictures. Like prior reports of provoked recognition based on category membership, overt recognition here was transient and inconsistent over individual faces. These findings are discussed in terms of models of covert recognition, alongside more recent research on the importance of within-person variability for face perception.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,232
Tête enseignante GPT0,341
Écart entre enseignants0,109 · 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 PerceptionTravaux en français237 207