Impact of Duchenne and non-Duchenne smiles on perceived trustworthiness of Black and White faces: A Black perspective.
Notice bibliographique
Résumé
In five experiments, we investigated how Black participants perceive Duchenne and non-Duchenne smiles on Black and White targets. Results consistently demonstrated that when assessing happiness, faces with Duchenne compared to non-Duchenne smiles were rated as happier on both Black and White targets. However, when assessing a more socially evaluative dimension, trustworthiness, perceptions of Black and White targets diverged. Whereas White targets with Duchenne compared to non-Duchenne smiles were rated as more trustworthy, ratings of Black targets with Duchenne and non-Duchenne smiles did not differ, with both appraised as highly trustworthy. Although the degree to which Black participants identified with their race did not moderate these effects, the perceived genuineness of targets did mediate the relationship. One reason why Duchenne compared to non-Duchenne smiles on White but not Black targets were perceived as more trustworthy is because Duchenne compared to non-Duchenne smiles on White but not Black targets were perceived as more genuine. A final study extended these findings by exploring the impact of target race and smile type on partner choice. In accordance with the results related to trustworthiness ratings, Black participants selected White partners with Duchenne compared to non-Duchenne smiles more often but did not differentiate in their choice of Black partners with Duchenne versus non-Duchenne smiles. These findings underscore the importance of investigating not only diverse targets but also diverse perceivers. Our results suggest that Black perceivers use facial cues differently when rating the trustworthiness of Black and White targets and that these perceptions have important downstream consequences. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,004 |
| 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 | 0,001 |
| 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 ».