Religious labels and food preferences, but not country of origin, support opposing face aftereffects
Notice bibliographique
Résumé
Face templates can be experimentally manipulated, and category-contingent aftereffects suggest discrete templates across social groups. We tested whether 1) explicit religious labels, 2) food preferences, and 3) country of origin would support religion-contingent aftereffects across Christians and Muslims face sets. While viewing face images, ninety-three participants heard audio that stated either 1) a character's religious identity, 2) preferred food, or 3) country of origin. Participants viewed contracted Christian faces and expanded Muslim faces during the training phase. To measure adaptation, before and after the training phases, participants selected the face out of a pair of expanded and contracted Christian or Muslim faces that they found more attractive. Contingent aftereffects were found in the religious explicit ( t (30) = 2.49, p = 0.02, Cohen's d = 0.58) and food conditions ( t (30) = −3.77, p < 0.01, Cohen's d = −0.82), but not the country condition ( t (30) = 1.64, p = 0.11, Cohen's d = 0.31). This suggests that religious labels and food preferences create socially meaningful groups, but country of origin does not. This is evidence of an impact of social categorization on visual processing. • Replicated Foglia et al. (2021) who found that religious labels support category-contingent aftereffects. • Social information delivered via the auditory domain affects the categorization of faces. • Food preferences support the formation of aftereffects as reliably as religious labels do. • Country of origin does not support the formation of aftereffects. • Religious labels and food preferences effectively cue social category membership.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».