Exploring Spatial Frequency and Orientation Tunings for Face Recognition in Eight Cultural Groups
Notice bibliographique
Résumé
East Asians use lower spatial frequencies (SF) compared to Westerners while processing faces (Tardif et al., 2017). These differences have been attributed to culture; however, the underlying mechanism remains unclear. While many hypotheses exist (e.g. social orientation, urbanisation), having data for only two cultural groups makes generalisation difficult/iffy at best. The present study addresses this limitation by measuring SF tunings across eight cultural groups. Preliminary data was collected in Sub-Saharan Africa (n = 70), East Asia (n = 45), Eastern Europe (n = 83), English speaking countries (n = 63), Latin America (n = 89), Middle East (n=50), Southern Asia (n=72) and Western Europe (n=78). Targeted sample size is n=80 for all groups, as pre-registered on the OSF. Participants completed 600 trials of a same/different face matching task online using VPixx Pack & Go (VPixx Technologies, 2021). Target stimuli were filtered using SFO Bubbles, allowing for the sampling of all combinations of SF and orientations (Gingras et al., 2022). A weighted sum of all filters was computed to reveal SFO use for each participant as a 2D classification image. Preliminary analyses comparing the top 1% of t-scores across cultures reveal no differences in orientation tunings but reveal that Eastern and Southern Asians, as well as Sub-Saharan Africans, use lower SF compared to Western Europe/English countries. This is inconsistent with the recently proposed urbanization hypothesis (Caparos et al., 2012), according to which African cultures should show a local bias (and therefore use higher spatial frequencies). While the social orientation hypothesis is more consistent with our results, it fails to predict other visual effects, such as the Ebbinghaus illusion (Caparos et al., 2012) or eye movements (Gingras et al., in press). Other theories, applicable not only to East Asia, but to Southern Asia and Sub-Saharan Africa as well, should be explored.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 0,001 |
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 ».