The face superiority test: A novel method of studying face perception
Notice bibliographique
Résumé
Aims/Purpose: There are several studies that compare written word and face perception. However, many draw conclusions upon different experimental paradigms, complicating direct comparison between these stimuli. We aim to create a novel paradigm studying face recognition that closely resembles the word‐superiority test. Methods: 40 subjects participated in the study. Each completed both a traditional word‐superiority test and our novel face‐superiority test. In the face‐superiority tests, patients were presented with either a familiar face (real), an unfamiliar face (pseudo‐), or a scrambled face (non‐) initially, then presented with a face feature in isolation and tasked to respond with whether the feature was present in the aforementioned face. Statistical analyses and bivariate correlation analyses were conducted to identify relationships in intra‐ and inter‐stimulus trials. Results: For both categories of stimuli, there were similar differences between non‐, pseudo‐, and real stimuli. Accuracy was lower for non‐stimuli compared to pseudo‐ and real stimuli, which in turn did not differ between each other. There was greater response latency for non‐stimuli compared to pseudo‐stimuli, which in turn was greater than real stimuli. Bivariate analyses revealed significant correlations between inter‐stimulus trials for reaction times. Conclusions: Our study was able to replicate a face superiority effect utilizing a similar methodology from the word‐superiority test. Additionally, we provide evidence that response latency follows similar patterns in the recognition of written words and faces.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».