MétaCan
Menu
Retour à la cohorte
Enregistrement W4412439205 · doi:10.1167/jov.25.9.2476

Emotional gaze increases target temporal processing

2025· article· en· W4412439205 sur OpenAlexaff
Florence Mayrand, Sarah D. McCrackin, Jelena Ristic

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGazePsychologyCognitive psychologyComputer scienceComputer vision

Résumé

récupéré en direct d'OpenAlex

Human attention is spontaneously oriented in the direction of eye gaze, with such gaze following behavior enhanced when a face shows an emotional expression. Here we investigated how emotional eye gaze affects the temporal precision of target perception. Participants viewed a face that either maintained a neutral expression or displayed an emotional reaction (fearful or happy) upon averting its gaze to the left or right. Two peripheral targets were presented, one to the left and another one to the right of the face. These targets were temporally offset by 0ms, 50ms, 100ms, or 150ms. Participants performed a temporal order judgement, reporting on which target appeared first (left or right). Data showed greater accuracy when the first target appeared at the gazed-at location, demonstrating that eye gaze facilitates temporal perception. Greater sensitivity for target timing at gazed-at locations was also supported by steeper response curves (reflecting proportion of right vs. left responses) and was further modulated by the emotional expression of the face, such that increased temporal target perception was present when faces displayed emotional expressions (fearful and happy) but not when they remained neutral. Together, these findings show that eye-gaze perception enhances the temporal processing of targets at gazed-at locations, and particularly so when the face display an emotional expression. This potentially reflects an adaptive mechanism that facilitates rapid responses to biologically relevant emotional face stimuli.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,201

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,292
Écart entre enseignants0,282 · 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 tête enseignante, 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207