Attentional Mechanisms Shape the Recognition of Own- and Other-Race Faces
Notice bibliographique
Résumé
The other-race effect refers to a recognition disadvantage for other-race compared to own-race faces. Although perceptual and social factors are well-studied, attentional mechanisms are often overlooked. Recent findings using behavioral measures (Duncan et al., VSS 2022) reveal that own-race faces, unlike other-race faces, are recognized automatically. To pinpoint this effect at the electrophysiological level, the exact same dual-task paradigm was used while recording EEG. Twenty-nine White participants completed a dual-task. In each block, they memorized a pair of White (own-race) or East-Asian (other-race) faces. They then performed a tone (Target 1; T1) categorization task followed by a delayed face (Target 2; T2) recognition task whereby they were asked whether T2 more closely matched the left or right face of the memory set. T1 and T2 presentations were separated by a stimulus onset asynchrony (SOA: 150, 300, 600, 1,200ms) to control potential conflict for central attention resources. T2 difficulty was varied by presenting either full signal faces (i.e., 0% Identity 1 - 100% Identity 2), or morphed faces (i.e., 60% Identity 1 - 40% Identity 2).Behavioral results confirmed previous findings (Duncan et al., VSS 2022), showing greater automatization for own-race versus other-race face recognition. For own-race faces, task difficulty effects diminished at shorter SOAs, suggesting cognitive slack absorption and perceptual handling of difficulty. Conversely, for other-race faces, difficulty effects remained consistent across SOAs, indicating post-perceptual processing. All electrophysiological components showed attentional modulation, with the P300 component revealing a marginal interaction between attentional modulation and race. Specifically, the P300 component, reflecting the allocation of limited-capacity attentional resources, showed higher amplitudes for own-race faces under shorter SOA conditions. These findings suggest that the P300 could be a potential locus for the behavioral effect, i.e., the automatization of own-race face recognition.
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 | 0,000 | 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 | 0,001 |
| 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 | 0,001 |
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 ».