Do emotional ensembles shape behavior? Investigating the role of average emotional expression in approach-avoidance decisions
Notice bibliographique
Résumé
The visual system efficiently processes multiple sources of information by leveraging ensemble encoding, the ability to extract statistical summaries (e.g., the average size of circles) from sets of similar objects. This also occurs for high-level stimuli such as faces, and summary statistics such as the average expression in a crowd of faces provides critical cues about the intentions of others. Emotional expressions are pervasive drivers of decision-making, and similarly, affective images, such as the valence of photographs, have been shown to significantly influence approach-avoidance decisions. While ensemble processing has been extensively studied in visual perceptual tasks, its influence on approach-avoidance decisions, a fundamental aspect of human behavior, remains insufficiently explored. To address this, we examined how ensemble processing influences approach-avoidance decisions in real-world scenarios, namely, when deciding whether or not to watch a movie. To investigate this, we examined the relationship between implicit ensemble processing (i.e., passive viewing of ensemble stimuli) and approach-avoidance behavior. Participants viewed ensembles of six faces expressing a positive, negative, or neutral average emotion. Following the presentation of each face ensemble, participants completed an approach-avoidance task using a social decision-making paradigm. Specifically, participants were presented with a positive, negative or neutral movie poster and then quickly decided whether or not they would prefer to watch the depicted film. We found that average expression did not influence approach-avoidance behaviors towards affective movie posters. Instead, viewing decisions depended only on the affective content of the movie poster, independent of the face ensemble it was paired with. Critically, this research deepens our understanding of the intersection between ensemble processing and decision-making. As a next step, we will test whether explicit ensemble processing influences approach-avoidance decisions, as explicit judgments of an average feature are known to create more precise ensemble representations compared with implicit processing.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».