MétaCan
Menu
Retour à la cohorte
Enregistrement W7014951413

Recognising faces and reading words : investigations into visual perceptual expertise

2020· dissertation· en· W7014951413 sur OpenAlexfundno aff

Notice bibliographique

RevueWarwick Research Archive Portal (University of Warwick) · 2020
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPerceptionFrame (networking)NasalizationNoise (video)Feature (linguistics)Subject (documents)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Faces and words are ‘objects of expertise’. Both have many parts, yet are processed by expert mechanisms which emphasise the whole. The following behavioural studies investigated holistic integration in faces, and parallel-letter, lexical processing in words. People normally only read upright words, so inverting words may reveal markers of perceptual expertise. 
\n
\nStudy 1 explored the impact of word inversion on potential markers. The ‘word-length effect’ was found to be most suitable as it was only exacerbated by inversion in normal word formats. 
\n
\nStudy 2 inverted paragraphs of text to reveal further markers of perceptual expertise. 15 hours of training in reading inverted novels partially reversed many of the deleterious effects of inversion. We saw a trend to the reduction of the word-length effect, which may reflect increased use of expert mechanisms. 
\n
\nStudy 3 investigated whether expert word and expert face perception networks overlap. Subjects with prosopagnosia due to unilateral right lesions showed normal word-length effects, but struggled to differentiate visual text styles. Therefore, the expert face network in the right hemisphere may not overlap with the expert word network, but it may contribute to the perception of visual text style. 
\n
\nStudy 4 asked whether internal features contribute more than external features to mental representations of faces. Isolated internal features produced stronger identity aftereffects, supporting this idea. However, when placed in a whole-face context, the contribution of the internal features was weakened. Holistic integration therefore reduces the saliency of the internal features. This occurs in both familiar and unfamiliar faces. 
\n
\nOverall we find that word perceptual expertise is well characterised by the word length effect and may be acquired relatively quickly. However, it may not be served by the face recognition network in the right hemisphere. We also confirm that internal and external parts of faces, regardless of familiarity, are represented holistically.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,089
Tête enseignante GPT0,345
Écart entre enseignants0,256 · 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.

Devis d'étudeQualitatif
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWarwick Research Archive Portal (University of Warwick)Même sujetFace Recognition and PerceptionTravaux en français237 207