Challenging Assumptions and Exploring New Applications of Social, Cognitive, and Evolutionary Theories of Voice Perception
Notice bibliographique
Résumé
Voice perception is an integral component to social connection and communication. Using the sound of a voice we infer information about a speaker’s physical, psychological, and emotional characteristics. These impressions that are formed have the potential to influence behavioural responses to others. This thesis examines some of the fundamental assumptions of voice perception by replicating and extending their findings. In chapter 2, the assumption that exposure to voices alters how attractive voices are was tested. We did not find evidence that increased exposure to high- or low- pitched voices affected attractiveness judgements. Given that exposure to voices did not alter their perceived attractiveness, we were curious to explore if attractiveness judgements were part of first impressions people formed from voices. In chapter 3, we explored what people consciously thought about when listening to voices. We then used machine learning to organize and analyse free form descriptions of participant impressions of voices. A diverse set of topics were used when talking about voices including gender, accent, and social traits. We also confirmed that valence, dominance, and attractiveness were all important social dimensions even when participants were not prompted by researchers to evaluate traits on those domains. We followed these results by testing if the same model of dominance, trust, attractiveness, and competence applied in a practical setting. We had participants judge the voices of doctors and nurses. Low-pitched female voices were perceived as more competent sounding than male voices when they were labelled as belonging to doctors. Low-pitched voices were judged as more dominant regardless of voice sex and profession and high-pitched female voices and low-pitched male voices were judged as most attractive regardless of profession. We replicated previous findings for attractiveness and dominance perceptions and extended the work by applying it to a novel context. Our findings challenge and expand on existing assumptions of voice perception.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,016 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».