The McGill Diverse Face Database: 92 Complex Mental States Across Socially Perceived Racial Categories
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Theory of Mind (ToM)—the ability to infer others’ mental states—is fundamental to social cognition. Social categorization, the grouping of individuals into in-group or out-group categories, shapes these inferences. These processes co-occur during facial perception, with recent research suggesting both shared neurocognitive mechanisms and modulation of ToM by social category cues. However, existing tools for studying the impact of racial diversity on social cognition are limited: some databases prioritize racial representation but restrict stimuli to the six basic emotions, while others broaden mental state diversity but lack diversity in social appearance. Here we introduce the McGill Diverse Face Database, a validated set of 1,286 images of 14 actors from socially perceived racial categories portraying 92 complex mental states. Validation included three experiments: (1) a four-alternative forced-choice task assessing recognition accuracy, (2) a “point-and-click” task rating valence and arousal in a two-dimensional affective space, and (3) a trait-rating task evaluating perceived actor characteristics. Participants accurately identified mental states across categories (77 % of stimuli). Mean valence–arousal ratings revealed a non-linear one-dimensional manifold structure that correlated with behavioral measures. An interactive online visualization allows users to explore this “Theory of Mind manifold” (https://hctor99.github.io/TheoryofMindManifold/). By integrating social-category diversity with complex emotional expression, this database provides a new resource for studying how socially perceived group membership shapes the perception and inference of mental states.
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,079 |
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 découle