La face animale et le visage humain sont-ils équivalents ? Une étude dans le cadre de la théorie de la charge perceptuelle
Bibliographic record
Abstract
Il a été démontré que c’est le niveau de charge perceptuelle qui détermine la réussite ou l’échec de l’exclusion d’un distracteur lors d’une tâche attentionnelle (Lavie, 1995). Lavie, Ro et Russell (2003) ont démontré que le visage humain est le seul distracteur qui va à l’encontre de la théorie de la charge perceptuelle, dans le sens qu’il est impossible de l’ignorer et ce, même en situation de charge perceptuelle élevée. Par ailleurs, plusieurs évidences scientifiques soutiennent l’idée que la stimulation visuelle provoquée par des représentations d’animaux active la même zone cérébrale que celle activée par les visages humains, soit l’aire fusiforme des visages. La présente étude vise donc à vérifier si la représentation d’une face animale utilisée comme distracteur dans une tâche attentionnelle de classification de noms produit le même effet de résistance à la distraction que le visage humain. Nos résultats n’ont pas corroboré cette attente et suggèrent que le visage humain demeure le seul stimulus qui va à l’encontre de la théorie de la charge perceptuelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".