L’automaticité de l’effet contextuel dans la perception des expressions émotionnelles faciales et corporelles : approche neuroscientifique
Bibliographic record
Abstract
Je tiens à remercier particulièrement Simon Rigoulot, mon directeur de thèse, pour la confiance qu'il m'a accordée tout au long de ces années.Tes conseils avisés et ton expertise ont été essentiels dans mon développement en tant que chercheuse.Merci d'avoir soutenu mes idées, même lorsque celles-ci sortaient des sentiers battus.Ton encadrement bienveillant, ton écoute et ta disponibilité ont été un moteur précieux tout au long de mon parcours.Merci de m'avoir embarquée dans cette aventure, même si, paraitil, je n'étais pas ton premier choix… Comme quoi, le meilleur n'est pas toujours celui qu'on attend Je souhaite également remercier Solène Kalénine et Yannick Wamain qui ont su éveiller en moi l'intérêt et la passion pour la recherche scientifique.Nos échanges, vos conseils et votre présence ont profondément marqué mon parcours.Réaliser mon mémoire de master à vos côtés fut une décision déterminante, tant pour les compétences que j'ai pu acquérir que pour la qualité de votre accompagnement.Je vous remercie aussi pour les nombreuses opportunités que vous m'avez offertes, notamment celle de contribuer à ma première publication scientifique.Je remercie Guillaume Vallet et Benjamin Boller, membres de mon comité d'évaluation, pour la richesse de leurs retours, la justesse de leurs conseils et l'attention portée à mon travail, qui a permis d'en améliorer significativement la qualité.Je remercie xxi également Pierre Maurage et Fabien D'Hondt pour leur accueil dans leur laboratoire et leur confiance.Je suis également reconnaissante envers mes collègues du laboratoire : Simon, Gasser, Mathias et Annabelle.Au-delà de la recherche, vous m'avez accueillie, fait découvrir le Québec et partagé votre culture.Votre amitié, votre écoute et votre humour ont été un vrai soutien au quotidien.Vous serez toujours les bienvenus en Europe, et je répondrai toujours présente à chaque : « demande à Anne-So »! Je ne saurais clore ces remerciements sans évoquer Laetitia Tiri, ma meilleure amie, ma partenaire de vie, ma femme.Merci d'avoir tout quitté pour me suivre dans cette folle aventure de doctorat au Canada.Ton amour, ta confiance en moi, ta patience face aux doutes, ton humour, ta sensibilité et ton énergie m'ont portée à chaque étape.Tu as été ma force dans l'aboutissement de ce travail.Merci de me pousser à croire en moi, de m'écouter, et de me faire sortir de ma grotte quand cela est nécessaire.Merci d'écrire cette vie à mes côtés depuis maintenant sept ans.J'ai hâte de vivre ce nouveau chapitre de notre histoire avec la naissance de notre petite fille, Maxine.Je remercie également ma famille : Christine, Gilbert et Monique.Même si vous n'avez pas toujours compris en quoi consistait exactement mon travail, vous m'avez toujours soutenue, encouragé et montré votre fierté.Cela m'a donné la force d'avancer.xxii Enfin, je tiens à me remercier moi-même.Une thèse représente un investissement important sur plusieurs années, une aventure à la fois intellectuelle et humaine, exigeante, formatrice et souvent bouleversante.J'ai persévéré malgré les difficultés, cru en mes capacités et appris qu'il fallait parfois ralentir pour mieux avancer.Je suis fière d'être allée au bout de ce projet et d'avoir mené un travail de recherche rigoureux et ambitieux.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".