Kjønn i ansiktsstemningsintegrasjon (Face-Voice)

Bayesiske oppfatningsmodeller representerer en lovende tilnærming for å beskrive informasjonsbehandling av hjernen. Forutsigende koding hypoteser en prosess der forventningene til ovenfra og ned sammenlignes kontinuerlig på tvers av flere hierarkiske nivåer med sanseinnganger fra bottom-up, og forskjellene eller feilsignalene blir forplantet i en bottom-up retning. Etterforskerne antar at sterke forventninger er best undersøkt i ekspertprosesser som ansikts- og stemmegjenkjenning hos mennesker. Personer i komplekse sosiale systemer må hente ut sosialt relevant informasjon på en rask og effektiv måte; Derfor utgjør flertallet av mennesker ansikts-, stemme- og kjønnseksperter. Likevel er det ikke blitt forsøkt å koble slike kombinerte evner til hjerneaktivitet med hensyn til den prediktive kodingshypotesen. Våre resultater antyder asymmetriske bidrag fra visuelle og auditive signaler til kjønnsklassifiseringsoppgaven. Denne sensitive psykofysiske prosedyren implementeres i en avkodingsmetode ved bruk av fMRI og multi-voxel mønsteranalyse (MVPA). Etterforskerne planlegger å teste om kortikale områder som er involvert i prosessering av auditive og visuelle kjønnssignaler viser lignende asymmetri.