Updated: Nov 23

School of Human Sciences

Face and Voice Recognition Lab

Institute of Lifecourse Development

University of Greenwich

London

www.superrecognisers.com

super-recognisers@greenwich.ac.uk

Twitter: @GRecognisers


21 November 2021


Please see below for a German version - siehe unten für eine deutsche Version


University of Greenwich Face and Voice Recognition Lab: Volunteer Participant Pool


Thank you to members of our volunteer pool who contribute to our research. We have been asked many times by volunteers, “what is a good score on these tests?” and we hope this blog will help answer that question.


Volunteer participant pool


The volunteer participant pool of the Face and Voice Recognition Lab of the University of Greenwich was established in 2015, when the Could you be a Super-Recogniser Test (see Davis, 2019), and the Glasgow Face Matching Test (GFMT; Burton et al., 2010) were first uploaded to our website. Participants could leave their e-mail address if interested in taking part in future research and they provided consent for us to retain test scores.


Later, the Cambridge Face Memory Test: Extended (CFMT+; Russell et al., 2009) was added to the test battery, followed by the Old/New 30-60 Short-Term Face Memory Test (STFMT3060, at one time described as the Adult Face Memory Test: Robertson et al., 2019) in 2019, and lastly the Kent Face Matching Test (KFMT; Fysh & Bindemann, 2018) in 2021.


We have additionally asked participants if we could retain scores on other tests (e.g., Greenwich Voice Recognition Test). However, only a subset of participants from the volunteer pool have taken these tests, which is why they are not reported here. All participants have been invited to take the four primary tests.


Over a million participants from around the world completed the Could you be a Super-Recogniser Test within a few months (about 7 million now, see Appendix A), and we soon found that those who left their contact details for future research invites tended to be far better at face recognition than what would be expected of a representative sample randomly drawn from members of the public. In other words, participants taking part in our tests tend to score higher on average than the general population. There is clearly a self-selection bias at work.


It is most likely that super recognisers (even though rare in the population) are far more likely than non-super-recognisers to volunteer to take part in our research.


For this reason, please do not be deterred from contributing to our research if your test results appear disappointing in comparison to some others. If we invite you to our research, we are always very grateful for your contribution. We will never invite someone who is ineligible for a specific project. We do not want to waste anyone’s time.


But who signs up to contribute to our research?


At the time of writing, we have contact details of 48,093 participants. At one time there were over 100,000, but when GDPR was introduced in 2018, all were e-mailed to check they wished to remain on the database. If no reply was received, their record was deleted. The pool was reduced to about 38,000 and it has been growing ever since. About 550 were added in November 2021 (approximately 25 asked to be removed).


Not all volunteers, have, however, provided a full set of the demographic data we request (age = 41,317; gender = 41,824; ethnicity = 47,419; country = 45,608; all four = 37,913). The reliability of these data is important, as a large body of research suggests that these factors can impact face recognition ability, and scores on different face recognition tests. Most people are aware of the cross-ethnicity effect (e.g., see Meissner & Brigham, 2001 for a review), in that people tend to be better at recognising faces from their own ethnicity than other ethnicities. Some research has found similar cross-age (e.g., Anastasi & Rhodes, 2005), and cross-gender effects (e.g., Herlitz & Lovén, 2013). It is possible these effects are driven by levels of contact with those from specific out-groups (Meissner & Brigham, 2001). For instance, someone whose ethnicity is East Asian, but who lives in Europe, may be more likely to score higher on a test comprising White faces only, than a gender- and age-matched individual who lives in East Asia.


With collaborators we have investigated the cross-age (Belanova et al., 2018), and cross-ethnicity effects (Carroll et al., 2021; Robertson et al., 2020) in super-recognisers.


Location: Table 1 provides an indication of where most members of the pool claim to live. Not surprisingly as the University of Greenwich is in London, over 20% of the volunteer pool come from the UK. The proportion of the pool located in other countries is probably dependent on the impact of media articles about super-recognition.


Table 1: Percentage of the volunteer pool from participants from the top 30 countries


What has been lost is that prior to the clear out following GDPR, the fourth highest proportion came from China. Hardly any members of the volunteer pool claim to be from China now. On the opposite extreme, when the pool was first established, 17 claimed Antarctica as their home. One e-mailed to say they were working on a scientific base on the south pole. On the other hand, another participant once e-mailed from the ice cap in the far north. They took the tests while sheltering from a storm. While e-mailing, they commented they could hear a polar bear outside.


Gender and age: Over 38% of respondents describe themselves as male, over 61% as female. The mean age of the pool at about 39 years is far higher than that of typical student participants recruited to most research (Figure 1).


Figure 1: Age distribution of volunteer pool


Ethnicity: Slightly worryingly to us, as it demonstrates a lack of representativeness, is that the vast majority of members of the pool describe their ethnicity as White (85.4%). Although this statistic is very similar to the proportion of White people in England and Wales (86%; Gov.uk, 2020), our participants come from around the world. This will limit some conclusions we can make about our research, as the proportion of White people in the world population is clearly far lower. One reason may be linked to the fact that the tests described in this blog only contain White faces. We may be inadvertently deterring people from other ethnicities from contributing – we are highly conscious of this. We do employ tests containing faces of other ethnicities in our research and in our tests with police forces and businesses (see examples here and here). However, we do restrict access to these multi-ethnic face recognition tests for job deployment purposes, so as to ensure that no one taking them has an advantage from having taken the same tests previously.


Why do these tests contain White faces only? We wrote a previous blog about this, but when asking for volunteers to provide new images of themselves for new face recognition tests, we have found that White participants are far more likely to help. This is perhaps understandable given the regular negative media reports about errors associated with some computerised face algorithm research. It has also come to light that some of this research (not our research) has used facial stimuli of people who never provided consent for their images to be used in this way. For all our research, we want to be 100% assured that everyone depicted has given their informed consent for image use. So much so, that we prefer participants who have taken our tests to provide facial images, as they will be properly informed as to the likely purpose their images will be used.


Nevertheless, the relative lack of suitable images has meant that we have not, as yet, been able to create freely available tests on the internet containing non-White faces. We hope to find a way to arrange this in the future.


(You are welcome to help by uploading your images here – there is a monthly prize draw).


Test results (see Appendix B for test descriptions, Appendix C for links)


As we often receive emails from participants wondering how their scores compare to those of other participants, the distributions of the test scores for each of the main four tests taken by our participant pool are shown in Figures 2-5. From these, you should be able to compare your own scores with those of other participants on the database to get a very rough idea of how you may rate your face recognition skills.


Far more reliably, you can also compare your scores with those expected from typical members of the public, as we have superimposed lines (in green) representing the approximate mean score achieved by what we believe is probably the most representative sample drawn from members of the public on three of the four tests.


We have also included two lines representing the values one standard deviation (SD) above and one SD below the mean from those samples. Approximately, 68% of the population would be expected to generate a score that falls within those two lines (in red), whereas, in contrast, only 16% would be expected to score above the upper line on the right of each figure.


No one has yet recruited an independent representative sample of participants who have taken the Old/New 30-60 Short-Term Face Memory Test, so we are currently unable to provide similar data for that test.


Figure 1: Cambridge Face Memory Test: Extended (CFMT+) scores

Note: CFMT+ “General public” data (n = 254) were reported in Bobak et al. (2016)


Figure 2: Glasgow Face Matching Test (GFMT) scores

Note: GFMT “General public” data (n = 194) were reported in Burton et al. (2010)


Figure 3: Kent Face Matching Test (KFMT) scores

Note: KFMT “General public” data were compiled from three articles (Fysh, 2018; Fysh & Bindemann, 2018; Gentry & Bindemann, 2019).


Figure 4: Old/New 30-60 Short-Term Face Memory Test (STFMT3060) scores



Defining super-recognisers for police and business projects


We are certain that many people reading this blog will be hoping to find out if they can be defined as a super-recogniser based on their scores on these tests. Our answer is that if your scores are in the highest range on all four tests there is an extremely good probability that you may be a super-recogniser. However, as noted, with police and business projects we use additional tests with different designs that contain faces of different ethnicities, and indeed, of different ages. We believe that to be offered employment drawing on their skills, super-recognisers need to be able to generate exceptional scores on a wide range of different tests. The tests we use measure four main components (see Davis, 2019, Davis, 2020). Three of these components are short-term face memory (as also measured using the CFMT+ and SFMT3060), simultaneous face matching (as also measured using the GFMT and KFMT), and spotting faces in a crowd (see Davis et al., 2018 for a description of an early version of this test).


The fourth component, however, long-term face memory ability, may best represent how super-recognition is perceived in the minds of super-recognisers themselves. Definitions of super-recognition in the media and in research articles also often refer to super-recogniser’s superior ability to recognise people spontaneously and reliably after delays of months or even decades. In that time the appearance of those people will have changed.


We have published one two-experiment paper examining face memory retention for up to two months only (Davis et al., 2020). Many participants classified as super-recognisers based on their CFMT+ and GFMT scores only, performed quite poorly on these tests of long-term face memory. There may be many reasons for poor performance on any face recognition test that bear no relationship with true ability (e.g., distractions, illness, lack of sleep, internet disruptions). These factors may have a greater impact as the gap between learning and test phases widens. Nevertheless, it could be argued that highly superior long-term face memory is the hallmark of super-recognition. None of the four tests described in this blog measure this skill. Therefore, we are naturally wary of certifying someone as a super-recogniser unless they have completed the full set of tests we use for police, some of which should be taken in invigilated examination conditions.


Can members of the public take the face recognition tests we use with police?


It is possible for members of the public to take the full set of tests. The University of Greenwich has a research consultancy contract with Super-Recognisers International (https://superrecognisersinternational.com/), who can arrange for administration of the tests. Those who achieve our Super-Recogniser criteria across all four components (scores expected by approximately the top 2% of the population), or our Super-Matcher criteria (scores expected by approximately the top 2% of the population on the simultaneous face matching tests only) can additionally become a licensee of the Association of Super-Recognisers (https://www.associationofsuperrecognisers.org/). Certificates are issued for those achieving standards.


However, Super-Recognisers International will charge for this service. There are substantial costs involved in administering tests that are partly conducted in examination conditions with someone either present in the room or remotely monitoring progress. Some licensees have secured jobs based on their test results, and therefore all involved must be assured that high scores have been achieved in reliable conditions. The examination-administered tests are normally incorporated into training courses that provide a wider insight into legal and technical issues associated with jobs in which superior face recognition skills are important. Please contact these organisations if you are interested in finding out more.


Ethics associated with our volunteer pool database


All participants give their consent for their data to be stored. In a second repository the participants' email addresses are also stored so that they can continue to be invited to participate in future research. When the EU General Data Protection Regulation (GDPR) went into effect in 2018, all participants were again informed by email about saving their data. If there was no response, the corresponding data was deleted. Those participants who decide to take part in the tests since then immediately receive the information about GDPR and about the possibility to withdraw their consent at any time.


More information about our ethical and data protection procedures can be found here.


References


Anastasi, J. S., & Rhodes, M. G. (2005). An own-age bias in face recognition for children and older adults. Psychonomic Bulletin & Review, 12, 1043-1047. DOI: 10.3758/BF03206441


Belanova, E., Davis, J. P., & Thompson, T. (2018). Cognitive and neural markers of super-recognisers' face processing superiority and enhanced cross-age effect. Cortex, 98, 91-101. DOI:10.1016/j.cortex.2018.07.008 (Download pre-print here: https://bit.ly/bdtb2018)


Bobak, A. K., Pampoulov, P., & Bate, S. (2016). Detecting superior face recognition skills in a large sample of young British adults. Frontiers in Psychology, 7(1378). https://doi.org/10.3389/fpsyg.2016.01378


Burton, A. M., White, D., & McNeill, A. (2010). The Glasgow face matching test. Behavior Research Methods, 42(1), 286-291. DOI:10.3758/BRM.42.1.286


Correll, J., Ma., D. S., & Davis, J. P. (2020). Perceptual tuning through contact? Contact interacts with perceptual (not memory-based) face-processing ability to predict cross-race recognition. Journal of Experimental Social Psychology, 92, 104058, https://doi.org/10.1016/j.jesp.2020.104058


Davis, J. P. (2020). CCTV and the super-recognisers. In C. Stott, B. Bradford, M. Radburn, and L. Savigar-Shaw (Eds.), Making an Impact on Policing and Crime: Psychological Research, Policy and Practice (pp 34-67). London: Routledge. ISBN 9780815353577. https://doi.org/10.4324/9780429326592 (Download free pre-print here: https://bit.ly/34Phwjm)


Davis, J. P., Bretfelean, D., Belanova, E., & Thompson, T. (2020). Super-recognisers: face recognition performance after variable delay intervals. Applied Cognitive Psychology, 34(6), 1350-1368. DOI:10.1002/acp.3712 (Download free pre-print here: https://bit.ly/3slkg0m)


Davis, J. P., Treml. F., Forrest, C., & Jansari, A (2018). Identification from CCTV: Assessing police super recognisers ability to spot faces in a crowd and susceptibility to change blindness. Applied Cognitive Psychology, 32(3), 337-353. DOI: 10.1002/acp.3405 (Download pre-print here: https://bit.ly/3dtfj2018


Fysh, M. C. (2018). Individual differences in the detection, matching and memory of faces. Cognitive Research: Principles and Implications, 3(1), 1-12.


Fysh, M. C., & Bindemann, M. (2018). The Kent face matching test. British Journal of Psychology, 109(2), 219-231.


Gentry, N. W., & Bindemann, M. (2019). Examples improve facial identity comparison. Journal of Applied Research in Memory and Cognition, 8(3), 376-385.

Gov.uk (2020). Population of England and Wales. Downloaded 20 November 2021 from, https://www.ethnicity-facts-figures.service.gov.uk/uk-population-by-ethnicity/national-and-regional-populations/population-of-england-and-wales/latest


Herlitz, A., & Lovén, J. (2013). Sex differences and the own-gender bias in face recognition: A meta-analytic review. Visual Cognition, 21(9-10), 1306-1336. https://doi.org/10.1080/13506285.2013.823140


Meissner, C. A., & Brigham, J. C. (2001). Thirty years of investigating the own-race bias in memory for faces: A meta-analytic review. Psychology, Public Policy, and Law, 7(1), 3-35. https://doi.org/10.1037/1076-8971.7.1.3


Robertson, D., Black, J., Chamberlain, B., Megreya, A. M., & Davis, J. P. (2020). Super-recognisers show an advantage for other race face identification. Applied Cognitive Psychology, 34(1), 205-216. DOI: 10.1002/acp.3608 (Download free pre-print here: https://bit.ly/rbcmd2020)


Russell, R., Duchaine, B., & Nakayama, K. (2009). Super-recognizers: People with extraordinary face recognition ability. Psychonomic Bulletin & Review, 16(2), 252–257. https://doi.org/10.3758/PBR.16.2.252


Appendix A: Could you be a super-recogniser test


This fun test measures the ability to be familiarised to a face and to very shortly afterwards recognise that face from a sometimes-different angle amongst an array of highly similar foils. It consists of 14 trials in which a single black-and-white facial image is displayed for 5-sec from a frontal, 30 degree or profile view, and is immediately followed by an array of 6 or 8 faces. Participants are warned in advance that all trials are target present. In total, 7 million participants have taken this test.


Figure 1: Frequencies of total scores (out of 14) of the first one million participants on the 14-trial test: Could you be a Super-Recogniser? (M = 9.64, SD = 1.90) (Davis, 2019)



Appendix B: Tests described in this blog


Cambridge Face Memory Test: Extended (Russell et al., 2009). This 102-trial standardised short-term face memory test is probably the most commonly used worldwide test of face recognition, although it was not originally designed to measure super-recognition. Due to anomalies such as that the faces are mainly depicted with no hair, and that it has been available on the internet for participants to practice over a number of years, it would be unwise to define anyone as a police super-recogniser based on the results of this test alone. The Mean score on this test in most research is about 70 out of 102 (SD = 10), and scores of 90-95 out of 102 have been used to diagnose super-recognition in previous research, being representative of 2 SD above control means, a score likely to be achieved by about 2% of the population.


Glasgow Face Matching Test (Burton et al., 2010). This 40-trial test measures the ability to distinguish between two highly similar appearing white-ethnic facial images. It does not rely on memory. Participants decide whether 40 pairs of high-quality facial photographs depict the same person or not. Half of the trials are ‘matched’ (i.e., the same person is depicted in the pair), half are mismatch trials. Participants are warned in advance of the randomly ordered but equal match-to-mismatch trial ratio. This test may be unsuitable for super-recogniser ‘diagnosis’ as it suffers from ceiling effects. Many participants score 100%.


The Kent Face Matching Test (Fysh & Bindemann, 2018). This 40-trial test measures the ability to distinguish between two highly similar appearing white-ethnic facial images. It does not rely on memory. Participants decide whether 40 pairs of high-quality facial photographs depict the same person or not. Half of the trials are ‘matched’ (i.e., the same person is depicted in the pair), half are mismatch trials. Participants are warned in advance of the randomly ordered but equal match-to-mismatch trial ratio.


30-60 Short-Term Face Recognition Test. This 60-trial test measures short-term memory for unfamiliar black-and-white ethnic faces. In the learning phase of this test, 30 male faces are sequentially presented in identical purple sweatshirts for 10 sec. In the test phase, new photos of the 30 ‘old’ faces are randomly intermixed with 30 ‘new’ faces, wearing a variety of different sweatshirts. Participants respond as to whether faces are ‘old’ or ‘new’.


Appendix C: Links to tests


· Fun test


Could you be a Super-Recogniser Test


· For participants who wish to sign up for future research.


CFMT+, GFMT, 3060STFMT: English German (French version soon)


We invite participants to take the Kent Face Matching Test after completing the other three.




Deutsche Version


University of Greenwich Face and Voice Recognition Lab: Freiwilliger Teilnehmer-Pool


Vielen Dank an die Mitglieder unseres Freiwilligenpools, die zu unserer Forschung beitragen. Wir wurden schon oft von Freiwilligen gefragt: "Was ist ein gutes Ergebnis bei diesen Tests?" und wir hoffen, dass dieser Blog dazu beiträgt, diese Frage zu beantworten.


Freiwilliger Teilnehmerpool


Der Freiwilligenpool des Face and Voice Recognition Lab der University of Greenwich wurde 2015 eingerichtet, als der Could you be a Super-Recogniser Test (siehe Davis, 2019) und der Glasgow Face Matching Test (GFMT; Burton et al., 2010) erstmals auf unsere Website hochgeladen wurden. Die Teilnehmerinnen und Teilnehmer konnten ihre E-Mail-Adresse hinterlassen, wenn sie an zukünftigen Studien interessiert waren, und sie gaben ihr Einverständnis, dass wir die Testergebnisse speichern durften.


Später wurde der Cambridge Face Memory Test: Extended (CFMT+; Russell et al., 2009) in die Testbatterie aufgenommen, gefolgt von dem Old/New 30-60 Short-Term Face Memory Test (STFMT3060, früher als Adult Face Memory Test bezeichnet: Robertson et al., 2019) im Jahr 2019, und schließlich der Kent Face Matching Test (KFMT; Fysh & Bindemann, 2018) im Jahr 2021.


Zusätzlich haben wir die Teilnehmer und Teilnehmerinnen gefragt, ob wir die Ergebnisse anderer Tests (z. B. Greenwich Voice Recognition Test) speichern können. Allerdings hat nur eine Teilmenge der Teilnehmer und Teilnehmerinnen aus dem Freiwilligenpool diese Tests absolviert, weshalb sie hier nicht berichtet werden. Alle Teilnehmer und Teilnehmerinnen wurden eingeladen, die vier Haupttests zu absolvieren.


Über eine Million Teilnehmer und Teilnehmerinnen aus der ganzen Welt haben innerhalb weniger Monate den Could you be a Super-Recogniser-Test absolviert (derzeit etwa 7 Millionen, siehe Anhang A), und wir haben bald festgestellt, dass diejenigen, die ihre Kontaktdaten für künftige Forschungseinladungen hinterlassen haben, in der Regel weitaus besser in der Gesichtserkennung sind, als man es von einer repräsentativen Stichprobe erwarten würde, die zufällig aus Mitgliedern der Öffentlichkeit gezogen wurde. Mit anderen Worten: Die Teilnehmer und Teilnehmerinnen an unseren Tests schneiden im Durchschnitt besser ab als die Allgemeinbevölkerung. Hier ist eindeutig eine Verzerrung durch Selbstselektion im Spiel.


Es ist sehr wahrscheinlich, dass Super-Recogniser (auch wenn sie in der Bevölkerung selten sind) weitaus häufiger als Nicht-Super-Recogniser freiwillig an unseren Untersuchungen teilnehmen.


Lassen Sie sich daher bitte nicht davon abhalten, an unserer Studie teilzunehmen, wenn Ihre Testergebnisse im Vergleich zu anderen enttäuschend ausfallen. Wenn wir Sie zu unserer Forschung einladen, sind wir für Ihren Beitrag immer sehr dankbar. Wir werden nie jemanden einladen, der für ein bestimmtes Projekt nicht in Frage kommt. Wir wollen Niemandes Zeit verschwenden.


Aber wer meldet sich, um einen Beitrag zu unserer Forschung zu leisten?


Zum Zeitpunkt der Erstellung dieses Artikels haben wir die Kontaktdaten von 48.093 Teilnehmern und Teilnehmerinnen. Früher waren es über 100.000, aber als 2018 die Datenschutzgrundverordnung eingeführt wurde, wurden alle per E-Mail angeschrieben, um zu prüfen, ob sie in der Datenbank bleiben wollen. Wenn wir keine Antwort erhielten, wurde ihr Datensatz gelöscht. Der Pool wurde auf etwa 38.000 reduziert und wächst seitdem weiter an. Im November 2021 kamen etwa 550 Personen hinzu (etwa 25 baten darum, gelöscht zu werden).


Nicht alle Freiwilligen haben jedoch einen vollständigen Satz der von uns angeforderten demografischen Daten geliefert (Alter = 41.317; Geschlecht = 41.824; ethnische Zugehörigkeit = 47.419; Land = 45.608; alle vier = 37.913). Die Reliabilität dieser Daten ist wichtig, da zahlreiche Forschungsergebnisse darauf hindeuten, dass diese Faktoren die Fähigkeit zur Gesichtserkennung und die Ergebnisse verschiedener Gesichtserkennungstests beeinflussen können. Die meisten Menschen sind sich des Cross-Ethnicity-Effekts bewusst (siehe z. B. Meissner & Brigham, 2001 für eine Übersicht), der besagt, dass Menschen dazu neigen, Gesichter ihrer eigenen Ethnie besser zu erkennen als Gesichter anderer Ethnien. Einige Untersuchungen haben ähnliche altersübergreifende (z. B. Anastasi & Rhodes, 2005) und geschlechtsübergreifende Effekte (z. B. Herlitz & Lovén, 2013) festgestellt. Es ist möglich, dass diese Effekte durch das Ausmaß des Kontakts mit Personen aus bestimmten Außengruppen bedingt sind (Meissner & Brigham, 2001). So kann beispielsweise eine Person, deren ethnische Zugehörigkeit ostasiatisch ist, die aber in Europa lebt, bei einem Test, der nur weiße Gesichter enthält, mit größerer Wahrscheinlichkeit bessere Ergebnisse erzielen als eine geschlechts- und altersgleiche Person, die in Ostasien lebt.


Gemeinsam mit Kolleginnen und Kollegen haben wir altersübergreifende (Belanova et al., 2018) und ethnienübergreifende Effekte (Carroll et al., 2021; Robertson et al., 2020) bei Super-Recognisern untersucht.


Standort: Tabelle 1 gibt einen Überblick darüber, wo die meisten Mitglieder des Pools nach eigenen Angaben wohnen. Da die University of Greenwich in London liegt, ist es nicht überraschend, dass über 20 % des Freiwilligenpools aus dem Vereinigten Königreich stammen. Der Anteil des Pools, der in anderen Ländern lebt, hängt wahrscheinlich von der Wirkung der Medienartikel über die Super-Recognition ab.


Tabelle 1: Prozentualer Anteil der Teilnehmer aus dem Freiwilligenpool aus den 30 wichtigsten Ländern


Was verloren gegangen ist, ist die Tatsache, dass der vierthöchste Anteil der Freiwilligen aus China stammte, bevor die Daten der Freiwilligen nach der Datenschutz-Grundverordnung gelöscht wurden. Heute gibt kaum ein Mitglied des Freiwilligenpools an, aus China zu stammen. Als anderes Extrem gaben bei der Gründung des Pools 17 Personen die Antarktis als ihre Heimat an. Einer schrieb per E-Mail, dass er auf einer wissenschaftlichen Basis am Südpol arbeite. Ein anderer Teilnehmer schrieb eine E-Mail von der Eiskappe im hohen Norden. Sie machten die Tests, während sie sich vor einem Sturm schützten. Während sie E-Mails schrieben, sagten sie, dass sie draußen einen Eisbären hören konnten.


Geschlecht und Alter: Über 38 % der Befragten bezeichnen sich als männlich, über 61 % als weiblich. Das Durchschnittsalter des Pools liegt mit etwa 39 Jahren weit über dem der typischen studentischen Teilnehmenden, die für die meisten Forschungsprojekte rekrutiert werden (Abbildung 1).


Abbildung 1: Altersverteilung des Freiwilligenpools


Ethnizität: Etwas beunruhigend ist für uns, dass die überwiegende Mehrheit der Mitglieder des Pools ihre ethnische Zugehörigkeit als weiß beschreibt (85,4 %), was auf einen Mangel an Repräsentativität hindeutet. Obwohl diese Statistik dem Anteil der Weißen in England und Wales sehr ähnlich ist (86 %; Gov.uk, 2020), kommen unsere Teilnehmer und Teilnehmerinnen aus der ganzen Welt. Dies schränkt einige Schlussfolgerungen über unsere Forschung ein, da der Anteil der Weißen an der Weltbevölkerung deutlich geringer ist. Ein Grund dafür könnte die Tatsache sein, dass die in diesem Blog beschriebenen Tests nur weiße Gesichter enthalten. Möglicherweise schrecken wir damit unbeabsichtigt Menschen anderer Ethnien von der Teilnahme ab - dessen sind wir uns sehr bewusst. Wir verwenden Tests mit Gesichtern anderer Ethnien in unserer Forschung und in unseren Tests mit Polizeikräften und Unternehmen (siehe Beispiele hier und hier). Allerdings schränken wir den Zugang zu diesen multiethnischen Gesichtserkennungstests für den Einsatz bei der Arbeit ein, um sicherzustellen, dass niemand, der diese Tests absolviert, einen Vorteil daraus zieht, dass er dieselben Tests bereits zuvor absolviert hat.


Warum enthalten diese Tests nur weiße Gesichter? Wir haben in einem früheren Blog darüber geschrieben, aber wenn wir Freiwillige bitten, neue Bilder von sich selbst für neue Gesichtserkennungstests zur Verfügung zu stellen, haben wir festgestellt, dass weiße Teilnehmer viel eher bereit sind, uns zu helfen. Dies ist vielleicht verständlich angesichts der regelmäßigen negativen Medienberichte über Fehler im Zusammenhang mit einigen computergestützten Gesichtsalgorithmus-Forschungen. Es ist auch ans Licht gekommen, dass bei einigen dieser Forschungen (nicht bei unseren) Gesichtsstimuli von Personen verwendet wurden, die nie ihr Einverständnis für eine solche Verwendung ihrer Bilder gegeben haben. Bei all unseren Forschungsarbeiten wollen wir zu 100 % sicher sein, dass alle abgebildeten Personen ihre informierte Zustimmung zur Verwendung der Bilder gegeben haben. Das geht so weit, dass wir es vorziehen, dass Teilnehmer und Teilnehmerinnen, die an unseren Tests teilgenommen haben, Gesichtsbilder zur Verfügung stellen, da sie über den wahrscheinlichen Verwendungszweck ihrer Bilder angemessen informiert werden.


Der relative Mangel an geeigneten Bildern hat jedoch dazu geführt, dass wir bisher noch keine frei zugänglichen Tests im Internet erstellen konnten, die nicht-weiße Gesichter enthalten. Wir hoffen, dass wir in Zukunft einen Weg finden werden, dies zu ermöglichen.


(Sie können uns gerne helfen, indem Sie Ihre Bilder hier hochladen - es gibt eine monatliche Verlosung.)


Testergebnisse (siehe Anhang B für Testbeschreibungen, Anhang C für Links)


Da wir häufig E-Mails von Teilnehmern und Teilnehmerinnen erhalten, die sich fragen, wie ihre Ergebnisse im Vergleich zu denen anderer Teilnehmenden ausfallen, sind die Verteilungen der Testergebnisse für jeden der vier Haupttests, die von unserem Teilnehmerpool absolviert wurden, in den Abbildungen 2-5 dargestellt. Anhand dieser Abbildungen können Sie Ihre eigenen Ergebnisse mit denen anderer Teilnehmer und Teilnehmerinnen in der Datenbank vergleichen, um eine grobe Vorstellung davon zu bekommen, wie Sie Ihre Fähigkeiten in der Gesichtserkennung einschätzen können.


Weitaus zuverlässiger können Sie Ihre Ergebnisse auch mit den Ergebnissen vergleichen, die von der Allgemeinbevölkerung zu erwarten sind, da wir Linien (in grün) eingefügt haben, die den ungefähren Mittelwert darstellen, der von einer unserer Meinung nach repräsentativen Stichprobe von Bürgern in drei der vier Tests erreicht wurde.


Wir haben auch zwei Linien eingefügt, die die Werte darstellen, die eine Standardabweichung (SD) über und eine SD unter dem Mittelwert aus diesen Stichproben liegen. Es ist davon auszugehen, dass etwa 68 % der Bevölkerung einen Wert innerhalb dieser beiden Linien (in rot) erreichen, während nur 16 % über der oberen Linie auf der rechten Seite jeder Abbildung liegen würden.


Bisher hat noch niemand eine unabhängige repräsentative Stichprobe von Teilnehmern rekrutiert, die den Old/New 30-60 Short-Term Face Memory Test absolviert haben, sodass wir derzeit keine vergleichbaren Daten für diesen Test liefern können.


Abbildung 1: Cambridge Face Memory Test: Erweitert (CFMT+) Ergebnisse

Hinweis: CFMT+ “General public” Daten (n = 254) wurden in Bobak et al. (2016) berichtet


Abbildung 2: Glasgow Face Matching Test (GFMT) Ergebnisse

Hinweis: GFMT “General public” Daten (n = 194) wurden in Burton et al. (2010) berichtet


Abbildung 3: Kent Face Matching Test (KFMT) Ergebnisse


Hinweis: Die KFMT “General public” Daten wurden aus drei Artikeln zusammengestellt (Fysh, 2018; Fysh & Bindemann, 2018; Gentry & Bindemann, 2019).


Abbildung 4: Old/New 30-60 Short-Term Face Memory Test (STFMT3060) Ergebnisse



Definition von Super-Recognisern für Polizei- und Unternehmensprojekte


Wir sind sicher, dass viele Leser und Leserinnen dieses Blogs herausfinden möchten, ob sie aufgrund ihrer Ergebnisse in diesen Tests als Super-Recogniser definiert werden können. Unsere Antwort lautet: Wenn Ihre Ergebnisse bei allen vier Tests im oberen Bereich liegen, ist die Wahrscheinlichkeit sehr groß, dass Sie ein Super-Recogniser sind. Wie bereits erwähnt, verwenden wir jedoch bei Polizei- und Unternehmensprojekten zusätzliche Tests mit unterschiedlichen Designs, die Gesichter verschiedener Ethnien und sogar unterschiedlichen Alters enthalten. Wir sind der Meinung, dass Super-Recogniser in der Lage sein müssen, in einer Vielzahl verschiedener Tests herausragende Ergebnisse zu erzielen, um aufgrund ihrer Fähigkeiten eine Anstellung zu erhalten. Die von uns verwendeten Tests messen vier Hauptkomponenten (siehe Davis, 2019, Davis, 2020). Drei dieser Komponenten sind das Kurzzeitgedächtnis für Gesichter (das auch mit dem CFMT+ und dem SFMT3060 gemessen wird), das gleichzeitige Erkennen von Gesichtern (das auch mit dem GFMT und dem KFMT gemessen wird) und das Erkennen von Gesichtern in einer Menschenmenge (siehe Davis et al., 2018 für eine Beschreibung einer frühen Version dieses Tests).


Die vierte Komponente jedoch, die Fähigkeit des Langzeitgesichtsgedächtnisses, repräsentiert möglicherweise am besten, wie Super-Recognition in den Köpfen der Super-Recogniser selbst wahrgenommen wird. Definitionen der Super-Recognition in den Medien und in Forschungsartikeln beziehen sich auch häufig auf die überragende Fähigkeit von Super-Recognisern, Menschen spontan und zuverlässig zu erkennen, auch nach Monaten oder sogar Jahrzehnten. In dieser Zeit wird sich das Aussehen dieser Personen verändert haben.


Wir haben ein Paper mit zwei Experimenten veröffentlicht, in der das Behalten von Gesichtern nur bis zu zwei Monate lang untersucht wurde (Davis et al., 2020). Viele Teilnehmer und Teilnehmerinnen, die nur aufgrund ihrer CFMT+- und GFMT-Werte als Super-Recogniser eingestuft wurden, schnitten bei diesen Tests des Langzeit-Gesichtsgedächtnisses recht schlecht ab. Für ein schlechtes Abschneiden bei einem Gesichtserkennungstest kann es viele Gründe geben, die nichts mit der tatsächlichen Fähigkeit zu tun haben (z. B. Ablenkung, Krankheit, Schlafmangel, Internetstörungen). Diese Faktoren können sich umso stärker auswirken, je größer der Abstand zwischen Lern- und Testphase ist. Dennoch könnte man argumentieren, dass ein hochgradig überlegenes Langzeitgedächtnis für Gesichter das Markenzeichen der Supererkennung ist. Keiner der vier in diesem Blog beschriebenen Tests misst diese Fähigkeit. Daher sind wir natürlich vorsichtig damit, jemanden als Super-Recogniser zu zertifizieren, wenn er nicht alle Tests absolviert hat, die wir für die Polizei verwenden und von denen einige unter beaufsichtigten Prüfungsbedingungen durchgeführt werden sollten.


Können Bürgerinnen und Bürger an den Gesichtserkennungstests teilnehmen, die wir bei der Polizei einsetzen?


Es ist möglich, dass Mitglieder der Allgemeinbevölkerung den gesamten Satz von Tests absolvieren. Die University of Greenwich hat einen Forschungsberatungsvertrag mit Super-Recognisers International (https://superrecognisersinternational.com/) abgeschlossen, die die Durchführung der Tests organisieren können. Diejenigen, die unsere Super-Recogniser-Kriterien für alle vier Komponenten (Ergebnisse, die von den besten 2 % der Bevölkerung erwartet werden) oder unsere Super-Matcher-Kriterien (Ergebnisse, die von den besten 2 % der Bevölkerung nur bei den Tests zur gleichzeitigen Gesichtserkennung erwartet werden) erreichen, können zusätzlich Lizenznehmer der Association of Super-Recognisers (https://www.associationofsuperrecognisers.org/) werden. Für diejenigen, die die Standards erreichen, werden Zertifikate ausgestellt.


Super-Recognisers International erhebt für diese Dienstleistung jedoch Gebühren. Die Durchführung von Tests, die teilweise unter Prüfungsbedingungen durchgeführt werden, bei denen entweder jemand im Raum anwesend ist oder den Fortschritt aus der Ferne überwacht, ist mit erheblichen Kosten verbunden. Einige Lizenznehmer konnten sich aufgrund ihrer Testergebnisse einen Arbeitsplatz sichern, und daher müssen alle Beteiligten sicher sein, dass hohe Punktzahlen unter zuverlässigen Bedingungen erzielt wurden. Die von den Prüfern durchgeführten Tests sind in der Regel in Schulungskurse integriert, die einen breiteren Einblick in rechtliche und technische Fragen im Zusammenhang mit Berufen geben, in denen hervorragende Fähigkeiten zur Gesichtserkennung wichtig sind. Bitte wenden Sie sich an diese Organisationen, wenn Sie mehr darüber erfahren möchten.


Ethik im Zusammenhang mit unserer Freiwilligenpool-Datenbank


Alle Teilnehmer und Teilnehmerinnen geben ihr Einverständnis, dass ihre Daten gespeichert werden. In einem zweiten Speicher werden auch die E-Mail-Adressen der Teilnehmer und Teilnehmerinnen gespeichert, damit sie weiterhin zur Teilnahme an künftigen Forschungsarbeiten eingeladen werden können. Als die EU-Datenschutzgrundverordnung (GDPR) 2018 in Kraft trat, wurden alle Teilnehmer erneut per E-Mail über die Speicherung ihrer Daten informiert. Erfolgte keine Rückmeldung, wurden die entsprechenden Daten gelöscht. Diejenigen Teilnehmer und Teilnehmerinnen, die sich seitdem für die Teilnahme an den Tests entscheiden, erhalten umgehend die Informationen zur GDPR und zur Möglichkeit, ihre Einwilligung jederzeit zu widerrufen.


Weitere Informationen über unsere ethischen und datenschutzrechtlichen Verfahren finden Sie hier.


Referenzen


Anastasi, J. S., & Rhodes, M. G. (2005). An own-age bias in face recognition for children and older adults. Psychonomic Bulletin & Review, 12, 1043-1047. DOI: 10.3758/BF03206441


Belanova, E., Davis, J. P., & Thompson, T. (2018). Cognitive and neural markers of super-recognisers' face processing superiority and enhanced cross-age effect. Cortex, 98, 91-101. DOI:10.1016/j.cortex.2018.07.008 (Download pre-print here: https://bit.ly/bdtb2018)


Bobak, A. K., Pampoulov, P., & Bate, S. (2016). Detecting superior face recognition skills in a large sample of young British adults. Frontiers in Psychology, 7(1378). https://doi.org/10.3389/fpsyg.2016.01378


Burton, A. M., White, D., & McNeill, A. (2010). The Glasgow face matching test. Behavior Research Methods, 42(1), 286-291. DOI:10.3758/BRM.42.1.286


Correll, J., Ma., D. S., & Davis, J. P. (2020). Perceptual tuning through contact? Contact interacts with perceptual (not memory-based) face-processing ability to predict cross-race recognition. Journal of Experimental Social Psychology, 92, 104058, https://doi.org/10.1016/j.jesp.2020.104058


Davis, J. P. (2020). CCTV and the super-recognisers. In C. Stott, B. Bradford, M. Radburn, and L. Savigar-Shaw (Eds.), Making an Impact on Policing and Crime: Psychological Research, Policy and Practice (pp 34-67). London: Routledge. ISBN 9780815353577. https://doi.org/10.4324/9780429326592 (Download free pre-print here: https://bit.ly/34Phwjm)


Davis, J. P., Bretfelean, D., Belanova, E., & Thompson, T. (2020). Super-recognisers: face recognition performance after variable delay intervals. Applied Cognitive Psychology, 34(6), 1350-1368. DOI:10.1002/acp.3712 (Download free pre-print here: https://bit.ly/3slkg0m)


Davis, J. P., Treml. F., Forrest, C., & Jansari, A (2018). Identification from CCTV: Assessing police super recognisers ability to spot faces in a crowd and susceptibility to change blindness. Applied Cognitive Psychology, 32(3), 337-353. DOI: 10.1002/acp.3405 (Download pre-print here: https://bit.ly/3dtfj2018


Fysh, M. C. (2018). Individual differences in the detection, matching and memory of faces. Cognitive Research: Principles and Implications, 3(1), 1-12.


Fysh, M. C., & Bindemann, M. (2018). The Kent face matching test. British Journal of Psychology, 109(2), 219-231.


Gentry, N. W., & Bindemann, M. (2019). Examples improve facial identity comparison. Journal of Applied Research in Memory and Cognition, 8(3), 376-385.

Gov.uk (2020). Population of England and Wales. Downloaded 20 November 2021 from, https://www.ethnicity-facts-figures.service.gov.uk/uk-population-by-ethnicity/national-and-regional-populations/population-of-england-and-wales/latest


Herlitz, A., & Lovén, J. (2013). Sex differences and the own-gender bias in face recognition: A meta-analytic review. Visual Cognition, 21(9-10), 1306-1336. https://doi.org/10.1080/13506285.2013.823140


Meissner, C. A., & Brigham, J. C. (2001). Thirty years of investigating the own-race bias in memory for faces: A meta-analytic review. Psychology, Public Policy, and Law, 7(1), 3-35. https://doi.org/10.1037/1076-8971.7.1.3


Robertson, D., Black, J., Chamberlain, B., Megreya, A. M., & Davis, J. P. (2020). Super-recognisers show an advantage for other race face identification. Applied Cognitive Psychology, 34(1), 205-216. DOI: 10.1002/acp.3608 (Download free pre-print here: https://bit.ly/rbcmd2020)


Russell, R., Duchaine, B., & Nakayama, K. (2009). Super-recognizers: People with extraordinary face recognition ability. Psychonomic Bulletin & Review, 16(2), 252–257. https://doi.org/10.3758/PBR.16.2.252


Anhang A: Could you be a super-recogniser Test


Mit diesem unterhaltsamen Test wird die Fähigkeit gemessen, sich ein Gesicht zu merken und dieses Gesicht kurz darauf aus einem manchmal anderen Blickwinkel unter einer Reihe sehr ähnlicher Gesichter zu erkennen. Er besteht aus 14 Durchgängen, bei denen ein einzelnes Schwarz-Weiß-Gesichtsbild für 5 Sekunden aus einer Frontal-, 30-Grad- oder Profilansicht gezeigt wird und unmittelbar darauf eine Reihe von 6 oder 8 Gesichtern folgt. Die Teilnehmer und Teilnehmerinnen werden im Voraus gewarnt, dass die Zielperson in allen Durchgängen anwesend ist. Insgesamt haben 7 Millionen Teilnehmer und Teilnehmerinnen an diesem Test teilgenommen.


Abbildung 1: Häufigkeiten der Gesamtscores (von 14) der ersten eine Millionen Teilnehmer des 14-trial Test: Could you be a Super-Recogniser? (M = 9.64, SD = 1.90) (Davis, 2019)




Anhang B: Tests, die in diesem Blog genannt werden


Cambridge Face Memory Test: Extended (Russell et al., 2009). Dieser standardisierte Kurzzeit-Gesichtsgedächtnistest mit 102 Durchgängen ist wahrscheinlich der weltweit am häufigsten verwendete Test zur Gesichtserkennung, obwohl er ursprünglich nicht zur Messung der Super-Recognition konzipiert wurde. Aufgrund von Anomalien wie z. B. der Tatsache, dass die Gesichter hauptsächlich ohne Haare abgebildet sind, und dass der Test seit mehreren Jahren im Internet zum Üben zur Verfügung steht, wäre es unklug, jemanden allein aufgrund der Ergebnisse dieses Tests als Super-Recogniser der Polizei zu bezeichnen. Der Mittelwert dieses Tests liegt in den meisten Untersuchungen bei etwa 70 von 102 Punkten (SD = 10), und Werte von 90-95 von 102 Punkten wurden in früheren Untersuchungen zur Diagnose der Super-Recognition verwendet, was 2 SD über dem Kontrollmittelwert entspricht, ein Wert, der wahrscheinlich von etwa 2 % der Bevölkerung erreicht wird.


Glasgow Face Matching Test (Burton et al., 2010). Dieser Test mit 40 Durchgängen misst die Fähigkeit, zwischen zwei sehr ähnlich aussehenden Gesichtsbildern weißer Ethnien zu unterscheiden. Er beruht nicht auf dem Gedächtnis. Die Teilnehmer und Teilnehmerinnen entscheiden, ob 40 Paare hochwertiger Gesichtsfotos dieselbe Person darstellen oder nicht. Bei der Hälfte der Versuche handelt es sich um "übereinstimmende" (d. h. dieselbe Person ist auf dem Paar abgebildet), bei der anderen Hälfte um nicht übereinstimmende Durchgänge. Die Teilnehmer und Teilnehmerinnen werden im Voraus vor dem zufällig angeordneten, aber gleichen Verhältnis von übereinstimmenden und nicht übereinstimmenden Durchgängen gewarnt. Dieser Test eignet sich möglicherweise nicht für die "Diagnose" von Super-Recognisern, da er unter Deckeneffekten leidet. Viele Teilnehmer und Teilnehmerinnen erreichen 100 %.


The Kent Face Matching Test (Fysh & Bindemann, 2018). Dieser Test mit 40 Durchgängen misst die Fähigkeit, zwischen zwei sehr ähnlich aussehenden Gesichtsbildern weißer Ethnien zu unterscheiden. Er beruht nicht auf dem Gedächtnis. Die Teilnehmer und Teilnehmerinnen entscheiden, ob 40 Paare hochwertiger Gesichtsfotos dieselbe Person darstellen oder nicht. Bei der Hälfte der Versuche handelt es sich um "übereinstimmende" (d. h. dieselbe Person ist auf dem Paar abgebildet), bei der anderen Hälfte um nicht übereinstimmende Durchgänge. Die Teilnehmer und Teilnehmerinnen werden im Voraus vor dem zufällig angeordneten, aber gleichen Verhältnis von übereinstimmenden und nicht übereinstimmenden Durchgängen gewarnt.


30-60 Short-Term Face Recognition Test. Dieser Test mit 60 Durchgängen misst das Kurzzeitgedächtnis für unbekannte ethnische Gesichter in Schwarz-Weiß. In der Lernphase dieses Tests werden nacheinander 30 männliche Gesichter in identischen lila Sweatshirts für 10 Sekunden präsentiert. In der Testphase werden neue Fotos der 30 "alten" Gesichter nach dem Zufallsprinzip mit 30 "neuen" Gesichtern gemischt, die verschiedene Sweatshirts tragen. Die Teilnehmer reagieren darauf, ob die Gesichter "alt" oder "neu" sind.


Anhang C: Links zu den Tests


· Fun test


Could you be a Super-Recogniser Test


· Für Teilnehmer und Teilnehmerinnen, die sich gerne für zukünftige Forschung eintragen würden


CFMT+, GFMT, 3060STFMT: English German (French version soon)


Wir laden Teilnehmer und Teilnehmerinnen zu dem Kent Face Matching Test ein, wenn sie die anderen drei Tests durchgeführt haben.






508 views