Mirror, Mirror on the Screen, What Does All this ASCII Mean?: A Pilot Study of Spontaneous Facial Mirroring of Emotions
Notice bibliographique
Résumé
Though an ever-increasing mode of communication, computer-mediated communication (CMC) faces challenges in its lack of paralinguistic cues, such as vocal tone and facial expression. Researchers suggest that emoticons fill the gap left by facial expression (Rezabek & Cochenour, 1998; Thompson & Foulger, 1996). The fMRI research of Yuasa, Saito, and Mukawa (2011b), in contrast, finds that viewing ASCII (American Standard Code for Information Interchange) emoticons (e.g., :), :( ) does not activate the same parts of the brain as does viewing facial expressions. In the current study, an online survey was conducted to investigate the effects of emoticons on perception of ambiguous sentences and users’ beliefs about the effects of and reasons for emoticon use. In the second stage of the study, eleven undergraduate students participated in an experiment to reveal facial mimicry responses to both faces and emoticons. Overall, the students produced more smiling than frowning gestures. Emoticons were found to elicit facial mimicry to a somewhat lesser degree than photographs of faces, while male and female participants differed in response to both ASCII emoticons and distractor images (photos of non-human, non-facial subjects used to prevent participants from immediately grasping the specific goal of the study). This pilot study suggests that emoticons, though not analogous to faces, affect viewers in ways similar to facial expression whilst also triggering other unique effects.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».