Detecting Deception in Facial Expressions of Pain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Clinicians tend to assign greater weight to nonverbal expression than to patient self-report when judging the location and severity of pain. However, patients can be successful at dissimulating facial expressions of pain, as posed expressions resemble genuine expressions in the frequency and intensity of pain-related facial actions. The present research examined individual differences in the ability to discriminate genuine and deceptive facial pain displays and whether different models of training in cues to deception would improve detection skills. Judges (60 male, 60 female) were randomly assigned to 1 of 4 experimental groups: 1) control; 2) corrective feedback; 3) deception training; and 4) deception training plus feedback. Judges were shown 4 videotaped facial expressions for each chronic pain patient: neutral expressions, genuine pain instigated by physiotherapy range of motion assessment, masked pain, and faked pain. For each condition, the participants rated pain intensity and unpleasantness, decided which category each of the 4 video clips represented, and described cues they used to arrive at decisions. There were significant individual differences in accuracy, with females more accurate than males, but accuracy was unrelated to past pain experience, empathy, or the number or type of facial cues used. Immediate corrective feedback led to significant improvements in participants' detection accuracy, whereas there was no support for the use of an information-based training program.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle