An Eye Tracking Study of the Time Course of Attention to Positive and Negative Images in Dysphoric and Non-dysphoric Individuals
Notice bibliographique
Résumé
Researchers studying selective attention in depressed and dysphoric individuals have documented biases in the allocation of attention to emotional information (Gotlib & Joormann, 2010; Yiend, 2010). Recent studies using eye gaze tracking have shown that when images are presented for extended durations (5–30 seconds), depressed and dysphoric individuals attend to depression-related images more than never depressed individuals and attend to positive images less (Armstrong & Olatunji, 2012). The present study used eye gaze tracking and time course analyses to look for differences between dysphoric and non-dysphoric individuals in their attention to emotional images over time. Participants viewed sets of four images (a depression-related image, a threat-related image, a positive image, and a neutral image) while their eye fixations were tracked and recorded throughout a 10-second presentation. The time course analyses, which divided each 10-second presentation into 2-second intervals, revealed that group differences in attention to positive and depression-related images emerged only after 4 seconds had elapsed and then persisted for the remainder of the 10-second presentation. Dysphoric and non-dysphoric participants were further distinguished by the temporal profiles of their attention to positive and depression-related images. The implications for researchers' understanding of attention to emotion in dysphoria and depression are discussed.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».