Alexithymia and automatic processing of verbal and facial affect stimuli
Notice bibliographique
Résumé
La recherche sur le traitement automatique des affects dans l'alexithymie est importante car les defauts de reconnaissance des etats affectifs a un niveau de traitement controle peuvent etre dus a des processus automatiques deteriores. Dans ce travail, nous avons examine, chez des alexithymiques, le traitement automatique des informations de valence verbale et non verbale. Deux groupes de sujets (30 patients de psychiatrie et 38 sujets de controle) ont ete soumis aux tests TAS (20-Item Toronto-Alexithymia Scale) et LEAS (Levels of Emotional Awareness Scale) ainsi qu'a deux tâches d'amorcage sequentiel, destinees a controler plusieurs variables significatives de ces tests. Pour l'evaluation des mots, les sujets fortement alexithymiques (TAS-) montrent une interaction de la valence de l'amorce et de la valence de la cible, tandis que les sujets alexithymiques legers montrent principalement un effet de la valence de l'amorce. En ce qui concerne l'evaluation des visages, on n'observe pas de difference entre les groupes. Le test LEAS revele un effet d'amorcage affectif significatif dans les deux tâches. On peut en conclure que si les sujets fortement alexithymiques evaluent automatiquement la valence des stimuli verbaux, par contre ils ne manifestent pas de traitement different pour des stimuli non verbaux, compares aux sujets alexithymiques legers.
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 | 0,002 |
| 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 ».