MétaCan
Menu
Retour à la cohorte
Enregistrement W2526897383 · doi:10.18725/oparu-4084

Mimische Emotionserkennung und Alexithymie

2016· dissertation· en· W2526897383 sur OpenAlexaboutno aff
Mattias Kammerer

Notice bibliographique

RevueOPen Access Repositorium der Universität Ulm (OPARU) (Ulm University) · 2016
Typedissertation
Langueen
DomaineMedicine
ThématiquePsychosomatic Disorders and Their Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

The aim of this dissertation was the assessment of possible correlations between alexithymia and the recognition of emotions in a sample of healthy subjects. Self-rated alexithymia (according to the altered factorial structure of the German version of the Toronto Alexithymia Scale – TAS-20) was correlated with objectively measured emotion recognition performance. Emotions were presented by facial expressions (Facially Expressed Emotion Labeling - FEEL) and text-based scenic descriptions of social interactions (Levels of Emotional Awareness Scale - LEAS). Objectively assessed emotion recognition (FEEL and LEAS) correlated positively with the importance of emotional introspection (TAS-20). External thinking (TAS-20) correlated negative with performance in the Levels of Emotional Awareness Scale. There was no correlation between the emotional performance tests (FEEL and LEAS) and the core of alexithymia, difficulties in identifying and describing emotions (TAS-20). Alexithymia (TAS-20 total score) is related with mental strain (GSI SCL-90-R). Another focus was on gender-specific differences in emotion recognition performance. Women performed significantly better in the Levels of Emotional Awareness Scale, in LEAS Score Self and especially in LEAS Score Other. Emotional introspection (TAS-20) was more important for the female participants and they showed less external thinking (TAS-20). In this study there was no significant correlation between self-rated alexithymia (TAS-20 total score) and deficits in the recognition of emotions shown by facial expression (FEEL).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,352
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOPen Access Repositorium der Universität Ulm (OPARU) (Ulm University)Même sujetPsychosomatic Disorders and Their TreatmentsTravaux en français237 207