MétaCan
Menu
Retour à la cohorte
Enregistrement W2544367371 · doi:10.5539/ijps.v8n4p71

Speaking with a Happy Voice Makes You Sound Younger

2016· article· en· W2544367371 sur OpenAlexvenueno aff
Sumi Shigeno

Notice bibliographique

RevueInternational Journal of Psychological Studies · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésPsychologySadnessHappinessParalanguageVoiceAudiologyDevelopmental psychologySocial psychologyLinguisticsCommunicationAnger

Résumé

récupéré en direct d'OpenAlex

<p>This study investigates the effects of emotional voices (expressing neutral emotion, sadness, and happiness) on a judgement of a speaker’s age. An experiment was conducted to explore whether happy voices sound younger than neutral and sad voices. The identification of 24 speakers’ ages (12 of each gender) based on their emotional voices was done by 40 participants. The speakers’ ages were 24-75 years. Participants identified the age of each speaker only by hearing his/her emotional voice. The results showed that when a speaker spoke with a happy voice, participants estimated their age to be younger than their chronological age. Furthermore, the results regarding female happy voices were more conspicuous than male happy voices. In contrast, when a speaker spoke with a sad voice, participants estimated them to be older. The results suggest that a happy voice sounds younger because of its higher voice pitch (<em>F0</em>). We discussed the role of vocal pitch and other paralinguistic factors for providing an aging impression.</p>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,083
Tête enseignante GPT0,404
Écart entre enseignants0,321 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Psychological StudiesMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207