Emotions are understood from biological motion across remote cultures.
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
Patterns of bodily movement can be used to signal a wide variety of information, including emotional states. Are these signals reliant on culturally learned cues or are they intelligible across individuals lacking exposure to a common culture? To find out, we traveled to a remote Kreung village in Ratanakiri, Cambodia. First, we recorded Kreung portrayals of 5 emotions through bodily movement. These videos were later shown to American participants, who matched the videos with appropriate emotional labels with above chance accuracy (Study 1). The Kreung also viewed Western point-light displays of emotions. After each display, they were asked to either freely describe what was being expressed (Study 2) or choose from 5 predetermined response options (Study 3). Across these studies, Kreung participants recognized Western point-light displays of anger, fear, happiness, sadness, and pride with above chance accuracy. Kreung raters were not above chance in deciphering an American point-light display depicting love, suggesting that recognizing love may rely, at least in part, on culturally specific cues or modalities other than bodily movement. In addition, multidimensional scaling of the patterns of nonverbal behavior associated with each emotion in each culture suggested that similar patterns of nonverbal behavior are used to convey the same emotions across cultures. The considerable cross-cultural intelligibility observed across these studies suggests that the communication of emotion through movement is largely shaped by aspects of physiology and the environment shared by all humans, irrespective of differences in cultural context. (PsycINFO Database Record
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 | 0,000 | 0,000 |
| 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 | 0,002 |
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