Categorization of Emotional Facial Expressions in Humans with a History of Non-suicidal Self-injury
Notice bibliographique
Résumé
In social animals, such as humans, accurate emotion expression categorization is important for appropriate social functioning. Inaccuracy in emotion categorization can lead to inadequate social behavior, commonly seen in various psychiatric disorders. Non-suicidal self-injury (NSSI) is a psychiatric symptom involving deliberate self-inflicted injury of one’s body, without intent to die. NSSI has been regarded as a dysfunctional coping strategy for managing intensely difficult feelings. Difficulties in social interactions have been reported by individuals who engage in NSSI, which may be related to their emotion categorization performance. Participants (17-25 yrs) with a history of NSSI and healthy controls viewed videos of faces changing over 10 s from neutral to a prototypical expression of sadness, disgust, surprise, fear, anger or happiness. They were instructed to stop each video as soon as they felt they recognized the emotion presented, thus indicating the minimum intensity of expression needed for categorization. They were then asked to categorize the expression. Minimum facial expression intensity, accuracy of categorization, and reaction time were the behavioral dependent variables of interest. NSSI participants showed significant advantages compared to controls in their ability to categorize negative emotion expressions, specifically fear, anger, disgust, and sadness. They also were able to recognize the ambiguous emotion of surprise at a lower stimulus intensity. To date, treatments for NSSI have high drop-out rates. Results from this research could be used to inform further development of therapies for the alleviation or prevention of NSSI.
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 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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».