Adaptation and stress independently influence the emotional categorization of facial expressions
Notice bibliographique
Résumé
Introduction: Visual after-effects, in which repeated exposure to one category of visual stimulus tunes perception such that an ambiguous stimulus looks more like the opposite category, have been observed for facial emotion. For example, ambiguous facial expressions are categorized as more positive with repeated exposure to unambiguously angry facial expressions. While previous research has documented effects of stress on visual processing of facial emotion, the influence of stress on emotion adaptation effects is not known. Thus, the goal of the present study was to examine effects of acute stress on shifts in biases in categorization of facial expressions as happy or angry elicited by visual adaptation. Methods: 226 healthy young adults were assigned to either a stress condition (n=111), in which a socially evaluated cold-pressor test was administered, or a matched control condition (n=115). In a bias-probe task presented before and after adaptation, faces morphed to create a continuum of 15 frames ranging from unambiguously angry to unambiguously happy were presented in random order. Participants were asked to make forced-choice judgments of whether each facial expression presented was happy or angry. To generate adaptation effects we employed a 2-back task, in which participants were presented with a series of unambiguously angry faces and asked to indicate whether each face had appeared two frames earlier. Manipulation checks were also conducted. Results: A repeated measures ANOVA revealed a shift towards categorizing a higher proportion of faces as happy post-adaptation. Although there was an overall lower tendency to categorize unambiguously angry faces as angry under stress, there was no effect of stress on adaptation effects. Conclusion: This study provides further evidence that interpretation of facial expressions can be manipulated using adaptation. The presence of acute stress may not have a significant influence on changes in patterns of categorization bias with adaptation. Meeting abstract presented at VSS 2017
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 | 0,001 |
| 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 ».