Alexithymia and the processing of emotional scenes depicting implied motion
Notice bibliographique
Résumé
Cognitive alexithymia is associated with impairments in identifying, verbalizing, and analyzing (particularly negative) emotions, which may be rooted in atypical hemispheric laterality and/or stimulus properties. We investigated how alexithymic traits affected processing of emotional scenes using a laterality task in which participants judged the pleasantness of 120 images presented in the presence or absence of a peripheral distractor. Half of the scenes depicted implied motion. Right-handed adults (N = 106) were classified as exhibiting low, moderate, or high levels of cognitive alexithymia using scores from the Toronto Alexithymia Scale – 20 (Parker et al., 2003). Contrary to expectations, no laterality effects were observed. Participants made correct judgments more quickly when a peripheral distractor was presented with the scene, F(2, 103) = 90.43, p < .001, ηp2 = .468. Participants were also slower at correctly judging negatively valenced scenes, F(1, 103) = 6.50, p = .012, ηp2 = .059, and those that contained implied motion, F(1, 103) = 6.04, p = .016, ηp2 = .055, suggesting that these scenes were difficult to process. Accuracy was higher for positive scenes with no implied motion than for other types of scenes, F(1, 103) = 32.93, p < .001, ηp2 = .242. Finally, participants with low levels of alexithymia showed better accuracy for positive scenes but no effect of implied motion, whereas those with moderate-to-high alexithymia showed the opposite pattern [Group X Motion: F(2, 103) = 4.03, p = .02, ηp2 = .073; Group X Valence: F(2, 103) = 3.03, p = .05, ηp2 = .056]. Overall, our results show that stimulus properties, such as implied motion and valence, influence how effectively people with varying levels of cognitive alexithymia process emotional information. These findings provide new insights into the nature of alexithymic deficits and into the functioning of the social brain more generally. Meeting abstract presented at VSS 2018
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 | 0,002 |
| 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 | 0,001 |
| 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 ».