Prosodic and Semantic Effects on the Perception of Mixed Emotions in Speech
Notice bibliographique
Résumé
The current study examines the perception of mixed happy-sad emotions elicited by a combination of prosodic voice cues (pitch and tempo), and sentence content (semantics) in speech. In the first experiment, participants will rate sentences spoken by a female talker on happiness and sadness using a 7-point Likert scale. In the second experiment, the processing of emotions will be examined using eye-tracking. Participants will watch audio-visual recordings of a female talker speaking a series of sentences and will rate the emotional expressions using the same rating scale. When pitch and tempo cues are consistent with happy and sad expressions, we expect listeners to rate the expressions in accordance with these emotions. However, when voice cues that signal happy and sad emotions are in conflict, they will result in intermediate happiness and sadness ratings, reflecting the perception of mixed happy-sad emotions. We expect that eye-tracking measures will reveal shorter durations of looking time to purely happy or sad emotions in comparison to mixed happy-sad emotions. Furthermore, the semantics of sentence content will reduce the perception of mixed happy-sad emotions evoked in vocal expressions. The findings from the current study are expected to extend our knowledge on the perception of mixed emotions in normal populations and in special populations with social-emotional deficits. Discipline: Psychology Honours Faculty Mentor: Dr. Tara Vongpaisal
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 | 0,003 | 0,008 |
| 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».