Emotional content analysis among psychopathic individuals during emotional induction by IAPS pictures
Notice bibliographique
Résumé
Background Emotional processes among psychopathic individuals have been consistently investigated. Although content analysis is interesting for evaluating emotional characteristics, few data exist concerning Psychopath’s speech content following affective and neutral images.
 Method Population included male forensic inpatients (n=47) from Security Hospital. The inpatients were divided into: “Psychopaths” (n=24, PCL-R total score >25), “Intermediates” (n=12, score from 15 to 24.9) and “Non-psychopaths” (n=11, score <14.9). TROPES analyses and EMOTAIX scenario tools examined the narrative’s emotional characteristics. We tested the hypothesis that psychopaths report fewer emotional words on all images, particularly on negative-valence images.
 Results Our results on the whole do not support this hypothesis but suggested rather a specific discordance in the verbal emotional treatment (exclusively PCL-R interpersonal factor) but not in terms of the subjective evaluation. Moreover, this factor was positively correlated with the number of the self-referring pronouns (“I”, me) setting whereas PCL-R Social Deviance factor was positively correlated with action verbs.
 Conclusion Speech outputs of psychopaths present specificities in terms of emotional content and verbal setting. The results are congruent with the notion that psychopathy combines both functionality and subtle impairment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».