Attachment Style Influences Saccades
Notice bibliographique
Résumé
The present research examined how attachment style (whether one seeks or avoids closeness in relationships) affects saccadic latency away from faces displaying emotion. Research on attachment shows that high anxiety individuals are particularly attuned to negative emotional stimuli, whereas those high in avoidance often disengage from emotional stimuli (e.g. Mikulincer et al., 2000). However, there has been mixed evidence as to whether individuals high in avoidance automatically attend less to emotional stimuli, and whether they are particularly less sensitive to positive emotions (e.g. Fraley et al., 2006; Dewitte et al., 2007; Vrticˇka et al., 2008), as positive emotions may convey intimacy cues that individuals high in avoidance seek to avoid. Further, it remains unclear whether such differences affect other systems that are sensitive to emotion stimuli, such as the oculomotor system. Subjects were presented with a face displaying either fear, happiness or a neutral expression, or a non-face (oval object) control, and made speeded saccades toward a peripheral target. Results indicate that, as predicted, individuals high in attachment anxiety made quicker saccades following all emotion faces, relative to those lower in attachment anxiety, and relative to control trials. Conversely, individuals with low and high avoidance differed only saccadic latency from happy faces, such that those high in avoidance were slower to respond. Within the non-face control condition, we did not observe differences based on attachment style, suggesting that the attachment differences in saccadic reaction times did not generalize to non-face stimuli. Taken together, these results suggest that attachment style produces differential saccadic latencies to various emotions, consistent with attachment theory predictions. This suggests that even at such an automatic level of responding, those high in attachment anxiety are hypersensitive to emotional stimuli, whereas those high in avoidance are hyposensitive to positive emotions. Meeting abstract presented at VSS 2014
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 | 0,004 |
| 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 | 0,001 | 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) | 0,003 | 0,001 |
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 ».