MétaCan
Menu
Retour à la cohorte
Enregistrement W4282559086 · doi:10.5539/ijps.v14n3p1

Improved Ability in Emotional Recognition and Social Skills After Emotional Recognition Training in Children

2022· article· en· W4282559086 sur OpenAlexvenueno aff
Yermein Benitez-López, Julieta Ramos‐Loyo

Notice bibliographique

RevueInternational Journal of Psychological Studies · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSadnessPsychologyHappinessAngerSocial recognitionEmotional expressionEmotion recognitionDevelopmental psychologyEmotional intelligenceSocial skillsSocial emotional learningSocial psychology

Résumé

récupéré en direct d'OpenAlex

The recognition of emotional expressions is essential to achieving emotional regulation and social development. Therefore, stimulating this recognition could benefit children’s cognitive and social levels. The aim of this study was to assess the effects of training in emotional recognition on the recognition of emotional expressions and the social behavior of children. Typically-developing children (8-10 years old) were divided into two groups for either emotional or identity training. Before and after training, the recognition of three emotions (happiness, sadness, anger) and of identity was assessed by matching and memory tasks. In addition, a social skills scale was applied to parents. After training, only participants in the emotion group improved their accuracy (correct responses minus commission errors) in recognizing happiness and sadness, and on the identity tasks. The parents of the children in the emotion group also referred higher scores on the social skills scale. Results suggest that these children improved their recognition of emotional expressions by enhancing the attention paid to specific facial features. This improvement in emotional recognition induced by training may facilitate social interaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,385
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Psychological StudiesMême sujetFace Recognition and PerceptionTravaux en français237 207