The effects of repeated facial motor and affective matching on Identification and detection of static and dynamic facial expressions
Notice bibliographique
Résumé
Mimicry and imitation are thought to be important antecedents of embodied, face-based emotional perception. Simulationist models endorsing the “facial feedback hypothesis” state that proprioception from the face promote subjective feelings. However, subjective–affective- states also causally influence bodily signals. To gauge the differential contributions of facial feedback and affect, we investigated the effects of an emotional-imitation task on immediate emotion identification and a subsequent emotional change detection. Participants first performed an emotion identification task. They were presented with static faces and asked to adopt the same facial expression (Motor group) or try to feel the same emotion (Feel group). A control group passively observed the faces (Watch group). A forced-choice emotion identification followed each trial. After the imitation task, all participants performed a change detection task. First, faces gradually evolved from neutral to full-blown expressions, and participants pressed a button at the moment they perceived a change. In a second bloc, the same videos were reversed. Participants pressed a button when they thought the face had become neutral again. The main results demonstrated that face imitation affected emotion identification immediately. The Feel intervention affected performance only at a subsequent detection task. Moreover, Motor matching facilitated performance in the anger condition but affected the processing of Happiness. Affective Matching, however, affected performance in the Anger condition alone. We surmise that both interventions were task- and time-specific. We argue that voluntary facial imitation and affective matching differentially affect Anger processing, possibly because of emotion (down) regulation promoted by Facial Feedback and Simulation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».