Mental Representations of Pain: the Effect of the Sex of the Perceiver
Notice bibliographique
Résumé
Humans rely on facial expressions to assess emotions in others. Of all the negative-valued emotions, pain remains the least accurately recognized, and this deficiency is even greater when the observer is a man (Wingenbach et al., 2018). Moreover, pain is often confused with emotions like anger and disgust (Kappesser & Williams, 2002). This study verifies whether patterns of similarity between mental representations of pain and other negative emotions vary as a function of the observer's sex. We first used the Reverse Correlation method (Mangini & Biederman, 2004) to reveal mental representations of pain facial expressions in 89 participants (42 males). We then presented all representations to a sample of 16 independent judges who rated how intensely they perceived the following emotions: anger, disgust, fear, happiness, sadness, surprise and pain. We calculated the average rating per emotion across the 16 judges for each of the 89 mental representations. A 2 (sex) by 7 (emotions) repeated measures ANOVA revealed a main effect of emotion (F(1,163.9)=167.1, p=<0.001), but no main effect of sex (p=0.75) or interaction was found (p=0.63). Post-hoc t-tests on each combination of emotions revealed significant differences in ratings of emotions except for disgust-anger and disgust-pain. We found anger and disgust rated as the most salient emotions, even more than pain. Lastly, a cluster analysis on the average ratings for each emotion (pooled across sexes) revealed 3 clusters, where the dominant emotion in the mental representation was 1) anger, 2) sadness and 3) anger and disgust equally. Our results suggest that emotions perceived in proxies of mental representations of pain extracted from men and women do not differ significantly. Interestingly however, our results reveal significant individual variations in the dominant emotions that are part of the mental representation of pain facial expressions.
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 | 0,002 | 0,019 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».