Understanding Children’s Accuracy in Recognizing Facial Expressions of Pain
Notice bibliographique
Résumé
Facial expressions of pain have an adaptive function in informing others of the need of attention and care. The detection of these nonverbal cues is particularly important in children since they are not always capable of expressing their needs verbally. Nevertheless, research recurrently shows that distinguishing between genuine, suppressed, and simulated pain expressions produced by children is a difficult task for adults; even when their professions require such a skill (e.g. doctors or nurses). Only a few studies have explored the development of this specific ability amongst children's peers. The current study aims to fill this literature gap by exploring children's ability to recognize and judge genuine, simulated, and suppressed expressions of pain produced by other children their age. Seventy-nine children from kindergarten to fourth grade viewed videos in which children encoders expressed the three aforementioned types of pain while plunging their hand in cold or warm water. Participants were asked to select the type of pain that was expressed. They were also asked their level of confidence in their answer and the level of pain they thought the children were experiencing. Despite having a high level of confidence in their answers, kindergarteners had a significantly lower proportion of correct answers compared to children in third and fourth grade. Furthermore, regardless of their grade level, children were better at recognizing suppressed pain expressions and had lower performance rates for genuine pain recognition. Our overall findings revealed an improvement in children's performance with aging.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».