Nonverbal behaviors perceived as most empathic in a simulated medical context
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Perceiving empathy from healthcare professionals contributes to clinical benefits. Yet, for methodological and ethical reasons, the factors affecting perceived empathy, such as how the nonverbal behaviors of professionals interact, are less understood than those influencing the actual act of empathizing. Two online studies examined how the perception of empathy in a medical context of pain was influenced by factors related to digital healthcare professionals (DHPs) and participants acting as suffering patients. In Study 1 (n = 123), participants watched videos of DHPs showing variations in gaze direction, posture, and facial expression to rate perceived empathy from a visual patient perspective. They perceived more empathy from the face expressing pain, regardless of gaze, posture, and gender of the DHPs. The sex of participants also modulated perceived empathy. Study 2 (n = 116) expanded Study 1 by adding faces expressing pain and sadness of varying intensities, along with perspective-taking instructions, to determine whether higher perceived empathy for the face expressing pain stems from its congruence with the medical pain context. Participants perceived more empathy in faces expressing sadness than pain. Sadness and pain interacted differently with the effects of intensity, posture, and gaze direction. This work challenges the idea that exact congruence with the patient’s affective state is necessary and further contributes to investigating nonverbal behaviors of empathy.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle