Age Differences in Mental State Inference of Sarcasm: Contributions of Facial Emotion Recognition and Cognitive Performance
Notice bibliographique
Résumé
OBJECTIVES: Older age is associated with poorer ability to accurately infer mental states, but some mental states are more complex than others. Sarcasm is a complex mental state because the literal and intended meaning of a speaker's words are in opposition. Individuals must rely on additional cues (e.g., facial expressions, intonation) for accurate inference. We hypothesized that understanding of sarcastic versus sincere exchanges would be more sensitive to age-related difficulty in mental state understanding. METHODS: We examined accuracy at identifying sarcasm among 263 adults (ages 18-90 years) using videos of social interactions in The Awareness of Social Inference Test. Hypotheses were tested using a logistic linear mixed effects model predicting correct/incorrect trial-level responses. To characterize why sarcasm differed with age, we measured 2 abilities commonly implicated in mental state understanding: facial emotion recognition and cognitive performance. RESULTS: Sarcasm understanding declined with age, whereas understanding of sincere exchanges did not. Both better emotion recognition and cognitive performance related to better understanding of sarcastic but not sincere exchanges. Only cognitive performance showed an age-related effect such that the cognitive performance among the oldest participants facilitated their understanding of both sarcastic and sincere exchanges. DISCUSSION: We showed that individual variation related to age and social and cognitive performance is more pronounced when the use of multiple mental state cues is more (sarcasm) or less (sincerity) necessary for accurate understanding of social interactions. Naturalistic paradigms involving multiple mental state cues can address important questions about how older adults make decisions in the real world.
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) | 0,000 | 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) | 0,001 | 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 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 ».