The role of valence in children’s and adults’ cross-modal integration of emotional prosody and emotional faces
Notice bibliographique
Résumé
Previous research indicates that preschoolers match emotional prosody with a corresponding emotional face when choosing between a positively versus negatively-valenced face. However, it is unclear whether these decisions are guided by discrete emotion categories or by coarse-grained valence distinctions. Here, we examined adults' and children's cross-modal matching of emotional prosody with one of two faces whose depicted emotions either contrasted in valence (e.g., happy vs. sad) or fell within the same valence category (e.g., sad vs. angry). First, to provide a basis for comparison for children's performance, adults were presented with auditory stimuli and asked to choose a matching emotional face when the non-matching alternative either contrasted in valence (Exp. 1) or had the same valence (Exp. 2). Adults correctly matched emotional prosody with corresponding faces in both cases. In contrast, although 5-year-olds correctly matched emotional prosody when the alternative faces contrasted in valence (Exp. 3), they succeeded with within-valence distinctions only when differentiating negatively-valenced discrete emotions and not positively-valenced ones (Exp. 4). By 8 years of age, children accurately differentiated same-valence discrete emotions regardless of whether they were negatively- or positively-valenced (Exp. 5). Implications for the developmental trajectory of children's recognition of discrete emotional prosody categories are discussed.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».