Little ears, literal emotions: the developmental pattern of emotional speech processing in elementary school-age children and the mediating role of expressive lexicon
Notice bibliographique
Résumé
Processing spoken emotions, a critical skill for social interactions, develops from birth to adulthood. It relies on processing information in two auditory channels: semantics and prosody, and their integration. The current study examined the developmental pattern of emotional speech processing, comparing 8- and 12-year-old elementary school children (ES-Juniors and ES-Seniors, respectively). This age-range reflects developmental stages in emotional processing, social understanding, lexical development, and executive functions. Three basic abilities were tested: (1) Identifying semantic/prosodic emotions, (2) Selectively attending to a single channel, and (3) Integrating the two channels. Sixty participants rated how much they agreed that a spoken sentence expressed a specific emotion (happiness, sadness, or anger), in one or both channels. The ES-Senior group outperformed the ES-Junior group in semantic identification and selective attention. No significant differences were found for prosody. ES-Seniors showed better channel integration: While ES-Juniors performed with semantic dominance, ES-Seniors showed no significant dominance, approaching adult-like performance. Finally, expressive lexicon moderated group differences in semantic identification and prosody-semantics integration. The ES-Seniors' advantage over ES-Junior in these measures disappears for individuals with higher language scores. Findings may inform interventions for ES children experiencing emotional processing challenges.
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 | 0,000 | 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 ».