�젇�� �꽦�씤�뿉�꽌 以묐┰ �뼹援댄몴�젙 �씤�떇怨� 愿��젴�맂 �떖由ъ쟻 �슂�씤�뱾
Notice bibliographique
Résumé
Objectives Previous studies have shown the relationship between recognition of facial expressions and psychiatric symptoms. This study investigated how healthy young adults recognize neutral faces and which psychological distresses and symptoms relate to their recognition of neutral faces.\n\nMethods One hundred forty-three healthy volunteers participated in this study. We used neutral facial pictures, selected from the Japanese and Caucasian Facial Expressions of Emotion (JACFEE) photo set, to evaluate participants' facial expression recognition and the State-Trait Anxiety Inventory, Beck Depression Inventory, Toronto Alexithymia Scale, Conner-Davidson Resilience Scale, and Temperament and Character Inventory (TCI) to measure and examine their psychological characteristics.\n\nResults There were significant positive correlations between the recognition rate of neutral expressions as contempt and trait-anxiety level (r=0.21 ; p=0.01) and depression (r=0.20 ; p=0.02). This contempt-recognition was significantly negatively correlated with resilience score (r=-0.22 ; p=0.01) and the TCI self-directedness subscale (r=-0.29 ; p=0.00). Also, the TCI's harm avoidance subscale score was significantly positively correlated with the contempt recognition rate (r=0.21 ; p=0.01).\n\nConclusion These finding suggests recognition of neutral faces as contempt may be related to psychological distress, including trait and temperament characteristics. This negative bias toward neutral emotion (expressions) may affect interpersonal relations and social functioning in a healthy population
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».