Investigating adolescent morphed emotional face processing: the influence of gender differences and alexithymia
Notice bibliographique
Résumé
Facial expression recognition is essential for effective social interactions and develops across the lifespan. Adolescence represents a particularly important period for forming and maintaining social relationships, therefore, their ability to accurately interpret ambiguous emotional expressions is crucial. During this stage, however, factors such as gender differences and alexithymia, characterised by difficulties in identifying and processing emotions, may impact this capacity. This study examines morphed emotional face processing in adolescents while considering gender and alexithymia symptoms. Twenty-four adolescents (ages 14–18, n = 24) completed an emotion discrimination task and the Toronto Alexithymia Scale-20. Stimuli included happy, neutral, sad, and morphed faces, blending two emotions at varying intensities. Results showed that adolescents can categorise sad-happy morphed faces based on the dominant emotional intensity. However, females demonstrated difficulty classifying sad-happy morphed faces with higher happiness intensity under a single emotion. Additionally, overall alexithymia symptoms and difficulty in identifying feelings were negatively correlated with accuracy in rating of emotional intensity in sad-happy faces, though individuals with lower alexithymia levels misidentified more happy faces to be sad compared to those with higher alexithymia levels. Findings provide valuable insights into adolescents’ social behavior and emotional well-being, potentially contributing to both social research and clinical studies exploring psychiatric disorders in relation to emotional face processing, gender, and alexithymia.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».