Mecanismos cognitivos de reconocimiento de información emocional en jóvenes con y sin alexitimia
Notice bibliographique
Résumé
To measure the recognition of emotional information, different tools are used, such as affective priming, which measures the latency of response of two stimuli, whether congruent or incongruent with each other.Depression and alexithymia can impede recognition.Alexithymia is the difficulty in identifying and describing emotions, as well as externally oriented thinking, impacting on cognition and affection.It was intended to evaluate the recognition of emotional stimuli among young people from 18 to 31 years old with alexithymia and without alexithymia.Of 316 respondents, 39 participated in the implicit measurement by identifying whether the facial expression has emotion.People with alexithymia had high scores in depression, classified into three groups: 1) alexithymia and depression (14 people), 2) depression (10 participants) and 3) without alexithymia and without depression (15 people).The results showed that the group with alexithymia and depression is the one that takes longer to identify the emotion than the nonemotion, accepting hypothesis 1.The three groups performed a longer reaction time in identifying the negative emotions than the positive ones.Hypothesis 2 is accepted due to people without alexithymia or depression are the quickest in identify these emotional expressions, followed by people with alexithymia and depression.This study was carried out remotely because of the confinement by COVID-19.A possible replication of this study in different social conditions could clarify the external variables associated with alexithymia and depression.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,013 |
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 ».