Die Wahrnehmung von Emotionen bei transsexuellen Menschen
Bibliographic record
Abstract
Die Frage unserer Studie war, ob Transsexuelle (TS) beeinträchtigt sind in ihrer Fähigkeit, Emotionen im Gesicht eines anderen wahrzunehmen. Da sie häufig typische Attribute ihres biologischen Geschlechts ablehnen, wurde untersucht, ob sie Emotionen schlechter erkennen, wenn sie von Angehörigen ihres biologischen Geschlechts gezeigt werden und ob die Emotionswahrnehmung mit der Selbsteinschätzung der Femininität/Maskulinität zusammenhängt. Eine weitere Frage war, ob sich die Emotionserkennung verbessert, wenn TS nach der Behandlung in ihrem gewünschten Geschlecht leben. Als Methode zur Untersuchung dieser Fragestellungen wurden der FEEL-Test (Facially Expressed Emotion Labeling; Kessler et al., 2002) und standardisierte Fragebögen (BSRI – Bem Sex Role Inventory, SCL-90, TAS – Toronto Alexithymie-Skala) bei N=48 TS und einer nach Alter vergleichbaren gesunden Kontrollgruppe (N=48) eingesetzt. TS erkannten mimisch ausgedrückte Basisemotionen im Vergleich zur Kontrollgruppe signifikant schlechter, vor allem Angst und Ekel (p<0,01); gleichzeitig lagen sie in ihren globalen SCL-90-Werten eine Standardabweichung oberhalb des Mittelwerts im Vergleich zu einer Normstichprobe. Die Emotionswahrnehmung war unabhängig vom Stimulusgeschlecht oder der Einschätzung der eigenen Maskulinität/Femininität. Weiterhin zeigte sich keine bessere Emotionserkennung nach erfolgter Geschlechtsumwandlung. Es wird gefolgert, dass TS insgesamt Emotionen schlechter erkennen. Innerhalb der Gruppe der TS zeigten sich jedoch keine Korrelationen zwischen der Emotionserkennung, den Fragebogendaten (BSRI, SCL-90, TAS) und den Faktoren Stimulusgeschlecht, Selbsteinschätzung der Femininität/Maskulinität oder Phase der Geschlechtsumwandlung. Emotionen - Emotionserkennung - Transsexualismus
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".