Exaustão emocional e reconhecimento de emoções na face e voz em médicos de medicina geral e familiar
Bibliographic record
Abstract
O presente estudo pretende analisar o reconhecimento de emoções em expressões emocionais na face e voz junto de médicos de Medicina Geral e Familiar em função da exaustão emocional. A amostra foi composta por 72 médicos de Medicina Geral e a recolha de dados foi realizada em dois momentos. Numa primeira fase aplicou-se o questionário de caracterização sociodemográfica e profissional, a versão portuguesa do Maslach Burnout Inventory (M.B.I.) para medir a exaustão emocional e o Morningness-Eveningness Questionnaire (MEQ) para avaliar o cronótipo. Após uma semana, os participantes realizaram duas tarefas nas quais foram avaliados os acertos e a rapidez na identificação das emoções de dor, tristeza, alegria e neutra na expressão facial e voz. Na Tarefa 1 foi pedido aos participantes para identificarem as emoções-alvo em faces dinâmicas e na Tarefa 2 foi pedida a identificação da emoção que é expressa na voz através da sua congruência com as faces visualizadas. As expressões faciais foram retiradas do STOIC Dymanic Facial Emotional Expressions Database e os estímulos vocais do Montreal Affective Voices. Como esperado, os participantes identificaram mais rapidamente e de forma correta a emoção alegria, com acertos superiores a 90%, seguida por uma percentagem elevada de identificação da dor em ambas as tarefas. No entanto, na tarefa de identificação da voz nas expressões faciais, houve um número reduzido de acertos na tristeza e um enviesamento para a seleção da dor quando as emoções não eram corretamente identificadas. Estes resultados na tarefa de identificação da emoção na voz diferiram em função do nível de exaustão emocional. Verificámos que os participantes com maior exaustão emocional foram mais rápidos a realizar esta segunda tarefa, apresentando maior número de acertos nas emoções tristeza e neutra, quando as emoções não eram identificadas corretamente, escolhiam menos as emoções alegria e dor e mais a neutra, do que os participantes com menor exaustão emocional, sugerindo que os médicos com maior exaustão são mais sensíveis à deteção da voz nos outros da emoção tristeza e fazem menos enviesamentos para a dor e alegria. Apesar de inesperados, os resultados nesta última tarefa são consistentes com os obtidos em alguns estudos que abordam o realismo depressivo, indicando maior precisão nas suas respostas.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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; both teacher heads agree on what is shown here.
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".