Dados Normativos do Gandra-BARTA
Bibliographic record
Abstract
Introdução: O reconhecimento emocional de faces demonstra um papel de grande relevância, uma vez que é uma competência social básica do ser humano, que permite ao sujeito responder de forma empática e compreender de que forma as suas ações afetam os outros. Objetivo: Este estudo tem como objetivo a obtenção de dados normativos do Gandra-BARTA, que contém 59 fotografias com as 6 emoções básicas (alegria, tristeza, nojo, raiva, medo e surpresa) e neutras. Posteriormente, pretende-se perceber de que forma o desempenho na prova é influenciado por variáveis sociodemográficas, neurocognitivas e emocionais, numa amostra de indivíduos cognitivamente incólumes. Métodos: A amostra conta com 166 participantes, de ambos os sexos, com idades compreendidas entre os 18 e os 82 anos de idade, sem queixas subjetivas de memória e completamente independentes nas atividades de vida diária. Os participantes foram submetidos a uma avaliação neuropsicológica, que incluiu: Gandra-BARTA; Montreal Cognitive Assessment (MoCA); Beck Depression Inventory-II (BDI-II). Resultados: A idade relacionou-se negativamente com a identificação das emoções nojo, medo, raiva e surpresa e expressões neutras, contudo, correlacionou-se positivamente com a alegria. A escolaridade e o MoCA apresentam uma correlação positiva com a identificação das emoções nojo, raiva e expressões neutras. Os resultados obtidos no MoCA explicam em 37,4% a variância do número de acertos totais, 29,3% das identificações da expressão nojo e 51,6% a identificação das expressões faciais neutras. O sexo explica em 20,3% a identificação da emoção tristeza, bem como, 17,3% da identificação da emoção alegria. A idade explica 28,3% da identificação da emoção raiva e 8,9% da identificação da emoção surpresa. A identificação do medo é explicada em 11,6% pela escolaridade. Os resultados no BDI-II, não se correlacionaram significativamente com nenhum dos domínios do Gandra-BARTA. Conclusão: A disponibilização das equações normativas, com as correções para a idade, anos de escolaridade, sexo e resultado no MoCA, permite o uso do Gandra-BARTA em contexto clínico.
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 | 0.019 | 0.098 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 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".