文献:Wieckowski. A.T., Swain.W.A., D.M., & White.S.W., (2019). Task dependency when evaluating association between facial emotion recognition and facial emotion expression in children with ASD. Journal of Autism and Developmental Disorders, 49(2), 460-467, https://doi.org/10.1007/s10803-018-3712-9 论文原文
1.背景介绍 ¶
面部情绪识别(facial emotion recognition,FER)和表达(facial emotion expression,FEE)障碍会影响沟通和社交互动。ASD的FER困难在儿童早期就会表现出来,并且研究报告ASD的FER困难会随着年龄的增长愈发严重,其中最常见的是缺乏识别愤怒、恐惧和惊讶的能力。此外,先前的研究表明,刺激的类型与ASD儿童的FER表现有相关性(比如,在识别卡通表情时,ASD的表现与TD同龄人相当,甚至更好。但是,当刺激是人脸表情时,与TD同龄人相比,ASD表现出更多的困难。)。与FER相比,对ASD的FEE能力的研究更为有限,但是FEE受损提示可能诊断为ASD(这是ADOS-2评估的功能之一)。即使语言能力完好,非典型FEE也可能使社交互动和沟通充满挑战。由于FER和FEE对社交互动都是至关重要的,而患有ASD的儿童在这两个过程中均显示出障碍,因此研究二者之间的关系对于临床干预来说是有意义的,并且目前没有研究研讨ASD儿童的这两种能力之间的关系。
2.目的 ¶
探讨ASD和TD儿童的FER和FEE能力,以及两种能力之间的关系;作为探索性(exploratory)目的,研究了刺激类型(即卡通脸、人脸,、无脸的视听轨迹(audio-visual track ))对FER和FEE之间关系的影响。
3.方法 ¶
3.1假设: ¶
1.与TD儿童相比ASD儿童的FER和FEE能力在准确性(accuracy)和质量(quality)方面都较差(即非典型); 2.FER能力与FEE能力有很强的正相关性(准确性)。
3.2被试: ¶
9-12岁的ASD(n = 20,18名男生)和TD(n = 20,14名男生)儿童。
3.3评估: ¶
3.3.1面部情绪表达训练(Facial Emotion Expression Training (FEET; Aly et.al. 2018)): ¶
交互式计算机辅助程序FEET旨在训练适当的情绪表达,Microsoft Kinect用来捕获面部重要特征(3D数据点),Microsoft还提供了自动检测面部特征的标准软件包(类似生物反馈)。在本研究中FEET仅用来作为检测面部表情,要求孩子用自己的脸来表达视频或音频中表达的情绪。刺激分为三个等级,L1刺激是简单的卡通面孔,L2是人脸,L3是没有面孔的场景(比如,夜晚的闪电在背景中发出可怕的声音)。每个等级中每个情绪都会显示一个刺激,并且所有刺激都是动态视频。使用非面部刺激的场景,是为了探索潜在的面部模仿之外的FEE泛化。之后让儿童识别L1的卡通表情来评估FER能力,即从四个选项中(愤怒,开心,中立,恐惧)选择一个告诉主试。
3.3.2面部表情照片(Facial Expression Photographs): ¶
实验开始时要求每个被试做出六种基本情绪(即愤怒、开心、悲伤、恐惧、厌恶、惊讶)和中立的表情。用于衡量儿童在没有模型或纠正反馈的情况下自愿产生带标签的(labeled)表情的能力。
3.3.3面部表情识别测试(NEPSY‑II Facial Affect Recognition Test): ¶
使用静态的彩色图像来评估识别常见面部表情的的能力。任务包括:从3-4张图像中选择具有相同表情的两张;从4张图像中选择1张与页面顶部所显示表情相同的图像;短暂显示一张图像,然后根据记忆选择两张与刚才显示的表情相同的图像。该任务会产生基于年龄的标准分数,平均值为10,标准差为3,分数越低表明FER能力越差。
3.4编码: ¶
使用FEET系统对图像和视频(对30帧进行编码,即情绪表达开始之前的10帧和之后的20帧)进行编码。将表情的非典型性分为三级:0(完全正常)可以被识别并且是典型的;1(较非典型)可以被识别但会有某种程度的异常(比如,皱巴巴的(wrinkled)鼻子表示生气);2(非常非典型)无法识别,表情奇怪、呆板、机械。
4.数据分析 ¶
使用IBM SPSS Statistics版本24分析数据。并使用SPSS中的箱线图(boxplot)检查数据的异常值和高影响力数据点。对于每个FEE级别,均进行了双尾方差分析(ANOVA),以探索组(2个级别:ASD与TD),FER(2个级别:高FER和低FER)之间的关系以及分组和FER在FEE准确性和非典型性方面的交互作用。
5.结果 ¶
5.1组间差异(Group Differences): ¶
TD组出现了在1级(n = 2)和2级(n = 1)内的非典型表达;智商存在组间差异,ASD组的智商与所有FER和FEE的统计变量都不相关,但TD组,智商与1级(即卡通人物)中FEE正确的百分比呈正相关。
5.2面部情绪识别准确性(Facial Emotion Recognition Accuracy): ¶
情绪识别能力有中等效应的显著组间差异,即TD组比ASD组FER能力强。
5.3组和FER能力对FEE准确性的影响(Effect of Group and FER Ability on FEE Accuracy): ¶
ASD组FER对FEE有显著影响,FER高的人的FEE明显高于FER低的人,TD组高FER与低FER的FEE能力没有显著差异。 级别1(即卡通脸)的FEE准确性,没有产生任何组或FER主效应;2级(即人脸)组与FER之间存在显著的相互作用,ASD组较高的FER与较低的FEE密切相关,TD组FER的高与低在FEE准确性上没有显著差异。3级,FEE准确性和组别都与FER无关,但组对FEE准确有中等程度的影响。
5.4组和FER能力对FEE非典型性的影响(Effect of Group and FER Ability on FEE Atypicality): ¶
静止图片任务期间,ASD组被在统计上比TD组显示出更多的非典型情绪表达。 无论在1级(即卡通脸),2级(即人脸)还是3级(无面孔)FEE中,ASD组在情绪表达上比TD组表现出更多的非典型性。三个级别中FEE与FER没有交互作用。
6.总结 ¶
与TD同龄人相比,ASD儿童表现出降低的FER和FEE能力,以及非典型的面部情绪表达能力;FEE的非典型性存在显著的组间差异;ASD组当被要求做出标记性情绪时,FER能力水平与FEE之间的显著相关,这些都是符合研究者预期的。与研究者与其相反的是,在FEE准确性方面,在被要求情况下和L1、L2情况下ASD和TD两组之间没有差异,但ASD在无面孔的场景下FEE表现更差;结果还表明FER能力不会广泛影响FEE,但ASD的FER似乎与FEE有关,并且仅与某些FEE任务有关。