情绪面部表情和反表情的检测



文献:Sato, W., & Yoshikawa, S. (2010). Detection of emotional facial expressions and anti-expressions. Visual Cognition, 18(3), 369–388. https://doi.org/10.1080/13506280902767763

论文原文

1.背景介绍 ¶

已有研究证明,对情绪面部表情的检测比对中性表情的检测更有效,但是尚不清楚这种效应是归因于视觉特征还是情绪因素。情绪表情和中性表情之间的差异不仅涉及刺激的情绪重要性的变化,而且还涉及刺激本身呈现的物理特征的变化。与中性面部表情相比,对情绪表情的更快检测可能是由于表情的物理特征的视觉输入的处理,而不是因为这种刺激的情绪意义的处理。一些研究结果表明,检测愤怒表情的RT短于检测其他表情的RT,这说明是愤怒的情绪意义而不是视觉特征决定了检测愤怒表情的效率,但是所使用的刺激缺乏生态有效性。本研究的主要目的是研究更有效的情绪面部表情检测是归因于视觉特征还是情绪意义。

2.刺激和假设 ¶

图1

图2

使用计算机变形技术反转了情绪面部表情的面部特征作为新的控制刺激,例如,如果生气的表情是V型眉毛,而中性的表情试水平的眉毛,则计算机操作会生成带有倒V(L)形眉毛的面孔,将这些刺激称为“反表情(anti-expressions)”。

反表情会比正常的表情传递更少的情绪,因为反表情缺乏适当的特征变化来表达情绪。反和正常情绪表情在视觉属性上均与中性面部表情不同,因此可以在测量对情绪面部表情的视觉特征的反应的实验中用作控制刺激。这种方法能够保持刺激的视觉特征不变,并能够单独检测情绪重要性对情绪面部表情检测的影响。

对正常情绪面部表情的检测将比对反表情的检测更快;对正常愤怒表情的检测比对正常快乐表情的检测要快;对愤怒和快乐反表情的检测差速度异不会很明显,因为它们几乎不会产生情绪上的影响。

3.实验一 ¶

为了确保结果的稳健性,以圆形(circular)(实验1a)和矩阵(实验1b)的形式展示了刺激。

17名志愿者参与了实验1a(5名女性和12名男性,平均年龄20.3岁);17名志愿者参与了实验1b(10名女性和7名男性,平均年龄21.5岁)。

被试内三因素设计:刺激类型(正常或反表情)、情绪(愤怒或快乐)和设定尺寸(set size)(实验1a,2、4或实验1b,4、9、16)作为因素。

灰色的照片,一名男性和一名女性的面部表情模型,分别是愤怒、快乐和中性表情。为了研究反表情被认为是中性表情,实验前向13名被试(均未参与后面的实验)展示了反表情图片,要求被试描述反表情图片所表达的情绪,结果反表情最常被描述为“中性”,被试有对反表情的效价和唤醒程度进行评分,结果表明反表情的唤醒程度与中性表情没有显著差异,低于正常表情。

正常情绪表情和反表情被用作目标刺激,中性表情被用作干扰刺激。

实验1a:刺激分布在一个与圆心等距的面板上,刺激出现为2、4或者8个一组,有目标刺激时,其中一张被替换为目标刺激,其余全是中性干扰刺激。

实验1b:刺激以2×2、3×3和4×4组的形式呈现在面板上。2×2的组合,目标刺激出现在四个位置的任何一个;3×3的组合,目标刺激出现在除了中心位置以外的其他八个位置;4×4的组合被分为两块,目标刺激出现在两块中任何一块的八个位置中的一个。

被试坐在椅子上,额头和下巴固定在稳固的位置。试验总数为384:8(重复呈现)×2(模型,男、女)×4(表情)×3(设定尺寸)×2(有或没有目标刺激)。在实验开始时,被试接受了36个练习试验。每48次试验后休息一次(break)。 首先,显示屏的中央会呈现一个黑色加号500毫秒,以表明试验已开始。然后,显示面板一直显示到每个被试完成所有问题为止。询问被试显示面板上的照片是否全部相同。按下响应框上的相应按钮即可提供答案。响应按钮的位置在被试之间是平衡的,并指示被试尽可能快而正确地回答。

针对每种实验条件计算出正确响应的平均RT,为了满足后续分析的正态性假设,对数据进行了对数转换。对数转换后的RT使用2(刺激类型)×2(情绪)×3(设置大小)重复测量方差分析(ANOVA)进行分析。初步分析表明,两种刺激模型(jj和c)在刺激类型和情绪方面都表现出相似的效果,因此金报告RT结果。

图3

图4

图2(上部)显示了RT的结果。对数转换RTs的ANOVA显示出刺激类型×情绪的显著双向相互作用;刺激类型、情绪和设定大小的主要效应也很显著。刺激类型的简单主要效应表明正常表情的反应时间短于反表情,对愤怒和快乐均显著;情绪的简单主要效应表明愤怒表情比快乐表情的RT短,在正常和反表情条件下均很显著。

图2(下)显示了RT结果。对数转换RTs的方差分析显示,刺激类型×情绪×设定大小的最高三向交互作用显著;刺激类型、情绪和设定大小的主要效应也很显著;刺激类型×情绪、刺激类型×设定大小和情绪×设定大小的交互作用也很显著。刺激类型的简单主要作用,表明正常表情的RT短于反表情的RT,在所有条件下均显著;在所有条件下,情绪的简单主要效应(愤怒的RT比快乐的RT短)也很显著。

初步评分的结果表明,愤怒和快乐的反表情被归类为“中立”,并且在情绪上比正常表情更少引起人们的注意。与RT有关的结果一致表明,检测到正常的愤怒和快乐表情比相应的反表情更快,即使控制了刺激性视觉特征的效果,对情绪表情的检测也很出色。目前的结果支持了假设,即情绪表情检测的优先级不是基于视觉特征,而是涉及情绪处理。

用于检测正常愤怒表情的RT比用于检测正常快乐表情的RT短,与预测相反,对于反表情,也显示出愤怒胜过快乐的类似优势。此结果可能表明愤怒反表情和快乐反表情的情绪意义之间存在差异。在实验2中检查了此问题。

4.实验二 ¶

添加了一种条件,中性表情作为目标刺激,正常情绪表情和反表情作为干扰条件。之前的研究表明,在一组中性干扰表情中寻找情绪表情的RT比在一组情绪表情中寻找中性表情的RT短。这项实验比较了正常表情和反表情相对于中性表情的检测优势。预测,用于检测中性面部人群中正常表情而非反表情的RTs会比逆转情况下的RTs短。

分析了RTs与刺激的情绪体验的程度之间的关系,以检验刺激的情绪意义影响面部表情检测的假设。

效价表示质的组成部分(qualitative component),而唤醒则反映了积极或消极情绪的强度,因此,唤醒等级将与感知者对刺激的情绪重要性相对应。还测试了检测表现与刺激的熟悉程度之间的关系,预测RT表现与情绪唤醒而不是熟悉度(familiarity)之间存在负相关关系。

17名志愿者(11名女性和6名男性,平均年龄20.9岁)。

被试内三因素设计,刺激类型(正常或反表情)、情绪(愤怒或快乐)和干扰与目标的关系(中性干扰或中性目标)作为因素。

单个刺激和设备同实验一。

试验总数为256,程序与实验一相同。被试使用九分量表从-4到+4对情绪效价和唤醒进行评分,还是用九分量表从“一点也不”到“非常频繁”对刺激进行熟悉度评分。

按照实验1计算对数转换后的RT。使用2(刺激类型)×2(情绪)×2(干扰-目标关系)重复测量方差分析分析经对数转换的RT。仅报告RT结果。使用2(刺激类型)×2(情绪)重复测量方差分析分析效价、唤醒和熟悉程度。为了分析RT与评分之间的关系,使用在中性干扰条件下对数转换的RT作为相关度量进行了多元回归分析。通过去除其他自变量的影响来计算调整后的对数转换后的RT,以绘制对数转换后的RT与唤醒等级之间的关系。

图5

图6

图3显示了RT结果。对数转换RTs的三向方差分析显示,刺激类型×情绪和刺激类型×干扰-目标关系之间存在显著的双向相互作用;刺激类型、情绪和干扰-目标关系的主要效应也很显著。

刺激类型的简单主要作用表示正常表情的RT短于反表情的RT,对于愤怒和快乐表情均显著;情绪的简单主要效应,表明愤怒表情比快乐表情的RT短,对于正常和反表情都显着;对刺激类型×干扰-目标关系的相互作用进行的后续分析显示,人群-目标关系的简单主效应表明中性干扰条件下的RTs比中性目标条件下的RTs对正常表情有意义,反表情不是。

对于效价,结果显示出显著的相互作用;情绪的主要效应也很显著。刺激类型的简单主要效应对愤怒和快乐均显著,分别表示正常愤怒和快乐表情的负和正面评评分别高于反表情;情绪的简单主要效应,表明对快乐的评分高于对愤怒的评价,仅在正常表情上才有意义;刺激类型的主要作用是显著的,表明正常的刺激评分高于反表情。

对于熟悉程度,交互作用以及情绪主要效应均显著。刺激类型的简单主效应对于愤怒和快乐均很显著,表示对正常的愤怒和快乐表情的熟悉度要比对反表情的熟悉度高。情绪的简单主效应表明对快乐的评价比对愤怒的评价更为熟悉,仅对正常表情有意义。

图7

图8

以中性干扰条件下经对数转换的RTs为因变量,以评分为自变量的多元回归分析表明,唤醒系数为负且显著不同于零。

结果表明实验 1 中观察到的现象的稳健性。中性目标和中性干扰条件之间的比较表明,在中性干扰中检测正常愤怒和快乐表情的速度比反向条件更快。反表情和中性表情之间的搜索不对称性并不明显。这些结果表明,刺激的视觉特征不能有效地检测表情。情绪评分显示,被试对正常的愤怒表情表现出高度消极和强烈的情绪,对正常的快乐表情表现出高度积极和温和的情绪;熟悉度评分表明,正常的快乐表情比正常的愤怒表情更熟悉,均与以前的研究结果一致。熟悉度评分显示被试对反表情的熟悉程度中等,表明反表情描绘了普通的面部变化。一个出乎意料的发现是愤怒和快乐反表情的唤醒评分之间存在差异,唤醒程度与整个实验的RT结果相对应,回归分析揭示了 RT 与情绪唤醒程度之间的负相关关系。这些数据支持情绪面部表情因其情绪意义而被有效检测的假设。

5.总结 ¶

研究的主要目的是调查情绪面部表情的有效检测是归因于视觉特征还是情绪意义。结果一致表明,检测正常愤怒和快乐表情的 RT 比检测各自反表情的 RT 短。这一结果表明,情绪面部表情的有效检测归因于情绪意义而不是视觉特征。