Аннотация
Изучалась роль кажущегося движения лица в оценке базовых эмоциональных экспрессий в благоприятных и затрудненных условиях восприятия. Ранее было показано, что при наличии детальной информации о конфигурации лица движение не приводит к повышению точности оценок эмоций. Целью настоящего исследования стал поиск условий, в которых динамика обеспечивает более эффективное определение выражения лица. В психофизическом эксперименте варьировались модальность экспрессии (6 базовых эмоций и нейтральное лицо), контекст, время экспозиции лица (50, 100 либо 200 мс) и степень его расфокусированности (четкие либо размытые изображения). Содержание контекста определялось типом стимульной ситуации: стробоскопической экспозицией экспрессий на фоне нейтрального лица либо их прямой и обратной зрительной маскировкой рандомизированным паттерном. Расфокусированность обеспечивалась применением фильтра Гаусса со значениями 20, 40 либо 60 пикселей. Данные анализировались методом логистической регрессии со смешанными эффектами; частоты верных ответов в экспериментальных условиях сопоставлялись с помощью линейных контрастов.
Обнаружено, что в условиях стробоскопической экспозиции возникновение кажущегося движения обеспечивает сохранение точности распознавания базовых эмоций даже в наименее благоприятных условиях восприятия (при минимальном времени экспозиции и максимальной расфокусированности изображения). Для четких либо слабо расфокусированных изображений точность оценок при маскировке и стробоскопическом изменении экспрессии совпадает. При ухудшении условий восприятия маскировка приводит к существенному снижению точности оценок эмоций. Воздействие маскировки сильнее проявляется при оценке низкоаттрактивных эмоций (отвращения, страха, печали и гнева), тогда как высокоаттрактивные эмоции (радость, удивление, спокойное состояние) во всех стимульных ситуациях оцениваются наиболее адекватно. Полученный эффект стробоскопической сенсибилизации указывает на сходство влияний реального и кажущегося движения на оценку эмоциональных состояний.Библиографические ссылки
Barabanshchikov V. A. Vospriyatievyrazheniilitsa [Perception of facial expressions]. Moscow, Institute of Psychology of the RAS Publ., 2009.
Barabanshchikov V. A. Ekspressiilitsaiikhvospriyatie [Facial expressions and their perception]. Moscow, Institute of Psychology of the RAS Publ., 2012.
Barabanshchikov V. A., Zhegallo A. V., Korol'kova O. A. Pertseptivnayakategorizatsiyavyrazheniilitsa [Perceptual categorization of facial expressions]. Moscow, Kogito-Tsentr Publ., 2016.
Barabanshchikov V. A., Korol'kova O. A., Lobodinskaya E. A. Vospriyatieemotsional'nykhekspressiilitsapri ego maskirovkeikazhushchemsyadvizhenii [The perception of facial expressions of emotions during masking and apparent motion]. Eksperimental'nayapsikhologiya– Experimental Psychology, 2015, V. 8, no. 1, pp. 7–27.
Barabanshchikov V. A., Korol'kova O. A., Lobodinskaya E. A. Raspoznavanieemotsional'nykhekspressiilitsa v usloviyakhstroboskopicheskoiekspozitsii: Estestvenno-nauchnyipodkhod v sovremennoipsikhologii[The recognition of facial expressions emotions during stroboscopic exposure: Natural-scientific approach in modern psychology]. Moscow, Institute of Psychology of the RAS Publ., 2014, pp. 371–378.
Barabanshchikov V. A., Nosulenko V. N. Sistemnost'. Vospriyatie. Obshchenie [Systemacy. Perception. Communication]. Moscow, Institute of Psychology of the RAS Publ., 2004.
Korol'kova O. A. Kategorizatsiyastaticheskikhidinamicheskikhperekhodnykhekspressiilitsa: Estestvenno-nauchnyipodkhod v sovremennoipsikhologii [Categorization of static and dynamic transitional facial expressions: Natural-scientific approach in modern psychology]. Moscow, Institute of Psychology of the RAS Publ., 2014, pp. 409–416.
Korol'kova O. A. Pertseptivnoeprostranstvoiprediktoryrazlicheniyaemotsional'nykhekspressiilitsa [The perceptual space and predictors of the discrimination of facial expressions of emotions]. Rossiiskiizhurnalkognitivnoinauki– Russian Journal of Cognitive Science, 2014, V. 1, no. 4, pp. 82–97.
Ullmann S. Principles of the perception of moving objects (Russ. ed.: Ul'man Sh. Printsipyvospriyatiyapodvizhnykhob"ektov. Moscow, Radio isvyaz' Publ., 1983.).
Ambadar Z., Schooler J., Cohn J. Deciphering the enigmatic face: The importance of facial dynamics in interpreting subtle facial expressions.Psychological Science, 2005, V. 16, pp. 403–410. doi:10.1111/j.0956-7976.2005.01548.x
Bates D., Maechler M., Bolker B., Walker S. Fitting Linear Mixed-Effects Models Using lme4.Journal of Statistical Software, 2015, V. 67, no. 1, P. 48. doi:10.18637/jss.v067.i01
Bould E., Morris N. Role of motion signals in recognizing subtle facial expressions of emotion.British Journal of Psychology, 2008, V. 99, pp. 167–189. doi:10.1348/000712607X206702
Calder A. J., Young A. W., Perrett D. I., Etcoff N. L., Rowland D. Categorical perception of morphed facial expressions.Visual Cognition, 1996, V. 3, no. 2, pp. 81–117.
Delis I., Chen C., Jack R. E., Garrod O. G. B., Panzeri S., Schyns P. G. Space-by-time manifold representation of dynamic facial expressions for emotion categorization.Journal of Vision, 2016, V. 16, no. 8, P. 14. doi:10.1167/16.8.14
Fiorentini C., Viviani P. Is there a dynamic advantage for facial expressions? Journal of Vision, 2011, V. 11, no. 3, pp. 1–15. doi:10.1167/11.3.17
Jaeger T. F. Categorical data analysis: Away from ANOVAs (transformation or not) and towards logit mixed models.Journal of Memory and Language, 2008, V. 59, no. 4, pp. 434–446. doi:10.1016/j.jml.2007.11.007
Katsyri J., Sams M. The effect of dynamics on identifying basic emotions from synthetic and natural faces.International Journal of Human-Computer Studies, 2008, V. 66, pp. 233–242. doi:10.1016/j.ijhcs.2007.10.001
Kolers P. A. Aspects of motion perception. Oxford: Pergamon Press, 1972. doi:10.1016/B978-08-016843-2.50018-5
Langner O., Dotsch R., Bijlstra G., Wigboldus D. H. J., Hawk S. T., van Knippenberg A. Presentation and validation of the Radboud Faces Database.Cognition & Emotion, 2010, V. 24, no. 8, pp. 1377–1388. doi:10.1080/02699930903485076
R Core Team. R:A Language and Environment for Statistical Computing. Vienna: R Foundation for Statistical Computing, 2016. Available at: https://www.R-project.org
Barabanshchikov V. A. Ekspressiilitsaiikhvospriyatie [Facial expressions and their perception]. Moscow, Institute of Psychology of the RAS Publ., 2012.
Barabanshchikov V. A., Zhegallo A. V., Korol'kova O. A. Pertseptivnayakategorizatsiyavyrazheniilitsa [Perceptual categorization of facial expressions]. Moscow, Kogito-Tsentr Publ., 2016.
Barabanshchikov V. A., Korol'kova O. A., Lobodinskaya E. A. Vospriyatieemotsional'nykhekspressiilitsapri ego maskirovkeikazhushchemsyadvizhenii [The perception of facial expressions of emotions during masking and apparent motion]. Eksperimental'nayapsikhologiya– Experimental Psychology, 2015, V. 8, no. 1, pp. 7–27.
Barabanshchikov V. A., Korol'kova O. A., Lobodinskaya E. A. Raspoznavanieemotsional'nykhekspressiilitsa v usloviyakhstroboskopicheskoiekspozitsii: Estestvenno-nauchnyipodkhod v sovremennoipsikhologii[The recognition of facial expressions emotions during stroboscopic exposure: Natural-scientific approach in modern psychology]. Moscow, Institute of Psychology of the RAS Publ., 2014, pp. 371–378.
Barabanshchikov V. A., Nosulenko V. N. Sistemnost'. Vospriyatie. Obshchenie [Systemacy. Perception. Communication]. Moscow, Institute of Psychology of the RAS Publ., 2004.
Korol'kova O. A. Kategorizatsiyastaticheskikhidinamicheskikhperekhodnykhekspressiilitsa: Estestvenno-nauchnyipodkhod v sovremennoipsikhologii [Categorization of static and dynamic transitional facial expressions: Natural-scientific approach in modern psychology]. Moscow, Institute of Psychology of the RAS Publ., 2014, pp. 409–416.
Korol'kova O. A. Pertseptivnoeprostranstvoiprediktoryrazlicheniyaemotsional'nykhekspressiilitsa [The perceptual space and predictors of the discrimination of facial expressions of emotions]. Rossiiskiizhurnalkognitivnoinauki– Russian Journal of Cognitive Science, 2014, V. 1, no. 4, pp. 82–97.
Ullmann S. Principles of the perception of moving objects (Russ. ed.: Ul'man Sh. Printsipyvospriyatiyapodvizhnykhob"ektov. Moscow, Radio isvyaz' Publ., 1983.).
Ambadar Z., Schooler J., Cohn J. Deciphering the enigmatic face: The importance of facial dynamics in interpreting subtle facial expressions.Psychological Science, 2005, V. 16, pp. 403–410. doi:10.1111/j.0956-7976.2005.01548.x
Bates D., Maechler M., Bolker B., Walker S. Fitting Linear Mixed-Effects Models Using lme4.Journal of Statistical Software, 2015, V. 67, no. 1, P. 48. doi:10.18637/jss.v067.i01
Bould E., Morris N. Role of motion signals in recognizing subtle facial expressions of emotion.British Journal of Psychology, 2008, V. 99, pp. 167–189. doi:10.1348/000712607X206702
Calder A. J., Young A. W., Perrett D. I., Etcoff N. L., Rowland D. Categorical perception of morphed facial expressions.Visual Cognition, 1996, V. 3, no. 2, pp. 81–117.
Delis I., Chen C., Jack R. E., Garrod O. G. B., Panzeri S., Schyns P. G. Space-by-time manifold representation of dynamic facial expressions for emotion categorization.Journal of Vision, 2016, V. 16, no. 8, P. 14. doi:10.1167/16.8.14
Fiorentini C., Viviani P. Is there a dynamic advantage for facial expressions? Journal of Vision, 2011, V. 11, no. 3, pp. 1–15. doi:10.1167/11.3.17
Jaeger T. F. Categorical data analysis: Away from ANOVAs (transformation or not) and towards logit mixed models.Journal of Memory and Language, 2008, V. 59, no. 4, pp. 434–446. doi:10.1016/j.jml.2007.11.007
Katsyri J., Sams M. The effect of dynamics on identifying basic emotions from synthetic and natural faces.International Journal of Human-Computer Studies, 2008, V. 66, pp. 233–242. doi:10.1016/j.ijhcs.2007.10.001
Kolers P. A. Aspects of motion perception. Oxford: Pergamon Press, 1972. doi:10.1016/B978-08-016843-2.50018-5
Langner O., Dotsch R., Bijlstra G., Wigboldus D. H. J., Hawk S. T., van Knippenberg A. Presentation and validation of the Radboud Faces Database.Cognition & Emotion, 2010, V. 24, no. 8, pp. 1377–1388. doi:10.1080/02699930903485076
R Core Team. R:A Language and Environment for Statistical Computing. Vienna: R Foundation for Statistical Computing, 2016. Available at: https://www.R-project.org