Video Experimental Relacionado
Updated: Sep 9, 2025

09:09
Foreign Accent and Forensic Speaker Identification in Voice Lineups: The Influence of Acoustic Features Based on Prosody
Published on: September 27, 2024
522
Mejorar la precisión empática: Método de alineación funcional penalizado para corregir la desalineación temporal en
Linh H Nghiem1, Jing Cao2, Chrystyna D Kouros3
1School of Mathematics and Statistics, https://ror.org/0384j8v12University of Sydney, Sydney, NSW, Australia.
Psychometrika
|September 5, 2025
Resumen
Este estudio introduce un nuevo método para medir la precisión empática (EA) al alinear mejor las respuestas emocionales con el tiempo. Nuestro enfoque mejora las técnicas tradicionales para evaluar qué tan bien las personas entienden los sentimientos de los demás.
Área de la Ciencia:
- Psicología
- Conocimiento social
- Ciencia afectiva
Sus antecedentes:
- La precisión empática (EA) es vital para las interacciones sociales, evaluando la capacidad de comprender las emociones de los demás.
- La medición tradicional de EA se basa en la comparación de calificaciones emocionales simultáneas, a menudo pasando por alto las desalineaciones temporales.
- Los métodos existentes pueden introducir sesgo simplificando o ignorando estas discrepancias temporales.
Objetivo del estudio:
- Desarrollar un nuevo método de alineación para una estimación de precisión empática (EA) más precisa.
- Abordar las limitaciones de los métodos tradicionales de evaluación de la EA que ignoran los desajustes temporales complejos.
- Mejorar la fiabilidad y validez de las medidas de EA en la investigación psicológica.
Principales métodos:
- Utilizó el marco de velocidad de raíz cuadrada para descomponer la dinámica de calificación emocional.
- Se introdujo una restricción de regularización para rangos de desplazamiento temporal realistas basados en la percepción humana.
- Implementó la alineación utilizando un algoritmo de programación dinámica restringido para la eficiencia.
Principales resultados:
- El nuevo enfoque de alineación captura efectivamente diversos patrones de desalineación en los datos emocionales.
- Las simulaciones y los datos del mundo real (vídeo, música) confirmaron un rendimiento superior a las técnicas convencionales.
- Se ha demostrado un sesgo reducido en la estimación de la EA en comparación con los métodos que asumen retrasos de tiempo fijos.
Conclusiones:
- El método de alineación propuesto ofrece una evaluación más robusta y precisa de la precisión empática.
- Esta técnica mejora la comprensión de la dinámica emocional interpersonal.
- Los hallazgos tienen implicaciones para la investigación en cognición social y ciencia afectiva.

