在真实词语中检测情绪表现:来自修改的多特征奇偶模式的电生理学证据

科学领域:

• 神经科学是一个神经科学.
• 心理学 心理学 心理学
• 语言学的语言学.

背景情况:

• 情感歌曲传达重要的社会信息,需要快速的听众处理.
• 之前的研究使用固定刺激来研究神经反应,如对情绪变化的不匹配消极性 (MMN) 和P3a.
• 目前的研究探讨了这些反应与动态的,非重复的语言.

研究的目的:

• 评估多特征奇怪范式的可行性,用于研究神经对各种语言中情感表达的神经反应.
• 调查成年听者的大脑活动 (MMN和P3a) 在检测自然发言,非重复的单词内情绪语调的变化时.
• 为了比较电生理学响应不同情绪的prosodies (愤怒,幸福,悲伤) 与一个中立的基线.

主要方法:

• 三十三名成年人在无声电影中被动地听取中性和情感表达 (愤怒,快乐,悲伤) 的单词.
• 采用了多功能奇特的范式,呈现了数百个不重复的单词,以引起与事件相关的潜力.
• 分析了不匹配负面性 (MMN) 和P3a振幅,以评估神经对情感前奏变化的反应.

主要成果:

• MMN和P3a都成功地被诱导出来,证明了在不同的语言内容中神经检测了情感前奏的变化.
• 与快乐和悲伤的歌曲相比,愤怒的歌曲引起了最强烈的MMN响应.
• 快乐的前奏引起了最大的P3a在中心前线电极,而愤怒的前奏引起了最小的P3a.

结论:

• 听众可以提取情感的曲模式,即使口语不断变化.
• 多功能奇特的范式是有效的学习情感语音处理,延伸超出简单的声学变化检测.
• 这种范式显示了关于语音感知的儿科和临床研究中的应用潜力.