在有或没有饮食障碍病史的母亲的婴儿养期间,母亲的声音的情感维度 - - 机器学习分析语音数据的结果

科学领域:

• 心理学 心理学 心理学
• 语音分析 语言分析
• 机器学习 机器学习

背景情况:

• 饮食障碍 (ED) 病史可能会影响母亲和孩子的餐时间沟通.
• 在受影响的家庭中,ED的跨代传播是令人担忧的.
• 在母乳养期间的母语中,发声的情感特征尚未得到充分研究.

研究的目的:

• 调查在婴儿养期间有或没有饮食障碍 (ED) 史的母亲之间发声情感特征的差异.
• 探索机器学习 (ML) 对分析母亲语音数据的实用性,以识别这些差异.
• 了解ED史对母亲和孩子沟通动态的潜在影响.

主要方法:

• 利用机器学习 (ML) 模型分析母婴养互动期间的母亲语音数据.
• 包括有 (n=17) 和没有 (n=27) 经历ED的母亲,与10个月大的孩子.
• 使用结构化饮食障碍检查访谈来诊断母亲的ED史.

主要成果:

• 一个专门的ML模型确定了ED史和没有ED史的母亲之间的情绪激发,价值和主导的显著差异.
• 这些发声的情感变量在婴儿养期间更强烈地表达在患有ED史的母亲身上.
• 在食互动的中间,差异最明显.

结论:

• 母亲语音数据表明,在婴儿养期间,在患有ED史的母亲中,情绪参与度增加.
• 具有和没有ED史的母亲之间存在显著的沟通差异.
• 机器学习 (ML) 提供了一种有希望的方法来检测母亲沟通中的微妙细微差别,超越了问卷等传统方法.