성난 군중으로부터 멀리 다운로드

군중 효과의 얼굴을 군중 작업의 얼굴을 사용하여 조사했습니다[3]. 자극은 자신의 이미지가 작업 및 출판물에 포함되는 데 동의한 개인의 얼굴 디스플레이의 더 큰 데이터베이스에서 선택한 화가, 행복하고 중립적 인 얼굴 표정을 보여주는 아홉 개인의 스물일곱 사진이었다 [31]. 작업에 포함된 모든 표현식은 Ekman과 Friesen [17]이 개발한 얼굴 액션 코딩 시스템과 주관적인 참가자 등급 [3]을 기반으로 두 가지 객관적인 평가를 모두 사용하여 잘 검증되었습니다. 작업 성능에 대한 낮은 수준의 지각 요인의 영향을 최소화하기 위해 얼굴 이미지가 색상, 형태 및 휘도에 영향을 미치는 것으로 나타난 세 가지 기본 상향식 요소에 유사성을 맞게 선택 및 수정했습니다.[32]. 모든 얼굴 이미지는 검은 색 배경에 회색조였고 모든 얼굴 이미지는 크기와 방향이 비슷했습니다. 또한, 모든 행복하고 화가 난 얼굴은 치아 노출의 위약금 차이가 감정 유형 간의 효과에 기여할 가능성을 최소화하기 위해 입을 벌리고 표정을 표시했습니다. 감정 유형이 휘도에 일치하도록 하기 위해 Matlab(Mathworks, Inc., Natick, MA)의 이미징 처리 도구 상자를 사용하여 각 이미지의 광도(즉, 평균 픽셀 밝기 강도)를 정량화했습니다. 광도는 분노, 행복 및 중립적 인 얼굴 (F (2, 26) = .316, p = .732) 또는 두 감정 사이에 크게 다르지 않았다, 포스트 혹 Tukey 테스트를 사용하여 (분노 대 행복, p = .907; 분노 대 중립, p = .710; 행복 대 중립, p = .926). 따라서 감정 유형 간의 행동 및 아이 트래킹 성능에서 발견되는 후속 차이는 색상, 형태 및 광도의 감정 관련 차이에 의해 좌우될 가능성이 낮습니다. RT와 정확도 차이를 지원하는 지각 과정을 직접 평가하기 위해 아이트래킹 분석을 실시하여 중요한 행동 효과를 측정했습니다.

도비스튜디오 소프트웨어 고정 분석을 통해 시각적 주의 패턴을 조사했습니다. 고정은 눈의 움직임 속도가 0.42 픽셀/ms 미만인 안정적인 시선의 기간으로 정의되었으며, 후속 고정 쌍은 최소 35픽셀 간격이어야 합니다. 이러한 속도 기반 알고리즘은 분산 기반 알고리즘뿐만 아니라 구현, 효율적으로 실행 및 동일하게 수행하기 쉽습니다[33].

カテゴリー: 未分類 パーマリンク