基于情绪理论的情绪诱发实验技术探讨

宋雪萌 李佳臻

摘要：通过已有的情绪理论汇总，探讨现有的情绪诱发实验技术，创新并提供一种可供参考的五维度情绪测量简，以期为情绪理论相关研究人员在研究范式上提供理论参考。

关键词：情绪诱发，实验设计，情绪理论

1. 引言

在心理学研究中有一个长期的传统，为了科学的目的，试图在实验室中创造情感状态。有几种方法已经被描述过，包括催眠和意象，音乐和电影，面部表情辨识，与真人进行互动带有情感内容的短语重复，以及药物和睡眠剥夺。其中一些方法会带来伦理问题（如吸毒、使用欺骗手段）和/或标准化问题，因此情绪诱发相关的实验在程序方面一直以来都在寻求一种标准化，以期望能在不对被试造成伤害的情况下得到相对准确的实验室内认知数据[1]。本文通过已有的情绪理论汇总，探讨现有的情绪诱发实验技术，创新并提供一种可供参考的五维度情绪测量简，以期为情绪理论相关研究人员在研究范式上提供理论参考。

2. 情绪诱发过程

2.1情绪诱发

情绪诱发的相关研究并不仅仅是为认知心理学专家或者是临床心理学提供一种观察或者治疗的科学依据，情绪诱发的过程和刺激的反馈同样可以整理作为一种程序结合，通过机器的算法，使只能设备可以分析和理解用户的情感状态，并且学习在用户不同的情感状态下做出相应的反馈。例如，在汽车驾驶时，车载智能系统可以通过判定用户的状态对自己的驾驶控制做出相应的调整[2]。

2.2 情绪诱发过程

目前广泛应用的情绪诱发程序可以分为听觉，嗅觉，视觉或者是多通道结合的方式进行应用。在信念和目标方面的认知，在引起情绪反应方面起着至关重要的作用。 根据一个人的信念和目标，一个人评价事件和产生的情绪是截然不同的。 此外，它也被观察到在同一事件中，不同的人表现出不同的情绪反应。这是因为他们的认知是受到自己长期经验的影响，并且根据认知的结果对不同的事物呈现不同的反应[3]。不仅如此，相同的人对于同一种刺激也有可能表现出不同的反应。由于时间的差异，人的认知也在不断进行自我的调整和积累，因此时间作为一种自变量在情绪诱发和情绪过程中也起到至关重要的作用[4]。人类的情感反应通常是由感知-评价-诱发-行动来进行性感程序的输出。每当新的刺激发生，人的认知就会记录自己所遇到的事情以及其结果，用于应对下一次的环境刺激，这被称为知觉记忆[5]。

然而，一个人的知觉能力，可用知觉资源和刺激事件对达成行动目的的影响和重要性，也在人类情感任职的过程中发挥作用，并且影响人最终的情绪状态。一些情绪理论由于实验室条件的限制无法在自然条件下进行精确的测量，而这些理论被用来在某些事件中突出其重视的独立变量，这些变量如果能在自然环境下准确诱发，也会有助于研究者们以更好的方式独立理解这些情绪变量的作用和情感表达的输出结果[4]。

因此，建立一个符合道德程序规范，并且能够在自然情况下采集到真实数据的实验流程也是至关重要的。在进行情绪诱发程序评价的时候，也有必要对情景的条件设置进行划分，例如影响情绪的客观和主观条件[4]：刺激对于被试者来说是否重要？从长期经验和广泛价值观论断，该刺激是否有一个普遍使用的价值判断标准？被试是否普遍拥有处理该刺激的能力？程序刺激是否突然？通过何种手段引起刺激？在进行了基本的背景调查以及设计后，便可以着手进行情绪诱发程序的设计。

3.情绪诱发实验技术探讨

在实验室研究中，最为广泛应用的实验室内测试程序，是使用图片或者是视频片段通过观察眼动，生理指标和面部表情的方式，来判断被试者的情绪波动以及观察其情绪变化。单一的情感理论并不能满足实际应用中的需要，因此研究者们为各种不同的情况下通过OCC理论[6]（Ortony-Clore-Collins Theory：提供了一种可称为半公式化的情绪类型描述。它既没有解释情绪的不同组成部分之间的关系，也没有解释行为人的情绪与其行为之间的关系）的架构，用不同的情绪架构搭建了情绪诱发理论组合，例如FLAME（A Fuzzy Logic Adaptive Model of Emotion，情感的模糊邏辑自适应模型）采用了OCC理论和Roseman理论[7]的诱发过程。或者是MAMID（Methodology for Analysis and Modeling of Individual Differences，用于个体差异的分析和建模的方法论）和EMA（A model of emotion）是基于Scherer理论[8]，但后者同样结合了Lazarus理论[9]。GRACE （通用机器人架构情绪创建 Generic Robotic Architecture to Create Emotions）使用了Scherer理论，OCC理论以及Lazarus理论。在GRACE程序中，Scherer理论用于分析情感过程，OCC理论用来进行事件本身的情绪映射，Lazarus理论用于评估和应对。ALMA （情感分层模型A Layered Model of Affect）采用OCC进行变量评价[10]。

但是不论理论如何变化组合，基础测试所需要的生理指标依旧包含：心率变异性，皮肤电阻，肌肉纤维活动电以及体温。标准的刺激流程为首先设置刺激的形式，其次选用生理指标，在基于被试刺激的时候记录其生理指标的反馈，并且最后依照选择的情绪诱发模型来进行统计。其中在实验设计的过程中，应该遵照情绪诱发模型的理论和注意事项来进行实验设计。其中OCC理论进行情绪诱发在操作上并不需要进行二次测试收集数据。另外，在关于情绪焦点的方面，Roseman理论和OCC理论都不需要统计特定的情绪关注焦点，而Scherer理论和Lazarus理论关注在进行情绪诱发时较为突出的情绪，其中后者需要测试者从两个方面（刺激的本质和情绪的反馈）进行统计。本文通过总结过往的理论，提供一种可供参考的五维度情绪测量简表。

基礎情绪状态评估面部表情生理指标行为倾向高兴推进或者达成目标嘴角上扬，拉紧眼皮心率下降风险行为倾向，视情况避免或者是推进目标悲伤无法完成或者推进目标嘴角放低，眉毛下降，耷拉眼皮心率上升，皮肤温度下降无明显行为倾向恐惧对自身或社会威胁。或当前目标处于危险之中上眼睑抬起，眼睛睁开，嘴唇水平伸展肌肉紧张，口干舌燥，心率上升，皮肤温度下降避免任何动作，某些动作频率上升或者冻结当前行为状态愤怒个人目标被阻碍或破坏眉毛低下，嘴唇紧抿下压，眼睛凸出心率上升，皮肤温度上升复仇倾向惊讶突发事件眉毛上扬，眼睛睁大，下巴轻微下降心率下降，皮肤温度下降停止动作

4.结语

情绪诱发范式严格按照理论选择-实验设计-刺激物预期反馈假设-刺激物设计-收集被试生理行为数据-根据理论进行数据分析-得出数据的顺序进行实验设计。其中，被试的感知顺序为感知-评价-诱发-行动。在进行数据分析时可利用这种情绪诱发的程序进行被试情绪的标记与筛选。

参考文献

[1] Uhrig， M.， Trautmann， N.， Baumgärtner， U.， Treede， R.， Henrich， F.， Hiller， W. and Marschall， S.， 2016. Emotion Elicitation： A Comparison of Pictures and Films. Frontiers in Psychology， 7.

[2] Braun， M.， Weiser， S.， Pfleging， B. and Alt， F.， 2018. A Comparison of Emotion Elicitation Methods for Affective Driving Studies. Adjunct Proceedings of the 10th International Conference on Automotive User Interfaces and Interactive Vehicular Applications，.

[3] Ekman， P.， An argument for basic emotions， Cognitive Emotion 6（3-4） （1992） pp. 196-200

[4] Jain， S. and Asawa， K.， 2019. Modeling of emotion elicitation conditions for a cognitive-emotive architecture. Cognitive Systems Research， 55， pp.60-76.

[5] Scherer， K. R.， Shorr， A.， & Johnstone， T. （Eds.）. （2001）. Appraisal processes in emotion： theory， methods， research. Canary， NC： Oxford University Press

[6] Ortony， A.， Clore， G.， & Collins， A. （1998）. The cognitive structure of emotions. Cambridge， MA： Cambridge University Press.

[7] Roseman， I. J. （1984）. Cognitive determinants of emotions： A structural theory. In P. Shaver （Ed.）. Review of personality and social psychology （Vol. 5， pp. 11–36）. Beverly Hills， CA： SAGE.

[8] Scherer， K. R.， & Wallbott， H. G. （1994）. Evidence for universality and cultural variation of differential emotion response patterning. Journal of Personality and Social Psychology， 66， 310–328.

[9] Lazarus， R. S. （1991）. Emotion and adaptation. Oxford University Press.

[10] Jain， S.， & Asawa， K. （2015）. Emotional computer： Design challenges and opportunities. International Journal of Synthetic Emotions （IJSE）， IGI Global， 6（2）， 35–56.

[11] Koza， J.， Bennett， F.， Andre， D. and Keane， M.， 1996. Automated Design of Both the Topology and Sizing of Analog Electrical Circuits Using Genetic Programming. Artificial Intelligence in Design ’96， pp.151-170.