赢分与输分运动员面孔表情和身体姿势情绪的加工机制*

王丽丽 冯文锋 贾丽娜 朱湘茹 罗文波 杨苏勇 罗跃嘉

(1淮阴师范学院教育科学学院, 淮安 223300) (2苏州大学教育学院心理系, 苏州 215123)

(3江南大学人文学院, 无锡 214122) (4河南大学 认知, 脑与健康研究所, 开封 475004)

(5辽宁师范大学脑与认知神经科学研究中心, 大连 116029)

(6上海体育学院运动健身科技省部共建教育部重点实验室, 上海 200438)

(7深圳大学心理与社会学院; 8深圳大学 深圳市情绪与社会认知科学重点实验室, 深圳 518060)

1 引言

作为表达和传递情绪信息的载体, 面孔表情和身体语言在人类的社会交往中起着重要作用。情绪识别问题, 即从面孔或身体姿势中推断出正确的情绪信息, 始终是情绪领域研究的热点。根据情绪维度观, 情绪信息包括效价、强度、唤醒度三个维度(Mehrabian & Russell, 1974)。而情绪识别主要指的是, 对情绪效价(或愉悦程度)的区分。一般而言, 表情的强度越大, 越容易被识别(Ekman, 1993), 因为高强度表情使得脸部肌肉的区分变大(Ekman, 1993)。而且, 高强度刺激位于情绪效价轴(“积极−消极”或“愉悦−不愉悦”)的两端位置(Carroll & Russell, 1996),更容易被判断出其效价的正性或负性。

然而, 实际生活情景中, 表情的区分并非完全按照以上规律。Aviezer, Trope和Todorov (2012)发表在《Science》上的研究指出, 来源于真实生活的高强度面孔表情, 与基本表情的情绪识别存在不同。他们选取了网球比赛中运动员赢分和输分后的面孔表情或者身体表情, 让被试判断图片的效价(9点评分, 1为非常消极, 5为中性, 9为非常积极)。结果发现, 通过面部表情很难区分赢分与输分图片效价的正负; 相反, 通过身体表情或者完整图片(同时包括面孔和身体的信息)却可以有效地区分。同时, Aviezer等人(2012)还采用其它高强度正性情景(如性高潮)或负性情景(如葬礼、乳头穿刺)中的面孔图片, 也发现了, 从面孔表情上无法区分出效价。当这些面孔图片与运动员赢分和输分后的身体图片同时呈现时, 被试对面孔表情的效价判断倾向于身体表现出的情绪, 也就是, 根据身体情绪判断面孔的情绪。因此作者指出, 在高强度情绪背景下,身体语言能提供更有效的情绪信息, 辅助面孔情绪的判断。

探讨实验室外的人们真实情绪反应, 具有重要的意义, 不仅因为关注了现实生活中的理论问题,还揭示了人类情绪的复杂性和多样性。已有的研究,实验材料多为情绪库中的面孔或身体(Gu, Mai, &Luo, 2013; Wang et al., 2016), 这些图片多为演员表演而成, 而且图片类型主要是一些典型情绪：快乐、愤怒、恐惧、悲伤、厌恶和惊讶。Aviezer等人(2012)的研究表明, 对运动员赢分或输分图片的情绪识别,与人们所通常认为的“面孔表情可以提供个体的情绪信息”的观点有一定的差别。欣赏体育比赛或观看比赛图片是很多人日常生活的一部分。本文期望对运动员输赢识别中的“面孔表情的低区分性”和“身体表情的高区分性”这一现象提供可能的原因解释。

本文关注的第一个问题, 验证中国运动员的表情是否也存在面孔效价的“非诊断性”和身体效价的区分性。Aviezer等人(2012)研究中, 图片材料主要为西方人的面孔表情和身体姿势。本文(实验 1)采用与 Aviezer等人(2012)相似的实验程序, 唯一的区别在于实验材料为中国运动员的图片, 选取中国运动员在高水平比赛中(包括网球、乒乓球、羽毛球)赢分或者失分后的图片, 让被试进行效价和强度评分。

本文关注的第二个问题, 进一步探讨运动员输赢识别中的“面孔表情的低区分性”和“身体表情的高区分性”这一现象产生的原因。Aviezer等人(2012)对面孔效价的“非诊断性”解释到, 高强度情绪可能在情绪体验上是相似的, 无论情景是正性的还是负性的。因此, 本研究猜测, 赢分或输分面孔可能含有相同效价的情绪内容, 导致二者效价的区分不明显。相反地, 赢分身体和输分身体可能含有不同效价的情绪内容, 导致二者效价的区分比较容易。因此, 了解图片传递的情绪内容, 或许可以为面孔效价的“非诊断性”和身体效价的高区分性提供解释。已有的研究多从面孔肌肉动作的角度, 来分析面孔图片传递的情绪。Matsumoto和Willingham (2006)曾对 2004年雅典奥运会柔道比赛中胜利者和失败者的面孔表情进行了分析, 采用面部表情编码系统(Facial Affect Coding System, FACS) (Ekman & Friesen,1978)分析肌肉活动。结果发现, 胜利者最显著的情绪为高兴, 失败者的情绪比较复杂和多样化, 传递着悲伤、厌恶和恐惧等情绪。Aviezer等(2015)同样采用面部表情编码系统, 对网球运动员赢分或输分后的面孔表情进行了分析, 结果发现了一个规律：相比输分者, 赢分者呈现出更多的脸部动作, 如张嘴、笑、眼部肌肉收缩等。研究者将这一规律告诉了被试, 让他们再次对赢分和输分的面孔做出效价区分, 结果发现, 被试仍然无法区分开来面孔效价的正负性。那么, 在被试的眼中, 赢分和输分面孔到底传递着什么样的情绪内容？面孔与身体传递的情绪内容是否相同？

实验2的目的在于, 分析赢分和输分图片传递的情绪内容。研究中, 要求被试对图片的情绪类型进行选择(中性、快乐、悲伤、愤怒、恐惧、厌恶)。选择以上 6种类型的情绪, 主要有两个方面的原因。第一, Ekman和Friesen (1969)归纳的6种基本的面部表情(快乐、愤怒、恐惧、悲伤、厌恶和惊讶)是复杂情绪发生、发展的基础(Oatley & Johnson-Laird,1987)。第二, Matsumoto和Willingham (2006)采用面孔编码系统分析胜利和失败者的表情时, 微笑、悲伤、厌恶、恐惧、中性是出现频率最多的表情。因此, 综合以上观点, 本研究最终选择了中性、快乐、悲伤、愤怒、恐惧、厌恶共6种情绪, 让被试进行六选一的选择, 判断出图片的主导情绪。通过分析各类情绪所占的百分比, 可以比较面孔和身体表情传递情绪的不同。

本文关注的第三个问题, 探讨赢分和输分后的面孔表情和身体表情识别的神经机制, 为行为学表现寻找脑科学证据。在行为上要求被试分别对远动员赢分和失分后的面孔和身体图片做情绪分类(正性或负性), 通过两类反应所占的比率考查面孔表情和身体姿势对赢分图片与输分图片区分性的影响, 同时采用事件相关电位(Event-Related Potential,ERP)技术比较面孔表情与身体姿势的加工时程。ERP技术的时间分辨率达到1 ms, 而且不同的ERP成分反映的心理意义不同, 是用来研究面孔表情和身体姿势加工机制的重要工具。

相比身体语言神经机制的研究, 面孔表情神经机制的研究开展的比较早(Adolphs, 2002), 许多有价值的关于人类情绪加工的观点来源于对面孔表情的研究(de Gelder, 2006)。例如, 人们能够比较快速地识别面孔情绪, 杏仁核在恐惧面孔出现后的30 ms就产生反应(Luo, Holroyd, Jones, Hendler, &Blair, 2007; Luo, Holroyd, et al., 2010)。事件相关电位(ERP)的相关研究发现, 在刺激呈现后的 100 ms左右, 负性面孔(尤其是恐惧面孔)比中性面孔诱发更大的枕叶P1成分(Luo, Feng, He, Wang, & Luo,2010; Pourtois, Grandjean, Sander, & Vuilleumier, 2004)。研究者认为, P1成分反映了情绪面孔的自动化加工或快速加工。刺激呈现后170 ms左右的N170成分与面孔的结构编码有关, 面孔比非面孔刺激(如：汽车、房子、手)诱发更大的N170波幅(Bentin, Allison,Puce, Perez, & McCarthy, 1996)。近期研究表明N170可能敏感于情绪面孔的探测。例如, 恐惧面孔比中性面孔诱发了更负的 N170成分(Blau, Maurer,Tottenham, & McCandliss, 2007; Leppänen, Moulson,Vogel-Farley, & Nelson, 2007; Pegna, Darque, Berrut,& Khateb, 2011; Schyns, Petro, & Smith, 2007)。然而, 也存在不一致的声音, 有研究发现 N170与情绪面孔的加工也可能无关(Eimer, Kiss, & Holmes,2008; Kiss & Eimer, 2008)。在 200～300 ms左右位于枕颞区的早期后部负电位(Early Posterior Negativity, EPN), 也受到面孔情绪的影响(侠牧,李雪榴, 叶春, 李红, 2014)。研究发现, 情绪面孔比中性面孔诱发更负的 EPN波幅(Pegna, Landis, &Khateb, 2008; Schupp, Junghöfer, Weike, & Hamm,2004)。对于300 ms之后的晚期正成分(Late Positive Potential, LPP), 负性表情比正性表情诱发的波幅更大(Hietanen & Astikainen, 2013; Wild-Wall, Dimigen,& Sommer, 2008)。

相比较而言, 身体语言的研究近 10年才兴起(de Gelder, 2006)。与面孔一样, 身体动作与手势同样可以表达情绪信息。面孔主要依赖内部特征(嘴、眼睛、眉毛)传递情绪, 而身体可以依赖其外部框架传递情绪, 可以使人在更远的距离上判断其情绪信息(de Gelder & Hortensius, 2014)。身体的情绪信息可以被人类快速识别, 表现在恐惧身体比中性身体诱发更正的 P1波幅(张丹丹, 赵婷, 柳昀哲, 陈玉明, 2015)。甚至, 当面孔与身体情绪信息不匹配时,在P1阶段能被大脑探测到这一不匹配信息(Meeren,van Heijnsbergen, & de Gelder, 2005)。在随后的加工阶段, 未发现 N170波幅受到身体表情的影响(Stekelenburg & de Gelder, 2004; 张丹丹等, 2015)。对于晚期LPP成分, 恐惧身体比中性身体诱发了更正的波幅(张丹丹等, 2015)。

在本文实验3中, 我们将采用ERP技术探讨赢分和输分后的面孔表情和身体表情识别的神经机制, 研究赢分和输分后的面孔表情与赢分和输分后的身体表情在各个加工阶段脑内加工进程的异同,为实验1及实验2所发现的行为学表现寻找脑科学证据。

根据已有文献提供的证据(Matsumoto & Willingham,2006; Aviezer et al., 2012), 本研究对三部分实验结果提出以下预期：1) 实验1预期观测到与Aviezer等人相似的结果：身体比面孔能够提供更有效的效价区分信息; 2)实验 2中, 面孔可能含有多种类型的情绪, 赢分面孔和输分面孔条件下可能含有一些相同效价的情绪内容, 既包括正性类型的情绪内容(如快乐), 也包括一些负性类型的情绪内容(如悲伤、厌恶等), 导致对面孔效价的判断无法做出统一的归类(是正性还是负性); 相反地, 身体传递的效价信息可能更为明确, 赢分身体更多地被知觉为正性类的情绪, 输分身体更多地被知觉为负性类的情绪, 因此对身体效价的区分可能相对容易; 3)实验3中, 如前所述(Zhang et al., 2014; 侠牧等, 2014), P1成分反映了情绪信息的自动加工或快速加工, N170成分反映了对客体的结构编码, EPN反映了对情绪信息的选择性注意, LPP成分反映了情绪的高级认知加工和精细加工。如果与Aviezer等人(2012)的观点吻合, 身体比面孔信息能提供更明确的情绪信息,则从脑电上观测到, 面孔的赢分与输分之间可能不存在差异, 而身体则存在情绪类型间的差异, 表现在多个ERP成分上, 如P1、N170、EPN、LPP。

2 实验1：运动员赢分与输分条件下面孔表情和身体姿势的效价和强度

2.1 实验目的

通过测量运动员赢分与输分条件下面孔表情和身体姿势的效价和强度, 验证中国运动员的表情是否存在面孔效价的“非诊断性”和身体效价的区分性。

2.2 研究方法

2.2.1 被试

19名在校大学生(女9名, 年龄范围17～22岁,平均年龄为18.89岁,

SD

= 1.24岁), 被试均为右利手, 视力或矫正视力正常。所有被试均自愿参加实验, 实验结束后给予被试一定的报酬。

2.2.2 实验设计

刺激类型(面孔、身体)×情绪类型(赢、输)的被试内设计。因变量为图片的效价和肌肉强度评分。

2.2.3 实验材料和程序

运动员的情绪图片共60张(30张赢分和30张输分), 男女各半。图片的选取, 参考了 Aviezer等人(2012)的方法：通过百度和谷歌搜索引擎, 关键词为“赢分反应”或“失分反应”, 与“乒乓球”或“羽毛球”或“网球”组合搜索, 共搜索到与主题相关的图片约300张左右。通过一定的筛选标准, 获得本文所使用的实验材料。图片筛选标准如下：图片包含面孔和身体信息; 图片清晰度较高; 比赛赢分或输分后短时间(约 1分钟)内的情绪反应, 如果图片为比赛过程中的, 或者赢分或输分后较长时间后的情绪反应(如运动员与他人拥抱、庆祝等)均不入选。判断图片为赢分或输分后短时间内的情绪图片, 主要通过以下信息确认：1)运动员在比赛场地内; 2)手中仍握有乒乓球、羽毛球或网球; 3)查看图片来源网页记者对该图片的说明, 如“王浩赢分后反应”。对筛选的60张图片, 通过Photoshop软件, 将面孔部分从原图中抠出, 形成 60张面孔图片; 以及用椭圆形灰色块遮住面部信息, 形成 60张身体图片。刺激呈现在21寸的CRT显示器上(60 Hz刷新率)。被试距离屏幕大约100 cm。面孔图片的视角是为 3.4°×3.4°, 身体图片的视角为 5.7°×5.7°。

实验采用 E-Prime软件(Psychology Software Tools, Pittsburgh, PA)呈现刺激与收集行为反应数据。实验流程图见图 1, 每个 trial中, 实验刺激和下方的1～9评分量表同时呈现。下方的评分表, 分别为情绪愉悦度效价 1～9判定表(1为非常消极, 2为消极, 3为比较消极, 4为轻微消极, 5为中性, 6为轻微积极, 7为比较积极, 8为积极, 9为非常积极)或者是强度效价1～9判定表(1为强度非常低, 5为中间值, 9为强度非常高)。在每个试次中, 要求被试从 1～9中选择一个合适的数字对图片判断效价,按键后, 再对同一图片选择1～9中合适的数字判断强度, 开始下一个试次。实验包括面孔识别和身体识别两部分, 每部分含有60个试次, 每张图片呈现2次, 图片随机呈现。

2.3 结果和分析

图1 实验1流程图

图2 实验1效价和强度的评分结果

实验 1结果表明, 在效价和强度两个维度上,均可以将赢分和输分图片区分开来。与Aviezer等人(2012)研究的相同之处有两点：(1)身体图片可以提供有效的情绪信息, 相比输分图片, 赢分图片的效价更加积极, 肌肉强度更大, 验证了中国运动员的表情存在身体效价的区分性; (2)从强度维度上,赢分面孔比输分面孔的强度更大。不同之处在于,Aviezer等人发现的面孔效价的“非诊断性”并未得到验证。本研究发现, 面孔传递的情绪效价信息并非没有区分性, 输分面孔比赢分面孔的评价更加消极, 表明中国运动员的面孔表情可以传递一定的输或赢的情绪信息。那么, 赢分图片与输分图片到底在传递什么样的情绪, 面孔和身体所传递的情绪是否有所差别, 实验2的行为实验将对该问题进行进一步的探讨。

3 实验2：运动员赢分和输分后面孔表情和身体姿势的情绪类型

3.1 实验目的

通过分析运动员赢分和输分后面孔表情和身体姿势的情绪类型, 探讨面孔表情效价的低区分性和身体表情效价的高区分性的原因。

3.2 研究方法

3.2.1 被试

16名在校大学生(女15名, 年龄范围18～21岁,平均年龄为19.56岁,

SD

= 0.81岁), 被试均为右利手, 视力或矫正视力正常。所有被试均自愿参加实验, 试验结束后给予被试一定的报酬。

3.2.2 实验设计

刺激类型(面孔、身体)×情绪类型(赢、输)的被试内设计。因变量为图片的情绪类型的百分比。

3.2.3 实验材料和程序

实验材料与实验1相同。图3为实验2流程图,每个 trial中, 实验刺激和下方的 1～6量表同时呈现。下方的量表, 分别为情绪类型和指定的按键(1-中性, 2-快乐, 3-悲伤, 4-愤怒, 5-恐惧, 6-厌恶。要求被试从1～6中选择一个合适的数字判断图片表达的情绪类型, 按键后图片消失, 开始下一个试次。实验共有两个部分, 第一部分实验材料为面孔图片,第二部分实验材料为身体图片, 每部分含有 60个试次, 每张图片呈现1次, 图片随机呈现。

3.3 结果和分析

被试对图片情绪类型的判断结果见表 1和图3。为了考察图片表达的情绪是否唯一或者多样化,采用卡方检验分别对 4种条件下(面孔赢分、面孔输分、身体赢分、身体输分)的 6种情绪类型的百分比进行了比较。结果发现, 4种实验条件下卡方检验的结果均极其显著,

p

s 〈 0.001。结果表明, 被试在不同条件下感知到的情绪内容存在显著差异。面孔赢分条件下, 报告频率较高的(大于 15%)的情绪依次为快乐(32.92%)、愤怒(27.29%)、悲伤(18.75%),面孔输分条件下, 报告频率较高的的情绪依次为悲伤(36.04%)、厌恶(21.67%)、快乐(17.71%)。身体赢分条件下, 报告频率最高的的情绪为快乐(83.54%),其它情绪类型所占百分比均小于 9%。身体输分条件下, 报告频率较高的的情绪依次为中性(33.33%)、悲伤(30.42%)。

4种条件的比较分析发现, 赢分身体传递的情绪较为单一, 更高频率地被知觉为快乐。从行为上看, 胜利者的肢体动作常表现出举起的手臂, 紧握的拳头。其它三种条件下, 感知到情绪内容比较多样化。对于面孔刺激, 赢分和输分图片既感知到正性情绪(如快乐)也包含负性情绪(如愤怒、悲伤、厌恶)。当被试对面孔图片进行积极或消极的效价评价时, 赢分与输分之间的效价差异相对较小, 这为Aviezer等人(2012)研究中面孔对效价的“非诊断性”提供了可能的解释。相反地, 身体传递情绪类型较为单一, 赢分身体更多地被感知为积极情绪, 输分身体更多地被感知为悲伤和中性情绪, 从效价评分上看, 更容易得出赢分与输分效价得分的差异。

图3 实验2流程图(A)和情绪类型判断结果(B)

表1 不同实验条件下情绪类型判断的百分比 (平均数 ± 标准差)

通过实验1和实验2可以发现, 相比基本的6种情绪(快乐、悲伤、厌恶、恐惧、惊喜、愤怒), 本研究中的运动员赢分和输分后的表情, 传递的情绪并非单一, 而是更加复杂和多样化。那么, 人类的大脑又是如何来感知“赢”和“输”？对于分辨赢分和输分面孔, 面孔表情的低区分性和身体表情的高区分性, 是否有着类似的神经机制, 实验 3将通过ERP技术考察该问题。

4 实验3：运动员赢分与输分后面孔表情和身体姿势情绪加工的神经机制

4.1 被试

16名在校大学生(女11名, 年龄范围18～26岁,平均年龄为20.56岁,

SD

= 2.39), 被试均为右利手,视力或矫正视力正常。实验前均被告知了实验目的,并签署了知情同意书。实验通过单位伦理委员会批准。

4.2 实验材料及程序

高强度情绪图片共80张(40张赢分和40张输分), 男女各半。为了增加每种实验条件下的叠加试次数和减少每张图片的重复次数, 相比实验1和实验2使用的60张图片, 本部分脑电实验增加了20张图片(10张赢分和 10张输分)。图片的获取方法与实验1相同。总的来说, 实验共有160张图片：40张赢分面孔、40张输分面孔、40张赢分身体、40张输分身体。由未参与脑电实验的20名被试对这 160张图片进行效价和强度的评分(评分程序与实验 1相同), 结果发现, 赢分面孔效价为 4.57 ±0.22, 强度为5.28 ± 0.19; 输分面孔效价为3.44 ±014, 强度为 5.08 ± 0.22; 赢分身体效价为 7.17 ±0.14, 强度为6.33 ± 0.19; 输分身体效价为4.23 ±0.13, 强度为3.84 ± 0.17。所有材料以相同的对比度和亮度呈现在黑色背景上。刺激呈现21寸的CRT显示器上(100 Hz 刷新率)。被试距离屏幕大约90 cm。每张图片的视角是为5.7°× 5.7°。

图4 实验3流程图(A)和行为结果(B为反应类型所占比率的结果, C为反应时结果)

实验采用E-Prime软件呈现刺激与收集行为反应数据。实验包括两部分：面孔实验(只有面孔刺激)与身体实验(只有身体刺激)。实验流程见图4。首先在屏幕上正中央呈现一个注视点 500 ms, 间隔400 ms到600 ms的空屏后, 呈现目标刺激(面孔图片或身体图片) 800 ms。然后再呈现空屏2000 ms,被试做完反应后空屏消失。当空屏出现时, 被试需要对目标刺激的情绪效价作出判断, 是积极还是消极; 如果是积极, 左手食指按“F”键, 如果是消极,右手食指请按“J”键。按键反应在被试间进行了平衡,另一半被试作出相反按键。在下个 trial出现之前,还有500 ms的间隔空屏。

面孔图片实验或身体图片实验, 每部分均包括6个组块(block), 每个组块40个试次。每个组块中,含有两种条件：赢分、输分, 概率相同且随机出现。在整个实验中, 每张图片重复呈现 3次, 即每种条件下(赢分或输分)120个试次。面孔与身体实验的顺序在被试间平衡。

4.3 数据采集及分析

使用美国 NeuroScan脑电设备公司生产的 64导脑电记录与分析系统(NeuroScan 4.5)。电极帽按国际10-20系统扩展的64导电极排布, 以左侧乳突作为参考电极。双眼外侧安置电极记录水平眼电(HEOG), 左眼上下安置电极记录垂直眼电(VEOG)。每个电极处的头皮电阻保持在5 kΩ以下。采样频率为 1000 Hz/导。完成连续记录 EEG后离线(off line)处理数据。水平和垂直眼电利用 Neuroscan软件(Scan 4.5)内置的回归程序去除。数字滤波为0.1～30 Hz, 并转为全脑平均参考, 以± 50 μV为标准充分排除其他伪迹。

为研究情绪图片刺激(面孔情绪图片或身体情绪图片)诱发的脑电成分, ERP分析锁时于情绪图片刺激呈现(Onset)的时间点, 分析时程为刺激呈现前 100 ms到刺激呈现后 800 ms, 刺激呈现前100 ms至0 ms为基线。本实验主要分析P1、N170、EPN和 LPP成分, 采用平均波幅的方法。电极点PO7和 PO8被用来分析 P1 (90～110 ms)、N170(150～170 ms)和 EPN 成分(230～260 ms); 电极点P3, Pz, P4用来分析LPP成分(300～550 ms)。

4.4 统计分析方法

描述性统计量表示为均值±标准误。在行为数据的结果统计中, 主要分析反应类型(积极或消极)的比率和反应时。每种实验条件下, 反应类型所占比率的计算方式为：反应次数/总次数, 如面孔赢分条件下, 一共120个试次, 80次判断为“积极”, 40次判断为“消极”。那么积极反应的比率为：80/120 =0.67, 消极反应的比率为40/120 = 0.33。被试未做按键反应的次数不纳入统计分析。统计方法采用三因素重复测量方差分析, 刺激类型(面孔、身体)×情绪类型(赢分、输分) ×反应类型(积极、消极)。在脑电数据的统计分析中, 对P1、N170、EPN和LPP的平均波幅进行三因素重复测量的方差分析, 刺激类型(面孔、身体)×情绪类型(赢分、输分)×电极。方差分析的 P值采用 Greenhouse Geisser法校正, 多重比较选择Bonferroni方法。脑电地形图由64导数据得出(见图5)。

图5 P1、N170、EPN和LPP成分的地形图

4.5 结果

4.5.1 行为结果

为了评估被试辨别图片情绪的能力, 辨别力指数

d

′

(Macmillan & Creelman, 2004)在本研究中被使用。

d

′的计算是基于在赢分图片被判断为积极情绪(击中率)与输分图片被判断为积极情绪(虚报率)。单样本 t检验结果发现, 面孔条件下, 平均

d

′(

M

= 0.65,

SD

= 0.24)及身体条件下平均

d

′

(

M

=1.89,

SD

= 0.38)与0差异均极其显著[面孔：

t

(15) =10.77,

p

〈 0.001,

Cohen's

d

= 2.71; 身体：

t

(15) =19.91,

p

〈 0.001,

Cohen's

d

= 4.97]。结果表明, 被试对图片情绪的辨别能力, 无论面孔还是身体条件下,均处在概率水平以上。

4.5.2 ERP 结果

对身体及面孔刺激诱发脑电成分(P1、N170、EPN和 LPP)的平均波幅进行三因素重复测量的方差分析, 刺激类型(面孔 vs身体)×情绪类型(赢 vs输)×电极, 结果发现：

P1

N170

图6 P1、N170和EPN成分的ERP波形图

EPN

LPP

图7 LPP成分波形图

4.6 讨论

实验3从行为和脑电上验证了面孔表情和身体姿势情绪识别的不同。从行为结果看, 身体比面孔能够被更明确地区分正负性情绪, 这与 Aviezer等人(2012)的观点是相同的, 身体比面孔能提供更有效的情绪信息。同时, 我们发现, 面孔对情绪信息并非完全无诊断性, 对面孔情绪的判断处于概率水平以上, 如输分面孔更多地被评价为消极情绪。但是, 赢分面孔被评价为积极情绪和消极情绪的概率无显著差异。

在 ERP结果上, 面孔表情和身体姿势这两类不同的情绪载体诱发的脑电波形存在不同。首先,与已有的研究一致(Bentin et al., 1996; Righart & de Gelder, 2007), 相比身体图片, 面孔图片诱发了更大的N170波幅, N170成分可能更加敏感于面孔的结构编码加工。其次, 面孔比身体诱发了更负的EPN成分。EPN反映了知觉编码完成后, 视觉皮层对情绪信息给予进一步的选择性注意(Schupp,Flaisch, Stockburger, & Junghöfer, 2006)。本文结果显示, 在 N170知觉编码阶段, 大脑完成了对赢分身体和输分身体的区分, 可能在此后EPN阶段, 大脑给予身体图片的加工分配了较面孔加工更少的注意资源, 导致身体图片对应的EPN波幅较小。在较晚期的加工阶段, 身体比面孔诱发了更大的LPP成分。一般来说, LPP成分与刺激的评估与分类有关(Kutas, McCarthy, & Donchin, 1977; Pritchard,1981), 同时, 与投入的心理资源也存在一定的关系(Kok, 1997)。本文结果显示, 大脑对携带有更明确情绪的身体图片进行了更深入的加工, 进一步评估与效价有关的更细致的信息, 并将不同情绪种类的图片区分开。

除了面孔和身体诱发 ERP波形不同之外, 本文更关心的是面孔表情和身体姿势影响赢分情绪和输分情绪加工机制的不同。本文发现, 面孔图片上, 输分面孔比赢分面孔诱发了更负的EPN波幅。对于身体图片, 同样发现了输分和赢分图片的差异,表现在多个ERP成分上, 如N170、EPN和LPP。ERP结果为行为结果提供了解释, 行为学所发现的身体的正负性情绪能够更明确地被区分开来, 这可能来源于大脑对赢分身体和输分身体多阶段有区别的加工。我们将在总讨论部分对此深入讨论。

5 总讨论

本文研究了面孔和身体在运动员赢分和输分两种情绪条件下的加工。实验1和实验3的行为结果发现, 中国运动员的表情存在面孔表情效价的低区分性和身体表情效价的高区分性, 相比面孔条件,身体条件下赢分与输分图片之间的效价差异较大,身体赢分图片被评价为积极情绪, 身体输分图片被评价为消极情绪。实验2的结果发现, 面孔表情比身体姿势传递的情绪更加复杂和多样化。同时, 在脑电上, 身体条件下, 在多个ERP成分上存在赢分与输分图片的差别。

5.1 面孔表情的情绪多样性和身体姿势的情绪单一性

三个实验的行为数据表明, 身体比面孔能够更加明确地被判断出效价的正负性, 可能源于面孔表情传递的情绪多样性和身体姿势传递的情绪较为单一性。实验2结果发现, 运动员的面孔可能传递着更多样化的情绪, 如赢分面孔较高频率被感知的情绪有快乐、愤怒、悲伤, 输分面孔较高频率被感知的情绪有悲伤、厌恶、快乐。相对而言, 身体表达的情绪较为单一, 尤其是赢分身体, 最显著的情绪为高兴, 输分身体偏向悲伤和中性情绪。

相比输分情景下的面孔, 赢分面孔所传递的情绪更加复杂, 甚至存在与图片所处的情景效价相反的情绪, 如实验 2中, 赢分面孔下, 消极情绪的概率为55% (悲伤、愤怒、恐惧和厌恶四种比率的总和), 积极情绪的概率为33%。也就是说, 赢分后存在多种类型的情绪反应, 既有正性情绪, 又有负性情绪。本文作者参考了 2016年里约奥运会男单羽毛球决赛和女单乒乓球决赛时录像, 发现运动员(谌龙、丁宁)在赛点赢分后的即刻情绪反应, 是与情景比较一致的, 例如会高举双手, 朝天呐喊, 挥舞手臂, 表达一种愉悦的胜利情绪, 然而几秒之后,运动员则激动流泪, 甚至跪地痛哭。赢分后情绪反应的多样性导致了面孔效价的划分变得困难, 这与实验3中赢分面孔被评价为积极情绪和消极情绪的比率无显著差异是一致的。实验1中, 赢分面孔的效价均值为5.57分, 相比5分为中性情绪, 赢分面孔不具有非常明确的正负性效价信息。然而, Aviezer等人(2012)以及Wang, Xia和Zhang (2017)研究表明,当呈现一张完整的赢分图片(包含面孔和身体信息)时,赢分图片的效价为7分左右, 表明在身体信息辅助的情况下, 赢分面孔更偏向于判断为积极情绪。

在对运动员赢分或输分的情绪判断中, 身体姿势比面孔表情存在一定的优势。研究表明, 人类情绪效价的判断与趋近和回避动机系统有关, 如正性情绪引起趋近反应, 负性情绪引起回避反应, 而趋近和回避行为可以反映在身体姿势中(Xiao, Li, Li,& Wang, 2016)。趋近动机可以从伸展、张开或向前身体动作中推测出来(本研究中的赢分身体), 而回避动机可以从弯曲、闭合、向下或向后的身体动作中推测出来(本研究中的输分身体)。在情绪感知中,人们会整合来自多通道的情绪信息, 如面孔、身体、声音(Bogart, Tickle-Degnen, & Ambady, 2014)。至于哪个通道的信息在情绪感知上更具有优势, 可能取决于各通道信息的清晰程度。在本研究中, 赢分或输分情绪对于运动员来说, 情绪体验比较强烈,面孔传递的情绪不够明确, 身体姿势传递的情绪相对清晰, 因此身体姿势在情绪表达上可能发挥着更大的作用。

总的来说, 从情绪识别的角度看, 1)对于评估运动员所处的真实情景, 身体姿势比面孔表情似乎更能提供与其情景一致的信息; 2)相比输分面孔,赢分面孔传递的情绪更加复杂, 不能明确地推测出运动员输赢情况。

5.2 赢分和输分情绪加工的神经机制

(1) 早期P1阶段, 无法识别运动员的情绪信息

在脑电结果上, 本文从情绪加工的三阶段理论(W.Luo et al., 2010; Zhang et al., 2014), 分析和解释赢分情绪和输分情绪的脑内时程变化过程。在情绪的第一加工阶段, P1成分反映了情绪信息的自动加工或快速加工(W.Luo et al., 2010), 在基本表情的研究中, 相比中性刺激, 威胁性面孔或身体会诱发更大的P1波幅(Zhang, Wang, & Luo, 2012; 张丹丹等, 2015)。本文结果显示, 无论是面孔还是身体,均未发现胜利和失败表情在 P1成分上的区别, 其原因可能有二。第一, 可能是由于本文实验材料来源于真实的生活, 传递的情绪内容相比基本表情更加复杂和多样化(实验 2), 导致大脑无法对该类刺激快速地自动化加工。第二, 也可能是由于输分表情和赢分表情虽然强度很高, 但是对于生存的威胁性程度较低, 而 P1成分对威胁性信息更加敏感,如恐惧面孔、恐惧身体、负性词语。

(2) 中期阶段, 情绪载体的不同影响赢分和输分的识别

情绪加工的第二个阶段表现在N170和EPN成分(W.Luo et al., 2010; Zhang et al., 2014; 张丹丹,罗文波, 罗跃嘉, 2013)。在身体条件下, 胜利比失败表情诱发了更负的N170成分和EPN成分, 而在面孔条件下, 情绪效应仅反映在EPN成分上, 失败比胜利表情诱发了更负的EPN波幅。N170成分, 反映了面孔或身体的结构编码, 一般而言, 面孔比非面孔刺激(如汽车、手、房子)诱发的 N170波幅更大(Bentin et al., 1996; Eimer, 2000)。与此一致, 本文实验 3的结果发现, 面孔比身体诱发了更大的N170波幅。更为重要的是, 本文发现N170情绪效应出现在身体图片条件下。已有研究发现, 身体姿势包含的动作因素影响N170波幅(Borhani, Borgomaneri,Làdavas, & Bertini, 2016; Borhani, Làdavas, Maier,Avenanti, & Bertini, 2015), 相比动作量少的图片,包含较多动作的身体刺激会诱发较大波幅。本文中,胜利的身体姿势呈现出一种展开的姿态, 如高举的手臂或者紧握的拳头, 传递着胜利的喜悦, 而失败的身体姿势动作幅度较小, 如低垂的手臂。因此,本文结果可能是由于胜利和失败的身体传递的动作不同导致的。相对比而言, 赢分面孔或输分面孔之间无 N170情绪效应, 这可能有两个原因, 第一,正如引言中提到, 有关 N170成分对面孔表情的识别是否敏感存在一定的争议, 部分研究发现 N170成分不受到面孔表情的影响(Eimer et al., 2008; Kiss& Eimer, 2008)。本文中面孔表情条件下无N170成分的情绪效应, 也可能是由于 N170成分不够敏感于面孔表情的探测。第二, 赢分面孔或输分面孔具有情绪的复杂性和多样性, 没有比较明确的区分性的动作, 无法做出有效的情绪分类, 即使 N170成分对面孔表情识别具有一定的区分性, 导致赢分面孔和输分面孔诱发的N170波幅也可能不存在显著差异。

EPN反映了对情绪信息的选择性注意(侠牧等,2014), 情绪性信息会比中性刺激诱发更负的 EPN成分(Kissler & Herbert, 2013; Zhang et al., 2014)。在本文结果中, 情绪效应在面孔与身体条件是相反的：在面孔条件下, 失败表情的EPN更负, 在身体条件下, 胜利表情的EPN更负。学者们认为, EPN的情绪效应, 反映了在知觉编码完成后, 视觉皮层对环境中的情绪信息给予进一步的选择性注意(Schupp et al., 2006; 侠牧等, 2014)。本文结果表明,输分面孔比赢分面孔更能引起大脑的注意, 而赢分身体比输分身体更能引起大脑的注意。也就是说,情绪的载体影响了不同情绪的加工。

(3) 晚期阶段, 情绪信息的分类与更深入加工

在情绪加工的晚期, 在LPP成分上存在情绪类型的主效应：无论面孔还是身体刺激, 均发现赢分图片比输分图片诱发了更大的LPP波幅。一般来说,LPP成分反映了刺激的深入加工与分类(Kutas et al.,1977; Pritchard, 1981), 也反映了人们投入心理资源的多少(Kok, 1997)。与本文研究结果一致, Olofsson等人对与有关情绪图片的 ERP研究进行了综述(Olofsson, Nordin, Sequeira, & Polich, 2008), 发现积极愉悦的刺激比非愉悦刺激会诱发更大 LPP成分。本文结果中, 赢分图片诱发的 LPP波幅更大,一方面表明大脑在晚期加工阶段进一步将赢分与输分图片进行更深入加工和分类, 另一方面表明大脑给予“赢”的情绪更多的注意力, 这可能与人们在日常生活或者体育运动中对 “赢”有更多的期待有关。

5.3 研究不足与展望

本研究也存在某些不足, 需要在未来的研究中加以完善。在实验2, 实验任务设置方面, 要求被试对图片的情绪进行六选一(中性、快乐、悲伤、愤怒、恐惧、厌恶)的判断。但是, 图片传递的情绪有可能含有更多的类型, 例如, 赢分运动员可能产生自豪、兴奋等情绪, 输分运动员可能产生沮丧、懊恼、自责、羞愧、后悔等情绪, 这些情绪可能是一种单一的情绪, 也有可能是一种复合情绪。具体的情绪类型可能受到多种因素的影响, 如运动员的人格特点、所处环境、比赛的重要程度等。在未来的研究中, 可以对运动员本人和观众进行开放式调查,可能会存在哪些情绪类型, 再进行相关的评价。

总的来说, 本文对远动员赢分和输分后的情绪加工机制进行了探讨, 揭示面孔和身体在传递情绪上存在的不同, 有助于人们深入了解情绪脑的工作机制。同时, 采用生活中的真实情绪刺激, 扩展了人们对情绪识别的认识, 加深了我们对面孔加工复杂性的理解。

6 结论

综上所述, 本文在 Aviezer等人的基础上, 采用行为学和 ERP技术, 考察了远动员赢分和输分后的情绪类型和加工时程, 回答了论文提出的三个问题。结果表明：

(1)从情绪识别的角度上, 中国运动员的表情存在面孔表情效价的低区分性和身体表情效价的高区分性。对于评估运动员所处的真实情景, 身体姿势比面孔表情似乎更能提供与其情景一致的信息。

(2)“面孔表情效价的低区分性和身体表情效价的高区分性”这一现象的原因, 可能是由于面孔和身体传递情绪内容的复杂程度不同, 面孔含有的情绪更加复杂和多样化, 身体传递的情绪信息更为单一。

(3)在脑内时间进程上, 身体的情绪信息更早地被大脑识别到, 表现在 N170成分上。大脑对面孔的情绪识别表现在EPN成分上。在加工的后期,无论面孔还是身体, 大脑均对赢分表情给予更多的注意。大脑在多个阶段对身体进行情绪评估与分类,为行为学上身体能够提供更有区分性的效价信息提供了证据。