微表情应用在些方面[微表情研究及其应用]
微表情在教育培训中的应用有哪些
微表情在教育培训中的应用有哪些在当今的教育培训领域，人们越来越注重教学方法的创新和优化，以提高教学效果和学生的学习体验。
其中，微表情作为一种非言语交流的形式，逐渐受到关注并被应用于教育教学过程中。
微表情是指在人类面部短暂、细微且不自觉的表情变化，这些表情往往能够反映出个体真实的内心情绪和想法。
那么，微表情在教育培训中究竟有哪些具体的应用呢？一、帮助教师更好地理解学生在课堂上，学生的微表情可以为教师提供丰富的信息。
例如，当教师讲解一个新的知识点时，如果学生微微皱眉、眼神迷茫，这可能意味着他们对这个内容感到困惑，尚未理解。
此时，教师可以及时调整教学方法，进行更详细的解释或者换一种更易于理解的方式重新讲解。
又比如，当学生表现出轻微的不耐烦或者注意力不集中的微表情，如频繁眨眼、嘴角下垂，教师可以意识到教学节奏可能过慢或者教学内容不够吸引人，从而适当地增加互动环节或者引入一些有趣的案例来重新激发学生的兴趣。
通过观察学生的微表情，教师能够更敏锐地捕捉到学生的情绪状态和学习需求，从而及时给予帮助和支持，提高教学的针对性和有效性。
二、促进师生之间的有效沟通良好的沟通是教育成功的关键之一，而微表情在这方面能够发挥重要作用。
当学生与教师交流时，他们的微表情能够反映出内心的真实感受。
如果学生在表达自己的想法时，脸上露出紧张或者不安的微表情，教师可以以更加温和、鼓励的方式引导他们继续表达，增强学生的自信心。
反之，如果学生在交流中表现出不屑或者抵触的微表情，教师可以反思自己的沟通方式是否存在问题，及时调整策略，避免产生冲突和误解。
同时，教师自身的微表情也会对学生产生影响。
一个亲切的微笑、一个鼓励的眼神都能够传递出积极的情感，让学生感受到教师的关爱和支持，从而建立起更加良好的师生关系。
三、识别学生的情绪问题学生在学习和生活中可能会遇到各种压力和挑战，从而产生情绪问题。
微表情可以帮助教师及时发现这些问题。
比如，学生长期表现出压抑、沮丧的微表情，可能暗示他们在学习或者人际关系方面遇到了困难。
微表情分析在文化交流中的应用有哪些
微表情分析在文化交流中的应用有哪些在当今全球化的时代，文化交流变得日益频繁和重要。
不同国家、不同民族之间的人们相互接触、相互了解，以促进彼此的合作与发展。
而在这个过程中，微表情分析作为一种新兴的研究领域，正逐渐展现出其独特的价值和广泛的应用前景。
微表情是一种非常短暂、难以察觉的面部表情，通常持续时间仅为1/25 秒至 1/5 秒。
尽管它们如此短暂，但却能反映出一个人真实的内心情绪和想法。
在文化交流中，微表情分析可以帮助我们更好地理解对方的情感状态、意图和态度，从而有效地避免误解、增强沟通效果。
首先，微表情分析有助于跨越语言障碍。
当我们与来自不同文化背景、说着不同语言的人交流时，语言可能会成为一个阻碍。
但微表情是一种通用的“语言”，无论文化和语言如何差异，人类的基本情绪和其对应的微表情在很大程度上是相似的。
比如，惊讶时的挑眉、睁大眼睛，愤怒时的紧咬牙关、皱起眉头等。
通过观察这些微表情，我们能够在对方语言表达有限或者不准确的情况下，更准确地把握他们的情感和需求。
其次，微表情分析能够增强文化适应性。
不同的文化对于情感的表达和接受方式可能有所不同。
在某些文化中，直接表达情感被视为坦率和真诚；而在另一些文化中，可能更倾向于含蓄和内敛。
通过微表情分析，我们可以了解到对方在其文化背景下真实的情感反应，从而调整自己的行为和交流方式，以更好地适应对方的文化习惯。
例如，在与日本文化背景的人交流时，如果发现对方出现了轻微的抿嘴和低头的微表情，可能意味着他们对当前的话题感到有些不适或者不同意，这时我们就需要调整交流的内容或者方式。
再者，微表情分析有利于建立信任关系。
在跨文化交流中，信任是合作的基石。
当我们能够准确地解读对方的微表情，展现出对他们情感的理解和关注时，对方会感受到我们的真诚和用心，从而更容易建立起信任关系。
比如，当我们与一位来自陌生文化的合作伙伴交流时，如果能够及时捕捉到他们眼中闪过的一丝担忧，并给予恰当的回应和安慰，那么这将极大地增强对方对我们的信任，为进一步的合作打下良好的基础。
微表情分析在社 会融合中的应用有哪些
微表情分析在社会融合中的应用有哪些在当今社会，人与人之间的交流和互动日益频繁，理解他人的真实情感和意图变得至关重要。
微表情分析作为一种新兴的研究领域，正逐渐在社会融合中发挥着重要作用。
微表情是一种短暂、细微且难以控制的面部表情，通常持续时间仅为 1/25 秒至 1/5 秒，能够反映出人们真实的内心情绪和想法。
通过对微表情的分析，我们可以更好地了解他人，促进社会融合。
一、在人际交往中的应用在日常的人际交往中，微表情分析可以帮助我们更准确地理解对方的情感状态。
比如，当我们与他人交流时，对方可能会不自觉地流露出一丝短暂的皱眉或嘴角的轻微下拉，这可能意味着他们对当前的话题存在疑虑或不满。
如果我们能够敏锐地捕捉到这些微表情，并及时调整交流方式或内容，就能够避免不必要的误解和冲突，增进彼此之间的信任和理解。
此外，微表情分析还可以帮助我们识别他人的谎言。
虽然人们可以通过控制面部表情来掩饰自己的真实情感，但微表情往往会在不经意间泄露内心的秘密。
例如，当一个人说谎时，可能会出现短暂的眼神回避、嘴角的不自然抽搐或面部肌肉的紧张等微表情。
通过观察这些细微的变化，我们可以对他人的言语真实性进行更准确的判断，从而保护自己免受欺骗，并建立更真诚的人际关系。
二、在教育领域的应用在教育场景中，微表情分析对于教师了解学生的学习状态和心理需求具有重要意义。
课堂上，学生的微表情可以反映出他们对知识的理解程度和学习兴趣。
如果教师能够观察到学生的困惑表情，如眉头紧皱、咬嘴唇等，就可以及时调整教学方法，给予更详细的解释和指导。
同样，如果发现学生出现厌倦或分心的微表情，教师可以尝试采用更生动有趣的教学方式来吸引学生的注意力，提高教学效果。
此外，微表情分析还可以用于评估学生的心理健康状况。
一些学生可能因为各种原因不愿意直接表达自己的内心感受，但他们的微表情可能会透露出焦虑、抑郁等情绪问题。
教师通过关注学生的微表情变化，及时发现并干预潜在的心理问题，为学生提供必要的支持和帮助，促进他们的身心健康发展，更好地融入学校生活。
微表情分析在医疗诊断中的作用是什么
微表情分析在医疗诊断中的作用是什么在医疗领域，诊断病情往往依赖于各种先进的医疗设备、实验室检测以及医生的临床经验。
然而，近年来，一种相对较新的方法——微表情分析，正逐渐引起人们的关注。
那么，微表情分析在医疗诊断中究竟能发挥怎样的作用呢？首先，我们需要了解一下什么是微表情。
微表情是一种非常短暂、难以察觉的面部表情，通常持续时间仅为 1/25 秒至 1/5 秒。
这些细微的表情变化往往是人们下意识产生的，能够反映出真实的情绪和心理状态。
在医疗诊断中，微表情分析可以帮助医生更好地了解患者的心理状态。
对于患有心理疾病的患者，如抑郁症、焦虑症等，他们可能不太愿意直接表达内心的痛苦和困扰。
通过观察患者的微表情，医生可以捕捉到他们隐藏在言语背后的真实情绪，从而更准确地评估病情的严重程度。
例如，一个抑郁症患者在描述自己的症状时，可能会尽量表现得平静和坚强，但不经意间流露出的微微皱眉、嘴角下垂等微表情，可能暗示着他内心深处的绝望和无助。
医生注意到这些微表情后，可以进一步深入询问，了解患者更多的心理感受，为制定更有效的治疗方案提供依据。
微表情分析对于疼痛评估也具有重要意义。
在临床上，患者对疼痛的描述往往存在主观性和个体差异。
有些患者可能会夸大疼痛的程度，而有些患者则可能因为性格坚韧而低估疼痛。
此时，微表情分析可以作为一种客观的辅助手段。
当患者感到疼痛时，可能会出现短暂的眯眼、咬紧牙关或者面部肌肉紧张等微表情。
医生通过观察这些细微的变化，可以更准确地判断疼痛的程度和性质，从而调整治疗方案，给予更恰当的止痛措施。
此外，微表情分析在医患沟通中也能发挥积极作用。
良好的医患沟通对于准确诊断和有效治疗至关重要。
然而，有时患者可能因为紧张、害怕或者对医生不够信任，而不能完全坦诚地交流。
医生通过留意患者的微表情，可以及时察觉患者的情绪变化，调整沟通方式和内容，建立更好的信任关系。
比如，如果医生在询问病情时，发现患者出现了眼神回避、吞咽动作等微表情，可能意味着患者感到不安或者有所隐瞒。
微表情在旅游服务中的应用有哪些
微表情在旅游服务中的应用有哪些在当今竞争激烈的旅游市场中，提供优质的服务是吸引游客和留住游客的关键。
而微表情作为一种非语言交流的重要方式，对于提升旅游服务质量具有不可忽视的作用。
那么，微表情在旅游服务中究竟有哪些应用呢？首先，微表情可以帮助旅游服务人员更好地理解游客的需求。
当游客与服务人员进行交流时，他们的微表情往往会透露出真实的内心感受。
比如，一个紧皱眉头的游客可能表示对某项安排感到不满或担忧；而微微上扬的嘴角和放松的眼神则可能意味着游客对当前的服务感到满意和愉悦。
服务人员通过敏锐地捕捉这些微表情，可以及时调整服务策略，更好地满足游客的需求。
例如，在游客咨询旅游线路时，如果服务人员注意到游客在听到某个景点介绍时眼神发亮、微微点头，就可以进一步详细介绍该景点，并推荐相关的行程安排。
相反，如果游客在听到某个行程安排时面露犹豫或眉头微蹙，服务人员就应该主动询问游客的顾虑，并提供更多的选择和建议。
其次，微表情有助于提高服务人员与游客之间的沟通效果。
在旅游服务中，有效的沟通是至关重要的。
然而，语言表达有时可能会存在误解或不够准确的情况，而微表情可以作为一种补充和验证。
当服务人员与游客交流时，观察对方的微表情可以判断他们对自己所表达的内容是否真正理解和接受。
比如，服务人员在向游客解释某个旅游项目的注意事项时，如果游客频频点头但眼神游离，可能表明他们并没有真正专注于倾听，这时服务人员就需要换一种更简洁明了的方式进行解释，或者通过提问来确认游客是否理解。
同样，如果游客在交流过程中频繁眨眼、嘴角下撇，可能暗示他们对服务人员的态度或方式不太满意，服务人员就应该及时调整自己的沟通方式，以建立更良好的关系。
再者，微表情能够增强服务人员的应变能力。
旅游服务中经常会遇到各种突发情况和意外事件，服务人员需要迅速做出反应并解决问题。
通过观察游客的微表情，服务人员可以更快地判断问题的严重性和游客的情绪状态，从而采取更合适的应对措施。
微表情分析在慈善公益中的应用有哪些
微表情分析在慈善公益中的应用有哪些在当今社会，慈善公益事业的重要性日益凸显。
它不仅能够帮助那些处于困境中的人们，还能够促进社会的和谐与进步。
而在慈善公益领域，微表情分析作为一种新兴的技术手段，正逐渐展现出其独特的应用价值。
微表情是一种短暂、难以察觉的面部表情，通常持续时间仅为 1/25 秒至 1/5 秒。
这些微小的表情变化往往能够反映出一个人真实的内心情绪和想法，尽管人们可能试图掩饰或伪装。
微表情分析就是通过对这些细微表情的观察、解读和分析，来获取有价值的信息。
在慈善公益活动中，微表情分析可以在多个方面发挥作用。
首先，在慈善捐赠环节，微表情分析有助于识别捐赠者的真实动机。
有些捐赠者可能出于真心想要帮助他人，而有些可能是为了获得社会声誉或其他潜在利益。
通过观察捐赠者在捐赠过程中的微表情，如眼神的真诚度、嘴角的细微变化等，可以大致判断他们的动机是否纯粹。
这对于慈善组织合理分配资源、选择合作伙伴以及维护自身声誉都具有重要意义。
其次，在慈善项目的评估中，微表情分析可以帮助了解受益人的真实感受和需求。
在对慈善项目进行效果评估时，与受益人进行交流是常见的方式。
然而，受益人可能由于各种原因，如害羞、害怕或者想要迎合调查者，而不能准确地表达自己的真实想法。
这时，微表情分析就能够提供补充信息。
比如，一个孩子在被问到是否喜欢新的学习环境时，如果嘴上说喜欢但眉头微皱或者眼神中有一丝犹豫，可能意味着实际上还存在一些问题需要解决。
再者，对于慈善公益组织的工作人员选拔，微表情分析也能发挥作用。
慈善工作往往需要面对各种复杂的情况和压力，要求工作人员具备高度的同情心、责任心和应变能力。
在招聘过程中，通过观察应聘者在回答相关问题时的微表情，可以判断他们是否真正具备从事慈善工作所需要的素质和心态。
比如，当问到如何应对困难的救助场景时，如果应聘者表现出紧张、不安或者刻意回避的微表情，可能暗示其在心理承受能力方面存在不足。
另外，微表情分析还能够帮助慈善组织在宣传活动中更好地与公众沟通。
微表情检测及应用简介
浅谈微表情检测方法和应用姓名：学号：日期：微表情是指人类在极短的时间内（约1/25秒至1/15秒）出现的极其细微的面部表情，是我们在面对外部环境的刺激时不经意间透露出的真实情感。
迄今为止，对于微表情的研究远没有达到一个可靠且全面的共识，但随着近年来计算机视觉技术的飞速发展，对微表情检测的研究也逐渐取得了长足的进步。
本文将阐述微表情检测的实现方法，并展望其未来可能的应用领域。
一、微表情检测的实现方法微表情检测方法主要包括五个步骤：数据采集、预处理、特征提取、建模与分类、检测与分析。
1.数据采集：收集大量含有人脸表情的图像或视频数据。
这些数据可以通过摄像头实时捕捉，也可以从公共数据集中获取。
为提升数据的多样性及可靠性，数据采集过程中应注意保证各种表情、年龄、性别、种族等方面的代表性。
2.预处理：在采集的数据中，通过人脸检测和对齐技术，实现对人脸图像的准确提取及规范化处理。
3.特征提取：从规范化后的人脸图像中提取微表情的特征。
目前，特征提取方法主要包括传统人工设计特征和基于深度学习的特征提取。
传统方法包括局部二值模式（Local Binary Patterns，LBP）、光流法（Optical Flow）等；而基于深度学习的方法，通常采用卷积神经网络（Convolutional Neural Networks，CNN）进行特征学习。
（1）传统方法：局部二值模式(LBP) 是一种简单但极具表达力的面部纹理描述符，通过对比领域像素值差异来提取图像纹理信息。
光流法是通过计算图像序列中相邻帧之间像素的运动来描述面部动态表情变化。
这两种方法凭借较低的计算复杂度和易实施性，在微表情检测领域取得了初步成果。
（2）基于深度学习的方法：随着深度学习技术的发展，卷积神经网络（CNN）已被证明具有优越的特征提取能力。
在微表情检测任务中，由于序列数据的时序信息对于微表情特征的表达至关重要，因此常采用时序卷积神经网络（Temporal Convolutional Networks, TCN）或者长短时记忆网络（Long Short-Term Memory, LSTM）等时序模型进行特征提取。
微表情识别技术在情感智能中的应用研究
微表情识别技术在情感智能中的应用研究近年来，情感智能作为人工智能领域的一个重要研究方向，吸引了越来越多的关注。
而微表情识别技术作为情感智能领域的重要技术之一，能够准确地捕捉和识别人们面部微表情中蕴含的情感信息，成为情感智能的关键之一。
本文将就微表情识别技术在情感智能中的应用进行深入探讨。
首先，我们来介绍一下微表情，微表情指的是面部肌肉的短暂、非控制的、反应性运动，它们几乎无法通过肉眼观察察觉到。
然而，这些微小的表情往往能够反映出一个人真实的感受和情感状态。
因此，对于情感智能而言，微表情的识别和分析具有重要的意义。
微表情识别技术是利用计算机视觉和机器学习等技术手段来自动地识别和分析微表情。
通过分析面部表情的特征、动态和时间序列等信息，微表情识别技术可以将微表情分类为七种基本情绪，如愤怒、厌恶、恐惧、快乐、悲伤、惊讶和蔑视。
通过对微表情进行准确的识别，可以帮助人们更好地理解他人的情感状态，从而提高沟通和交流的效果。
在情感智能领域中，微表情识别技术有着广泛的应用价值。
首先，微表情识别技术在情感识别与理解方面起到了关键作用。
通过对微表情的识别和分析，可以准确判断一个人当前的情感状态，包括喜怒哀乐等。
同时，还能够识别隐藏在表面情感之下的真实感受，帮助人们更好地理解他人。
这对于人机交互、情感辅助诊断等方面具有重要意义。
其次，微表情识别技术在心理疾病诊断和预防方面也发挥着重要作用。
许多心理疾病患者往往会掩饰自己的真实情感，这使得传统的疾病诊断方法无法得到准确的结果。
而通过微表情识别技术，可以客观地捕捉到患者真实的情感状态，帮助医生准确诊断疾病，并进行个性化的治疗。
此外，微表情识别技术还可以应用于心理学和社会学的研究中。
通过对微表情的分析，可以更深入地理解人类的情感和行为，并对社会心理进行深入研究。
例如，在组织管理中，通过分析员工的微表情变化，可以更好地评估其工作满意度和情绪变化，进而采取相应的管理措施。
然而，微表情识别技术在实际应用中仍面临着一些挑战。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
微表情应用在些方面[微表情研究及其应用] 心理科学进展 xx, Vol. 18, No. 9, 1359–1368 Advances in Psychological Science微表情研究及其应用*吴奇1,2 申寻兵1,2 傅小兰1(1中国科学院心理研究所; 脑与认知国家重点实验室, 北京100101) (2中国科学院研究生院, 北京 100049)摘要微表情是一种持续时间仅为1/25秒至1/5秒的非常快速的表情, 表达了人试图压抑与隐藏的真正情感。
本文系统梳理已公开发表的微表情实证研究报告, 对注重于测量微表情识别能力的早期研究、目前基于微表情训练工具(METT)的微表情识别应用研究以及刚刚萌芽的微表情表达研究进行总结分析, 明确指出以往研究中存在的问题, 建议未来研究应探讨METT 在不同文化中的有效性, 研究微表情表达的基本特点和主要影响因素, 并注重发展自动化的微表情识别工具。
本文提出, 基于微表情的自动谎言识别系统将是微表情研究未来的应用方向之一。
关键词微表情; 撒谎; 微表情识别; 微表情表达分类号 B842.61 引言表情是人类表达自身情感信息的重要非言语 __, 可视为人类心理活动的晴雨计。
达尔文于1872年出版了著名的《人与动物的表情》(The Expression of Emotions in Man and Animals), 人类对面部表情的系统研究从此拉开了序幕。
时至今日, 人类对于面部表情的研究已经非常丰富, 但关注的都是人的普通表情(Ekman & Rosenberg, xx) 。
然而, 人除了有普通表情, 还存在着两种常常难以被人觉察的表情: 一种是弱表情(subtle expression), 其强度非常低; 另一种是微表情(microexpression), 其持续时间非常短(Ekman, xx) 。
由于微表情与撒谎的关系密切(Ekman, xx, xx; Ekman & Sullivan, xx), 微表情近年来备受科学界(如Schubert, xx)和新闻界(如Henig, xx)的关注。
本文介绍微表情的性质, 系统梳理已公开发表的微表情实证研究报告, 从注重测量微表情识别能力的早期研究、目前基于METT 的微表情识别应用研究以及刚萌芽的微表情表达研究三个方面总结和分析微表情的研究现状, 指出研究中存在的问题, 并对未来研究和应用提出具体 : xx-03-31* 中国科技部973项目(xxCB303101)和国家自然科学基金项目(90820305)支持。
通讯作者: 傅小兰, E-mail: fuxl@psych.ac.建议。
2 微表情的界定与基本性质Haggard 和Isaacs (1966) 率先发现微表情, 认为微表情与自我(ego)防御机制有关, 表达了被压抑的情绪。
他们的研究当时并未引起其他研究者的重视。
因一个偶然的机会, Ekman和Friesen (1969)也独立地发现了微表情。
他俩受一位精神病学家的委托, 对一段抑郁症患者撒谎以掩盖其自杀意图的录像进行检测。
然而, Ekman和Friesen 起初并未从这段视频中发现该患者有任何异常表现: 该患者显得很乐观, 笑得很多, 表面上没有表现出任何企图自杀的迹象。
但当对该录像进行慢速播放并逐帧进行检查时, 他们发现: 在回答医生提出的关于未来计划的问题时, 该患者出现了一个强烈的痛苦的表情。
在整段视频中, 这个表情只占据了两帧的画面, 持续时间仅为1/12秒。
Ekman 和Friesen 称之为微表情。
微表情与普通表情有所不同, 它是一种非常快速的表情, 持续时间仅为1/25秒至1/5秒(图1), 因此, 大多数人往往难以觉察到它的存在。
Ekman 等(Ekman, xx, xx; Ekman & Sullivan, xx) 认为, 微表情既可能包含普通表情的全部肌肉动作, 也可能只包含普通表情肌肉动作的一部分; 它往往在人撒谎时出现, 表达了人试图压抑与隐藏的真正情感; 它是一种自发性的表情动作, 表达了六大基本表情。
1359-1360-心理科学进展 xx年图1 正常表情中的一个厌恶的微表情(选自METT)微表情具有的上述性质, 使它可能成为我们了解人类真实情感和内在情绪加工过程的一个窗口。
目前, 微表情的产生与识别机制还有待进一步研究, 人们对微表情的机理还知之甚少, 只是对控制面部肌肉运动的两条通路具有共识: 一条是皮质运动通路, 控制随意的面部肌肉运动; 另一条是皮质椎体外系通路, 控制自发的面部肌肉运动。
研究者认为, 这两条通路可能与微表情的产生有关, 但还没有研究者对此假设进行过检验(Ekman, xx)。
微表情的心理和神经机制是微表情研究中亟待解决的重要科学问题。
也能很好地判断人是否在撒谎。
于是, Ekman的研究团队开始构造测量微表情识别能力的工具, 同时考察微表情识别能力与谎言识别准确性之间的关系。
Ekman 和Friesen (1974) 研制了短暂表情识别测验(Brief Affect Recognition Test, BART)。
在该测验中, 施测者向被试快速呈现一些表情图片, 每张图片仅呈现1/25秒。
Ekman 和Sullivan (1991)利用该测验研究了微表情识别能力和谎言识别准确性的关系, 结果表明, 被试在BART 测验中的得分与他们在谎言识别测验中的成绩呈显著正相关(r = 0.27, p为确认微表情识别能力与谎言识别准确性之间的关系, Frank和Ekman (1997) 研制了一个新测验来进一步考察人们识别微表情的能力。
该测验的测试程序与BART 完全相同, 但使用了一套新的表情图片, 而这套表情图片具有较高的跨文化一致性。
使用新测验的结果依然支持早期的研究发现: 微表情识别能力与谎言识别的准确性呈显著正相关(r = 0.34, p但是, 以快速呈现表情图片的方式来测量微表情识别能力的方法缺乏生态学效度。
在这种测验中, “微表情”是孤立出现的; 但在现实中, 微表情的出现前后却伴随着其他表情。
另外, 快速呈现表情图像还存在图像后效问题, 而这将延长被试对刺激的知觉加工时间。
因此, Ekman (xx)研制了一个新的微表情识别能力测验, 即“日本人与高加索人短暂表情识别测验” (Japanese and Caucasian Brief Affect Recognition Test, JACBART) 。
在该测验中, 施测者首先会向被试呈现一张某人的中性表情的图片, 然后快速呈现该人一张带有表情的图片, 呈现时间为1/15秒; 之后再紧跟着呈现一张中性表情的图片, 以消除图像后效的影响。
Frank 于xx年使用该测验进3 微表情研究现状分析Ekman 研究团队是开展微表情研究的主要力量。
但是, 他们的部分研究工作具有保密性质, 未公开发表(见Henig, xx; Weinberger, xx)。
根据目前公开发表的, 微表情研究可为早期的微表情识别研究、微表情识别的应用研究、微表情表达的研究三部分。
早期的微表情识别研究注重测量微表情识别能力, 考察微表情识别与谎言识别的关系, 并成功地构造了微表情识别的训练程序。
在该训练程序的基础上, 微表情识别的应用研究近年来层出不穷。
然而, 微表情表达的研究则刚刚萌芽, 其中的很多重要问题还不清楚, 这在很大程度上制约了微表情的实际应用。
3.1 早期的微表情识别研究 3.1.1 微表情识别能力测验Ekman 和Friesen (1969) 发现, 当在慢速播放条件下看见了微表情后, 即使再以正常速度重新播放这段视频, 他们也可以直接看见视频中的微表情了。
于是, 他们决定将这段视频给一些临床心理学家看, 结果发现其中一些人可以不借助慢速播放技术就觉察到微表情的存在。
据此, Ekman 和Friesen 推断, 能很好识别微表情的人,第18卷第9期微表情研究及其应用 -1361-行研究(见Ekman & Sullivan, xx), 分别考察了美国人和澳大利亚人的谎言识别能力与其微表情识别能力的关系, 结果发现两组被试在该测验上的得分与其谎言识别的成绩均呈显著正相关 (r = 0.19, r = 0.30, p随着微表情识别能力测验的完善, 研究者也开始用这些工具探究微表情识别能力的个体差异。
Matsumoto 等人(2000)利用JACBART 的未完全版(包含56个项目, 拥有三个版本, 微表情呈现时间分别为1/15s、2/15s、1/5s)考察了微表情识别能力与人格的关系, 发现JACBART 各版本的信度都很好(克伦巴赫系数均在0.82以上, 1/5s版本的重测信度为r =0.78, p微表情研究的早期阶段, 研究者们都在关注构造有效测量微表情识别能力的工具。
xx年, 微表情识别领域取得了重大进展, Ekman研制出第一个微表情训练工具(Micro Expression Training Tool, METT)。
该工具包含前测(pretest)、训练(training)、练习(practice)、复习(review)与后测(posttest)5个部分。
其前测程序与JACBART 相同, 测量未受训练情况下人的微表情识别能力。
其训练、练习与复习三个部分构成METT 的训练程序: 在训练部分, Ekman用视频方式讲授识别微表情的要点; 在练习部分, 被试练习使用在训练部分学习到的技巧对微表情进行识别; 在复习部分, 被试进一步巩固学习到的技巧。
后测程序也与JACBART 相同, 但使用了与前测不同的数据集, 以测量被试接受训练后的微表情识别能力。
前测成绩和后测成绩的差异, 反映了被试微表情识别能力的变化。
METT 提供训练程序能在1.5小时的时间内提高人识别微表情的能力(Ekman, xx), 后测的成绩能较前测平均提高30%~40% (Ekman, xx) 。
由于人往往难以觉察到微表情的存在, 所以微表情识别的研究都可能会出现地板效应。
而METT 能提高人对微表情的识别能力, 从而有效地避免研究中的地板效应, 使各种微表情识别研究具有了一定的可行性。
但是, METT的训练效果的维持时间长短目前还不得而知。
3.2 微表情识别的应用研究xx年之前, 微表情研究并不多见, 且以发展测量微表情识别能力的工具为主。
然而, Ekman于xx年发展出METT 后, 微表情识别的应用研究在近年来不断涌现。
3.2.1 微表情识别在医学临床领域的应用研究临床是微表情研究的重要应用领域。
研究者目前十分关注微表情识别在临床上的应用。
Russell, Elvina和Mary (xx) 率先在临床领域进行了与微表情识别有关的研究, 考察了METT 训练程序对精神分裂症患者情绪识别(emotional recognition)能力与微表情识别能力的影响。