ERP研究 | 颜值美和道德美,哪个更重要?

摘要

道德美和颜值美都会影响我们的评价。在这里,本研究采用事件相关电位(ERPs)技术探讨了道德美和颜值美如何交互影响社会判断和情感反应。参与者(均为女性)将积极、中性或消极的言语信息与高吸引力或低吸引力面孔进行关联,并对这些面孔进行评分,以检查操作的有效性。在测试阶段再次呈现这些面孔,参与者对这些面孔做出了带有情感色彩的社会判断。结果显示,在带有情感色彩的社会判断中,道德美占主导地位,同时在相关的ERP(早期后部负波EPN和晚期正成分LPP)活动中也有所体现,而面孔吸引力的影响较小。相反,面孔吸引力对视觉加工(N170)产生了影响。总的来说,人们的情感和社会判断更看重道德层面的因素,而不仅仅是颜值美。

引言

颜值美和道德美对我们的社会印象都很重要。先前的研究主要是单独关注这两种信息来源,但关于这些不同来源的视觉和非视觉信息如何相互作用却知之甚少。本研究探讨了道德美和颜值美对社会判断和情感反应的联合影响。通过使用事件相关电位(ERPs)来识别潜在的神经认知过程,本研究测试了从视觉加工到反射性情感脑反应,以及随后更具评估性的反应在面孔加工上的时间分辨效应。

道德美与一个人的品格和社会行为有关,并且可以通过口头传递的社会情感信息获得。人们对他人的情感反应和评价会随着所学得的信息和经验而发生变化。社会情感信息已被证明会影响对他人的感知和评价,包括面孔的意识感知、对面部特征(如可信度、吸引力和可爱性)的间接评估,以及对个体及其社会特征的明确判断。社会情感信息在面部知觉中会自发地被处理,这种处理体现在与社会认知和情感相关的神经区域中,特别是前岛叶在处理与厌恶相关情感图片时的反应。

另一方面,颜值美直接体现在一个人的外貌上。我们往往会将更积极的特质(如可信度、友善和社交能力)归因于有吸引力的个体(即光环效应),而对外貌普通的人则评价较低。人们常常会根据他人的外貌来做出判断,尽管这种判断可能并不准确或具有很少的信息价值,但他们仍然相信自己的评估是有效的。神经认知证据表明,评判颜值美和道德美所涉及的神经机制非常相似,这意味着我们对外貌的看法会影响我们对其道德品质的评估。有研究发现,对高吸引力和低吸引力的印象分别在内侧前额叶皮层和岛叶皮层中产生了与趋近和回避行为有关的不同效应。

本研究考察了道德美与颜值美之间的相互作用,重点分析从早期到晚期面部加工中的ERP成分。视觉感知反映在P1和N170成分中,其中P1成分反映了低水平的加工,例如感知对比度(面孔呈现后100ms),而N170成分则反映了更高水平的结构编码(170ms,枕颞区)。这两者对面部表情分析和情绪加工都很敏感,但与后期的ERP成分相比,它们的情绪效应较不稳定。然后,本研究考察了早期后部负波(EPN,200-350ms,枕颞区)对快速和反射性情绪加工的影响。在加工后期,本研究考察了晚期正成分(LPP,400-600ms,中央顶叶区域)对情绪意义的高级评估的影响。与情绪图片加工相关的原始研究发现,与中性刺激相比,愉快或不愉快的视觉场景或物体,以及友好或威胁的面孔会在大约100到150ms之后引发电生理成分(EPN和LPP)的变化。研究结果表明,情感意义的加工独立于图像的物理特征,即使在刺激呈现时间非常短暂的情况下也是如此。EPN和LPP主要受情绪唤醒维度驱动,因此正负效价刺激的唤醒效果相似。例如,EPN效应似乎是相对反射性的,而LPP则对情感刺激的意义或相关性更加敏感,这取决于当前的任务和动机。

在这里,本研究考察了在社会判断任务中,面部吸引力如何影响社会情感信息的行为和ERP效应。本研究预期积极和消极信息会影响社会判断以及EPN和LPP的调节,这些效应反映了在社会情绪面孔和个体评价中所涉及的关键加工过程。虽然以往的研究发现了道德美和面部美的相应效应,但尚未探讨它们之间的相互作用。因此,本研究侧重于面部吸引力是否、如何以及何时调节相关社会情感信息的行为和神经认知效应。

方法

参与者

数据集包含24名女性参与者(平均年龄=23.46岁,标准差=4.78,23人为右利手)。本研究仅邀请女性参与,是为了避免男性和女性面孔在吸引力感知上的性别差异。有五名参与者需要被替换(原因包括:刺激平衡顺序出错(1名),无法记住人物信息的要点(1名),未进行按键反应(2名),单眼失明(1名))。向参与者简要介绍了实验程序,并签署了知情同意书。本研究获得了当地伦理委员会的批准。

材料

从之前用于研究吸引力影响的数据库中选择了36张中性的陌生面孔。根据独立的预评分,本研究选择了12张高吸引力和12张低吸引力的目标面孔,以及12张中等吸引力的填充面孔,分别为一半男性面孔和一半女性面孔。照片为灰度图像,经过亮度调整以使明暗相似,并置于浅蓝色背景上(2.7×3.5cm、19英寸、60Hz、1280×1024显示器上显示,观看距离为70cm)以吸收低亮度的特征。

面孔与积极、消极或中性的社会情感信息相关联。这些信息涉及这个人的社会和道德品质,例如,积极信息:“他救了一家溺水的难民”;消极信息:“他在约会对象的饮料中放入了迷药”;中性信息:“他向顾客展示了新产品”。所有36个句子均由同一男性说话者录制。

综上所述,每种吸引力(高、低)与信息(积极、消极、中性)条件下均由四个目标面孔刺激组成。通过在参与者之间平衡信息与目标面孔的分配,确保每个面孔在所有参与者中与三种信息水平的关联频率相等。请注意,分配给每个面孔的信息在参与者内部是一致的。十二张填充面孔始终与中性信息配对。

图1.研究阶段和实验操作的示意图。

程序

被试内设计包括两个阶段。在第一阶段,实验开始时对所有呈现的36张面孔进行喜爱度和吸引力评分,以作为操纵检验,并且评分顺序在参与者之间进行了平衡(采用自我评估法[Self-Assessment Manikin]7点量表,从非常喜欢到非常不喜欢,以及从非常高到非常低)。在社会情感信息的曝光阶段,参与者观看每张面孔并得到有关他们的听觉信息。在每个试次中,面孔呈现6s,每张面孔总共重复5次(但不直接重复)。为了确保参与者保持注意力集中,参与者需要偶尔回答简单的是或否问题,这些问题与block之间穿插的信息相关(例如,这个人的行为常见吗?)。在15分钟的休息后,第一阶段以对所有面孔进行相同的喜好度和吸引力评分结束,以检验信息暴露前后的效果。总的来说,第一阶段每个参与者总共有324个试次。

在第二阶段,参与者进行社会判断任务,并记录他们的EEG。他们根据所有可用信息来判断这些人的社会特征(使用3点量表)。本研究选择这种判断任务,是为了将结果与其他使用类似社会判断任务的研究进行比较,但没有对面部外观进行操作。每个试次均以500ms的固定十字注视点开始,面孔呈现直到按键或持续2s,随后是500ms的刺激间隔。社会判断任务重复进行了20次,每次包含所有36张面孔,并穿插自定节奏的休息间隔。参与者被告知这种重复是进行EEG测量所必需的。第二阶段每个参与者总共有792个试次。

回答量表的方向在参与者之间进行了平衡,即一半的参与者的量表和按钮从积极(左侧)到消极(右侧),而另一半则相反。实验结束后,要求参与者写下与每张面孔相关的信息要点,以检查他们是否充分掌握了信息。

脑电数据记录与预处理

采用62导Ag/AgCl头皮电极记录EEG,并遵循扩展的10-20系统,以左侧乳突为参考电极,以FCz作为接地电极。阻抗保持在5kΩ以下。采样率为5kHz,并使用0.016Hz的低截止频率和1000Hz的高截止频率,降采样至500Hz。采集双眼左右外眦、左眼上方和下方的水平和垂直眼电(EOG)。在实验结束后进行了简短的校准程序,以追踪个体的眼动,随后这些信息用于校正眼动伪迹。

在离线处理时,使用EEGlab 13_5_4b将连续EEG信号转换为平均参考,并进行高通滤波(0.1Hz)和低通滤波(30Hz),采用过滤带宽为0.1Hz的零相位FIR滤波器,截止频率(-6dB)为0.05Hz和30.05Hz。使用BESA软件,对每个参与者单独应用时空偶极子建模程序来去除眼动伪迹。振幅超过±200µV、样本之间变化超过50µV、单个时间段内变化超过200µV或包含基线漂移伪迹的试次被剔除。将无伪迹EEG数据分成1s的时间段,基线为刺激开始前200ms。

数据分析

根据先前关于社会情感信息、情绪效应和吸引力效应的研究结果,ERP分析主要集中在EPN成分(电极点PO7、PO8、PO9、PO10、TP9、TP10;在面孔刺激开始后200-350ms)和LPP成分(电极点Pz、CPz、POz、P3、P4;400-600ms)。此外,本研究还在先前研究的基础上分析了早期视觉面孔加工中的P1(PO3、PO4、O1、O2;80-120ms)和N170(P7、P8、PO7、PO8;130-200ms)效应。本研究在R中对ERPs和行为测量的单个试次数据进行了混合效应回归模型分析。数据及相应代码可在线获取(https://osf.io/e529z/)。

结果

社会判断任务(第二阶段):社会判断和大脑反应与社会情感信息和吸引力的关系

行为结果

参与者根据所有可用信息在效价量表上对这些面孔进行判断(图2A)。与中性信息相比,与消极信息相关的面孔被认为是更消极的人,且这一判断不受吸引力的影响(表1)。与中性信息相比,与积极信息相关的面孔被认为是更积极的人,同样这一判断不受吸引力的影响(表1)。

关于社会判断的反应时,信息和吸引力的影响相互作用,使得一致条件下的判断更快(图2B)。与消极信息相关的面孔在吸引力较低时判断速度更快,而与积极信息相关的面孔在吸引力较高时判断速度更快(表2)。

图2.在第二阶段的社会判断任务中,测试了社会情感信息和面孔吸引力的影响及相互作用。

表1.混合模型汇总统计和单独比较显示,积极信息和消极信息与吸引力的相互作用对社会判断产生了影响。

表2.线性混合模型汇总统计和单独比较显示,积极信息和消极信息与吸引力的相互作用对社会判断的反应时产生了影响。

事件相关电位

P1和N170。关于视觉面孔感知的影响,本研究考察了P1和N170这两个成分。在P1中没有发现调节效应。与高吸引力面孔相比,低吸引力面孔的N170增大(表3,图3)。消极和积极信息与吸引力的交互效应趋势显示,在消极和积极信息条件下,低吸引力面孔的N170振幅高于高吸引力面孔,但在中性信息条件下没有发现这种效应。

表3.线性混合模型汇总统计和单独比较显示,积极信息和消极信息与吸引力的交互作用对N170产生了影响。

图3.N170效应。

EPN。为了研究快速和反射性情绪加工,本研究考察了EPN成分(图4A-B)。相较于中性信息面孔,消极信息和积极信息面孔的EPN均增大(表4)。吸引力没有调节EPN效应(表4)。

图4.EPN效应和LPP效应。

表4.线性混合模型汇总统计和单独比较显示,积极信息和消极信息与吸引力相互作用对EPN产生了影响。

LPP。为了研究晚期和更复杂的评估加工过程,本研究考察了LPP成分(图4C-D)。与中性信息相比,消极信息和积极信息面孔的LPP均增大(表5)。吸引力没有调节积极信息的LPP效应。但吸引力与消极信息的效应相互作用,低吸引力面孔在消极信息下的LPP振幅最为显著,这表明存在一致性效应(表5)。

表5.线性混合模型汇总统计和单独比较显示,积极信息和消极信息与吸引力相互作用对LPP产生了影响。

操作检查(阶段1)

信息曝光前后的喜爱度评分

在信息曝光之前,本研究发现,高吸引力面孔比低吸引力面孔更受欢迎(图5,表6)。在信息曝光之后,信息和吸引力在喜爱度评分上存在主效应,但不存在交互效应(图5,表6)。与积极信息相关的高吸引力面孔被评为比中性信息的低吸引力面孔更受欢迎。与消极信息相关的低吸引力面孔被评为比中性信息的高吸引力面孔更不受欢迎。

图5.在第一阶段,参与者在接触到社会情感信息之前和之后分别对喜爱度和吸引力进行评分(平衡评分顺序)。

表6.混合模型汇总统计显示,在信息获取前后,积极信息和消极信息与吸引力的交互作用均对喜好度评分产生了影响。

信息曝光前后的吸引力评分

根据预评分将面孔吸引力分为高吸引力面孔或低吸引力面孔,并使用当前样本检验了这一操作的有效性。在信息曝光之前,结果证实了参与者明显认为面孔具有不同的吸引力(图5,表7)。在信息曝光之后,社会情感信息也会影响参与者对面孔吸引力的评估(图5,表7)。除了吸引力的主效应之外,与中性信息相比,与积极信息相关的面孔被评为更具吸引力,而与消极信息相关的面孔则被评为不那么有吸引力。

表7.混合模型汇总统计和后续检验显示,积极信息和消极信息与吸引力的交互作用,对信息暴露前后的吸引力评分产生了影响。

结论

综上所述,这项研究表明,道德美虽然不是肉眼可见的,但与视觉上的颜值美相比,更能影响我们对他人的情感反应和社会评价。虽然我们欣赏并加工他人的颜值美,并依靠它进行浅层判断,但对于更深层次的社会判断,我们更重视他人的道德美,而非颜值美。

参考文献:Julia Baum, Rasha Abdel Rahman, A beautiful face is good when we’re judged by others, a moral character is better, Social Cognitive and Affective Neuroscience, 2024, nsae071, https://doi.org/10.1093/scan/nsae071

小伙伴们关注茗创科技,将第一时间收到精彩内容推送哦~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/58208.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CSS中常见的两列布局、三列布局、百分比和多行多列布局!

目录 一、两列布局 1、前言: 2. 两列布局的常见用法 两列布局的元素示例: 代码运行后如下: 二、三列布局 1.前言 2. 三列布局的常见用法 三列布局的元素示例: 代码运行后如下: 三、多行多列 1.前言 2&…

Vue3版本的uniapp项目运行至鸿蒙系统

新建Vue3版本的uniapp项目 注意,先将HbuilderX升级至最新版本,这样才支持鸿蒙系统的调试与运行; 按照如下图片点击,快速升级皆可。 通过HbuilderX创建 官方文档指导链接 点击HbuilderX中左上角文件->新建->项目 创建vue3…

Nature文章《deep learning》文章翻译

这篇文章是对Nature上《deep learning》文章的翻译。原作者 Yann LeCun, Yoshua Bengio& Geoffrey Hinton。 这篇文章的中心思想是深入探讨深度学习在机器学习中的革命性贡献,重点介绍其在特征学习、监督学习、无监督学习等方面的突破,并阐述其在图…

AnaTraf | 全流量回溯分析:网络故障排除的 “时光回溯机”

AnaTraf 网络性能监控系统NPM | 全流量回溯分析 | 网络故障排除工具AnaTraf网络流量分析仪是一款基于全流量,能够实时监控网络流量和历史流量回溯分析的网络性能监控与诊断系统(NPMD)。通过对网络各个关键节点的监测,收集网络性能…

Zabbix低权限SQL注入至RCE+权限绕过

Zabbix低权限SQL注入至RCE权限绕过,可惜没找到关于传webshell的好方法,如有大神告知,感激万分! 本文中所有代码以及后续更新都会放在我的github仓库中: https://github.com/W01fh4cker/CVE-2024-22120-RCE 一、漏洞环…

[vulnhub]DC: 1

https://www.vulnhub.com/entry/dc-1,292/ 主机发现端口扫描 使用nmap扫描网段类存活主机 因为靶机是我最后添加的,所以靶机IP是156 nmap -sP 192.168.75.0/24 // Starting Nmap 7.93 ( https://nmap.org ) at 2024-09-28 12:48 CST Nmap scan rep…

jmeter脚本-请求体设置变量and请求体太长的处理

目录 1、查询接口 1.1 准备组织列表的TXT文件,如下: 1.2 添加 CSV数据文件设置 ,如下: 1.3 接口请求体设置变量,如下: 2、创建接口 2.1 见1.1 2.2 见1.2 2.3 准备创建接口的请求体TXT文件&#xff…

SQL,力扣题目1549,每件商品的最新订单【窗口函数】

一、力扣链接 LeetCode_1549 二、题目描述 表: Customers ------------------------ | Column Name | Type | ------------------------ | customer_id | int | | name | varchar | ------------------------ customer_id 是该表主键. 该表包含消费者的…

卸载 Adobe Genuine Software Client

一、问题描述 使用破jie版Adobe Acrobat Pro DC软件后,会经常弹出以下窗口: 且上述探窗无法直接关掉。即使通过任务管理器将其临时关掉,可等过一段时间后,仍然会再次弹出,严重干扰工作进度。 二、问题解决 &#xff…

京东云雅典娜刷机步骤(需要拆机)

京东云雅典娜刷机步骤 必须拆机 必须拆机 必须拆机 刷机要用的文件 1.高通驱动文件(USB刷机必备):https://pan.quark.cn/s/6405674f981b 2.进入临时uboot的程序:https://pan.quark.cn/s/ebc1d449cb89 3.uboot固件: ht…

电子商城购物平台的设计与开发+ssm(lw+演示+源码+运行)

摘 要 随着我国经济迅速发展,人们对手机的需求越来越大,各种手机软件也都在被广泛应用,但是对于手机进行数据信息管理,对于手机的各种软件也是备受用户的喜爱,电子商城购物平台小程序被用户普遍使用,为方便…

基于 Spring Boot 和 Vue 的门票销售创新系统

作者介绍:✌️大厂全栈码农|毕设实战开发,专注于大学生项目实战开发、讲解和毕业答疑辅导。 🍅获取源码联系方式请查看文末🍅 推荐订阅精彩专栏 👇🏻 避免错过下次更新 Springboot项目精选实战案例 更多项目…

【Python】Python自习课:第一个python程序

【Python】Python自习课:第一个python程序 示例

docker-compose安装rabbitmq 并开启延迟队列和管理面板插件(rabbitmq_delayed_message_exchange)

问题: 解决rabbitmq-plugins enable rabbitmq_delayed_message_exchange :plugins_not_found 我是在docker-compose环境部署的 services:rabbitmq:image: rabbitmq:4.0-managementrestart: alwayscontainer_name: rabbitmqports:- 5672:5672- 15672:156…

103 - Lecture 2 Table and Data Part 1

SQL - Tables and Data Part 1 Relational Database Management System(RDBMS) 关系型数据库管理系统(RDBMS)是基于关系模型的数据库系统,它支持多种关系操作。关系模型是一种数据存储和检索的模型,它使用表格来组织数据&#x…

PropTypes 和 TypeScript 在 React 中的比较

文章目录 引言PropTypes什么是 PropTypes?如何使用 PropTypes优点缺点 TypeScript什么是 TypeScript?如何使用 TypeScript优点缺点 选择建议总结 引言 在 React 开发中,组件的可复用性和可维护性至关重要。为了确保组件接收到正确的 props&a…

【自动化利器】12个评估大语言模型(LLM)质量的自动化框架

LLM评估是指在人工智能系统中评估和改进语言和语言模型的过程。在人工智能领域,特别是在自然语言处理(NLP)及相关领域,LLM评估具有至高无上的地位。通过评估语言生成和理解模型,LLM评估有助于细化人工智能驱动的语言相…

儿童安全座椅行业全面深入分析

儿童安全座椅就是一种专为不同体重(或年龄段)的儿童设计,将孩子束缚在安全座椅内,能有效提高儿童乘车安全的座椅。欧洲强制性执行标准ECE R44/03的定义是:能够固定到机动车辆上,带有ISOFIX接口、LATCH接口的…

Pytest-Bdd-Playwright 系列教程(6):在测试步骤函数中设置别名数据共享

Pytest-Bdd-Playwright 系列教程(6):在测试步骤函数中设置别名&数据共享 前言一、步骤别名二、特性文件三、测试脚本四、运行测试五、小测验总结 前言 有的时候,为了提高可读性,我们需要使用不同的名称来声明相同的…

【笔记】变压器-热损耗-频响曲线推导 - 03 变压器参数-特性

参考《Mn-Zn开关电源用铁氧体磁心 PQ系列》,March 2014版 1.可能选择的型号和参数 PQ系列的这种铁氧体结构设计是TDK首创的。 优势是,相对E, EER磁芯,安装面积更小材质选择 PC47PC90PC95尺寸 PQ20/16 最小PQ50/50 最大 2.特性 2.1 温升与…