表情强度对自闭症儿童面部表情识别影响的实验研究(1)
摘要为探寻自闭症儿童在识别低强度(10%，30%)、中强度(40%，60%)和高强度(70%，90%)的愤怒和开心面部表情时，识别情绪类型的既有能力和差异。采用表情标签范式，用E-prime软件在电脑上呈现不同强度的3D合成面部表情刺激，分别对10名自闭症儿童、10名正常发育儿童和10名智障儿童进行了实验研究。结果发现，自闭症儿童在低强度表情时具有面部表情识别障碍，其对不同强度面部表情识别正确率显著低于智障儿童和正常发育儿童；自闭症儿童面部表情识别正确率与面部表情强度呈正相关，面部表情强度越大，自闭症儿童面部表情识别的正确率越高；自闭症儿童对低强度面部表情识别时，对开心表情的识别正确率高于愤怒表情，但是，在中强度和高强度面部表情识别时，存在显著的愤怒优势效应。
关键词表情强度，自闭症儿童，面部表情识别。
1引言
面对面的交流中，面部表情和肢体动作能够向我们传达很多非语言的重要信息，通过对这些信息的解读，能够帮助人们正确地推断说话人的意图。面部表情识别与面部特征的编码方式紧密相关。有研究发现，10岁以前的儿童以整体特征编码来识别面部表情(Carey&Diamond，1994)，也有研究发现，儿童依赖面部结构信息编码进行面部表情识别(Brace et al，2001)，还有研究认为，儿童面部表情识别能力的发展是基于面部的整体特征和结构信息双方面加工能力的潜在发展所导致(De Sonneville et al，2002)。上述研究结果不一致的根本原因在于，它们仅仅考虑了面部表情识别时面部特征的影响，而忽视了面部表情的强度属性特征所带来的影响。面部表情以动态的形式呈现，能在强度和速度上进行变化。面部表情的强度被认为是人与人之间情绪状态的线索(Ekman，Freisen，&Ancoli，1980)，增强面部反馈降低了低强度微表情的识别准确率(吴奇，郭惠，何玲玲，2016)。对面部表情强度的正确解读，可以让接受者更好地调整自己行为，适应发出者的行为或者情感意图(Gosselin&P61issier，1996)，高估面部表情的强度，是导致社会交往障碍的一个重要原因(Foisy et al，2007)。有证据显示，儿童对于面部表情强度改变的感知非常灵敏，4-7个月大的儿童能够区分不同强度的恐惧面部表情(Kuchuk，Vibbert，&Bornstein，1986)，年龄再大一点的儿童能够区分不同强度的开心表情，高强度的开心更容易被识别，随着面部表情强度的增加(25%，50%，75%和100%)，尤其从25%的面部表情强度开始，儿童对表情分类的精确度显著提升(Herba，Landau，Russell，Ecker，&Phillips 2006)。
自闭症属于普遍性神经发育障碍，主要表现为社会互动、语言沟通及刻板重复性行为异常。大多数自闭症儿童在面部表情识别方面存在严重障碍，表现为无法正常使用眼睛注视面部特征(Asperger，1944)。有研究发现，自闭症儿童面部表情识别不存在障碍；也有研究发现，自闭症儿童面部表情识别存在障碍，在面部表情匹配和评估识别任务中均比唐氏综合症儿童和正常发育儿童表现差(Celani，Battacchi，&Arcidiacono，1999)，且面部表情识别效果独立于智力(Berko-vits，Eisenhower，&Blacher，2017)。近来，有研究对上述研究结果提出了质疑，认为已有研究中，是否导致自闭症儿童表现出面部表情识别障碍，主要原因在于实验刺激过于简单或者复杂(存在天花板效应或者地板效应)，面部表情强度这个重要的变量没有引起研究者足够的重视，自闭症儿童在100%面部表情识别时，没有表现出面部表情识别障碍，与正常发育儿童在面部表情识别方面不存在差异；但是，在低强度面部表情识别时，自闭症儿童表现出明显的障碍，与正常发育儿童存在显著差异(Montagne，Kessels，DeHaan，&Peter，2007)。自闭症儿童在面部表情识别中，是否会受到表情强度的影响？自闭症儿童与正常发育儿童受面部表情强度影响特征方面是否一致？这些问题正是本研究关心和深入研究的所在。
2实验1：低强度面部表情识别
2.1被试
2.1.1面部表情被试
随机招募A大学本科生10名作为面部表情被试(男、女生各5人)，年龄为21-23岁，均不参与表情评定和表情实验。
2.1.2面部表情评定被试
随机招募A大学除面部表情被试外的本科生10名(性别和年龄同上)为面部表情评定被试，均不参与表情实验。
2.1.3实验被试
实验被试为自闭症儿童、正常发育儿童和智障儿童，自闭症儿童与智障儿童均随机选取自W市1所特殊教育培训学校及1所特殊教育学校，正常儿童随机选自W市1所民办幼儿园。三组被试均采用PPVT及瑞文智力测验进行言语智力和智商测试。最后确定均为右利手，视力或矫正视力正常的有效被试30名，自闭症儿童10名(男9人，女1人)，生理年龄平均为69.80个月(SD=9.81)，言语智力平均为28.70(SD=14.80)，瑞文智力平均为21.80(SD=7.21)；智障儿童10人(男5人，女5人)，生理年龄平均为128.90个月(SD=2 5.70)，言语智力平均为43.40(SD=11.85)，瑞文智力平均为18.20(SD=6.36)；正常发育儿童10人(男7人，女3人)，生理年龄平均为50.40个月(SD=7.76)，言语智力平均为67.80(SD=33.72)，瑞文智力平均为28.00(SD=13.48)。
2.2实验材料制作及实验设计
首先，要求10位表情被试保持素颜、摘除颈部及以上的一切修饰物品(包括眼镜)，并露出耳朵、额头，男性不能蓄须。在光线良好、安静的室内，尽可能表现出自然、平静的中性表情。利用尼康D40专业数码相机，拍摄每位表情被试各3张中性表情照片，共拍摄得到30张中性表情照片。其次，请10名面部表情评定被试在安静的、互不干扰的教室里，对面部表情照片进行自由評定和限制评定。自由评定时，将每张编有序号的表情照片在电脑屏幕上呈现1分钟，每名评定被试根据自己的标准和方法对面部表情图片分类，在评定纸上照片序号后写上该表情的类型；限制评定时，在评定纸的照片编号后，呈现正性、负性、中性三类选项，要求被试对呈现的面部表情照片进行表情类型勾选。将表情评定被试在两类评定条件下100%评定为中性的照片作为实验备用材料。再次，利用FaeeGen Modeller3.5图像处理软件进行实验材料合成加工。FACS Gens是一款基于面部动作编码系统(FACS)研发的一款面部表情加工工具，它可以通过对面部中性表情的计算机合成，产生出3D性质的静态或者动态的面部表情材料。不仅实现了对面部表情的特定特征以及面部身份(年龄、种族、性别)的更一般性质的系统参数操纵，弥补了传统依赖演员表演获取的面部表情缺乏标准化、灵活性和可控性的弊端，而且具有较好的生态效应，可以在实验研究加以使用(Roeseh et al，2011)。根据面部表情被试的实际情况分别设定头像的性别及年龄，统一设置背景色为白色，按软件提示步骤将中性表情照片分别处理为无毛发的3D中性表情图片。根据33%、67%和100%的面部表情大概对应的唤醒度分别为1.3、2.7和4.0(Goren&Wilson，2006)，将面部表情强度区分为低强度、中强度和高强度。低强度面部表情以10%强度和30%强度的愤怒表情及开心表情图片为主。表情图片统一保存为bmp格式，像素设置为640x480。最后，由面部表情评定被试对3D表情材料再次进行评定筛选，共选取出6名表情被试(3男、3女)的30张3D面部表情作为正式实验材料(中性6张、10%的愤怒和开心表情各6张、30%的愤怒和开心表情各6张)。 (郭文斌 陈佳丹 张梁)
关键词表情强度，自闭症儿童，面部表情识别。
1引言
面对面的交流中，面部表情和肢体动作能够向我们传达很多非语言的重要信息，通过对这些信息的解读，能够帮助人们正确地推断说话人的意图。面部表情识别与面部特征的编码方式紧密相关。有研究发现，10岁以前的儿童以整体特征编码来识别面部表情(Carey&Diamond，1994)，也有研究发现，儿童依赖面部结构信息编码进行面部表情识别(Brace et al，2001)，还有研究认为，儿童面部表情识别能力的发展是基于面部的整体特征和结构信息双方面加工能力的潜在发展所导致(De Sonneville et al，2002)。上述研究结果不一致的根本原因在于，它们仅仅考虑了面部表情识别时面部特征的影响，而忽视了面部表情的强度属性特征所带来的影响。面部表情以动态的形式呈现，能在强度和速度上进行变化。面部表情的强度被认为是人与人之间情绪状态的线索(Ekman，Freisen，&Ancoli，1980)，增强面部反馈降低了低强度微表情的识别准确率(吴奇，郭惠，何玲玲，2016)。对面部表情强度的正确解读，可以让接受者更好地调整自己行为，适应发出者的行为或者情感意图(Gosselin&P61issier，1996)，高估面部表情的强度，是导致社会交往障碍的一个重要原因(Foisy et al，2007)。有证据显示，儿童对于面部表情强度改变的感知非常灵敏，4-7个月大的儿童能够区分不同强度的恐惧面部表情(Kuchuk，Vibbert，&Bornstein，1986)，年龄再大一点的儿童能够区分不同强度的开心表情，高强度的开心更容易被识别，随着面部表情强度的增加(25%，50%，75%和100%)，尤其从25%的面部表情强度开始，儿童对表情分类的精确度显著提升(Herba，Landau，Russell，Ecker，&Phillips 2006)。
自闭症属于普遍性神经发育障碍，主要表现为社会互动、语言沟通及刻板重复性行为异常。大多数自闭症儿童在面部表情识别方面存在严重障碍，表现为无法正常使用眼睛注视面部特征(Asperger，1944)。有研究发现，自闭症儿童面部表情识别不存在障碍；也有研究发现，自闭症儿童面部表情识别存在障碍，在面部表情匹配和评估识别任务中均比唐氏综合症儿童和正常发育儿童表现差(Celani，Battacchi，&Arcidiacono，1999)，且面部表情识别效果独立于智力(Berko-vits，Eisenhower，&Blacher，2017)。近来，有研究对上述研究结果提出了质疑，认为已有研究中，是否导致自闭症儿童表现出面部表情识别障碍，主要原因在于实验刺激过于简单或者复杂(存在天花板效应或者地板效应)，面部表情强度这个重要的变量没有引起研究者足够的重视，自闭症儿童在100%面部表情识别时，没有表现出面部表情识别障碍，与正常发育儿童在面部表情识别方面不存在差异；但是，在低强度面部表情识别时，自闭症儿童表现出明显的障碍，与正常发育儿童存在显著差异(Montagne，Kessels，DeHaan，&Peter，2007)。自闭症儿童在面部表情识别中，是否会受到表情强度的影响？自闭症儿童与正常发育儿童受面部表情强度影响特征方面是否一致？这些问题正是本研究关心和深入研究的所在。
2实验1：低强度面部表情识别
2.1被试
2.1.1面部表情被试
随机招募A大学本科生10名作为面部表情被试(男、女生各5人)，年龄为21-23岁，均不参与表情评定和表情实验。
2.1.2面部表情评定被试
随机招募A大学除面部表情被试外的本科生10名(性别和年龄同上)为面部表情评定被试，均不参与表情实验。
2.1.3实验被试
实验被试为自闭症儿童、正常发育儿童和智障儿童，自闭症儿童与智障儿童均随机选取自W市1所特殊教育培训学校及1所特殊教育学校，正常儿童随机选自W市1所民办幼儿园。三组被试均采用PPVT及瑞文智力测验进行言语智力和智商测试。最后确定均为右利手，视力或矫正视力正常的有效被试30名，自闭症儿童10名(男9人，女1人)，生理年龄平均为69.80个月(SD=9.81)，言语智力平均为28.70(SD=14.80)，瑞文智力平均为21.80(SD=7.21)；智障儿童10人(男5人，女5人)，生理年龄平均为128.90个月(SD=2 5.70)，言语智力平均为43.40(SD=11.85)，瑞文智力平均为18.20(SD=6.36)；正常发育儿童10人(男7人，女3人)，生理年龄平均为50.40个月(SD=7.76)，言语智力平均为67.80(SD=33.72)，瑞文智力平均为28.00(SD=13.48)。
2.2实验材料制作及实验设计
首先，要求10位表情被试保持素颜、摘除颈部及以上的一切修饰物品(包括眼镜)，并露出耳朵、额头，男性不能蓄须。在光线良好、安静的室内，尽可能表现出自然、平静的中性表情。利用尼康D40专业数码相机，拍摄每位表情被试各3张中性表情照片，共拍摄得到30张中性表情照片。其次，请10名面部表情评定被试在安静的、互不干扰的教室里，对面部表情照片进行自由評定和限制评定。自由评定时，将每张编有序号的表情照片在电脑屏幕上呈现1分钟，每名评定被试根据自己的标准和方法对面部表情图片分类，在评定纸上照片序号后写上该表情的类型；限制评定时，在评定纸的照片编号后，呈现正性、负性、中性三类选项，要求被试对呈现的面部表情照片进行表情类型勾选。将表情评定被试在两类评定条件下100%评定为中性的照片作为实验备用材料。再次，利用FaeeGen Modeller3.5图像处理软件进行实验材料合成加工。FACS Gens是一款基于面部动作编码系统(FACS)研发的一款面部表情加工工具，它可以通过对面部中性表情的计算机合成，产生出3D性质的静态或者动态的面部表情材料。不仅实现了对面部表情的特定特征以及面部身份(年龄、种族、性别)的更一般性质的系统参数操纵，弥补了传统依赖演员表演获取的面部表情缺乏标准化、灵活性和可控性的弊端，而且具有较好的生态效应，可以在实验研究加以使用(Roeseh et al，2011)。根据面部表情被试的实际情况分别设定头像的性别及年龄，统一设置背景色为白色，按软件提示步骤将中性表情照片分别处理为无毛发的3D中性表情图片。根据33%、67%和100%的面部表情大概对应的唤醒度分别为1.3、2.7和4.0(Goren&Wilson，2006)，将面部表情强度区分为低强度、中强度和高强度。低强度面部表情以10%强度和30%强度的愤怒表情及开心表情图片为主。表情图片统一保存为bmp格式，像素设置为640x480。最后，由面部表情评定被试对3D表情材料再次进行评定筛选，共选取出6名表情被试(3男、3女)的30张3D面部表情作为正式实验材料(中性6张、10%的愤怒和开心表情各6张、30%的愤怒和开心表情各6张)。 (郭文斌 陈佳丹 张梁)