Классификация чувств: Классификация чувств — Психологос

Содержание

Классификация чувств — Психологос

01 октября 2022 г., 21:33

Наиболее распространенная классификация внутренних чувств выделяет отдельные их подвиды по сферам деятельности, в которых они проявляются. Соответственно, различаются чувства интеллектуальные, нравственные, познавательные, религиозные, родительские, эстетические и другие.

Классификация по Б. Додонову

Вполне в русле этого подхода — классификация Б. Додонова, подразделяющая все эмоции на следующие группы:

Альтруистические эмоции (желание помогать другим людям).
Коммуникативные эмоции (возникающие при общении).
Глорические эмоции (связанные с потребностью в самоутверждении).
Праксические эмоции (связанные с успешностью деятельности).
Пугнические эмоции (связанные с ситуациями опасности, с потребностью рисковать).
Романтические эмоции (стремление к необычному, новизне).
Гностические эмоции (возникающие в познании).
Эстетические эмоции (связанные с восприятием произведений искусства).
Гедонистические эмоции (связанные с потребностью в удовольствии, удобствах, комфорте).
Акизитивные эмоции (связанные с интересом к накоплению, коллекционированию, собиранию).

Классификация по В. Леонтьеву

В. Леонтьев (не путать с А.Н. Леонтьевым!) предложил выделять группы эмоций по источнику их происхождения:

Эмоции, связанные с удовлетворением-неудовлетворением личных потребностей человека.
Эмоции, возникающие в результате сравнения некоторого объекта, самого себя или своих действий со своими же нормами, стандартами, правилами, убеждениями.
Эмоции, возникающие в результате сравнения объекта с общественными правилами и нормами.
Эмоции, возникающие в связи с чужими потребностями.
Эмоции, возникающие на основе взаимных отношений с другими людьми.
Эмоции, возникающие на основе презрения.

Виды внутренних чувств
Виды эмоций

Комментарии (0):

Материалы по теме:

01 окт. 2022 г.

Классификация эмоций, виды эмоций и чувств

Классификация эмоций ставит задачу навести хоть какой-то порядок в сфере эмоций и чувств, дать возможность исследователям и практикам более точно говорить, о каких эмоциях и чувствах они говорят в том или ином контексте.

0Подробнее

01 окт. 2022 г.

Религиозные чувства

В религиозной сфере чувства играют особенную роль. Христианские богословы, начиная с «отца церкви» Августина (IV-V вв.), подчеркивали значение религиозных чувств и настроений. Многие богословы утверждают, что всякому человеку присуще некое врожденное религиозное чувство, особое стремление, тяготение к Богу и что это религиозное чувство отличается от всех других эмоциональных процессов, которые испытывает человек, своей уникальностью. Богословы и философы-идеалисты подчеркивают при этом, что религиозное чувство по существу своему непостижимо для разума. Источник религиозного чувства они видят в Боге.

2Подробнее

01 янв. 2001 г.

Список эмоций

При желании можно насчитать более 500 различных эмоциональных состояний.

22Подробнее

01 янв. 2014 г.

Врожденные эмоции

Врожденные эмоции — эмоции, имеющиеся у младенца с рождения. Некоторые специалисты к врожденным причисляют эмоции, которые проявляются у младенца вскоре после рождения, но где социальный фактор и обучение родителями играет, по-видимому, минимальную роль.

0Подробнее

Содержание

Новые статьи:

«Зима и котик», стихотворение
Что завещал Черчилль своей супруге
Критика в адрес мужа
Гормоны и нейромедиаторы. Чем они отличаются?
Стабильность агрессивного поведения в течение нескольких лет — Берковиц

Классификация эмоций и чувств

27. 12.2014

Чувства условно делятся на этические (моральные, нравственные), интеллектуальные (познавательные) и эстетические.
Интеллектуальные — это чувства, связанные с познавательной деятельностью человека. Они возникают в процессе учебной и научной работы, а также в творческой деятельности в различных видах искусства, науки и техники. К интеллектуальным чувствам относят удивление, любознательность, сомнение, радость открытия, любовь к истине.
Этические — чувства, в которых отражается отношение человека к требованиям общественной морали. Они связаны с его мировоззрением, мыслями, идеями, принципами и традициями. К ним относятся: любовь, сострадание, доброжелательность, гуманность, преданность.
Эстетические

— чувства, возникающие у человека в связи с удовлетворением или неудовлетворением его эстетических потребностей. К ним относятся чувства прекрасного и безобразного, возвышенного и низменного, чувство юмора и т.

д.

Нравственные, интеллектуальные и эстетические чувства переживаются человеком в деятельности и в общении. Иногда они именуются как высшие ввиду того, что в них заключено все богатство эмоциональных отношений человека к действительности. В то же время следует подчеркнуть условность понятия «высшие чувства», так как к ним приходится относить не только нравственные, но и безнравственные чувства (себялюбие, жадность, зависть). Наконец, ввиду отсутствия точного классификационного критерия, нравственные, интеллектуальные и эстетические чувства с трудом могут быть отдифференцированы друг от друга при психологическом анализе. Чувство юмора, являясь эстетическим, вместе с тем может рассматриваться как интеллектуальное, если оно связано с умением подмечать противоречия в окружающей действительности. Все это подчеркивает единство эмоциональной сферы личности человека.

Эмоции условно делят на настроения, страсти и аффекты.
Настроение — это слабо выраженное эмоциональное переживание, отличающееся недостаточным осознанием причин и факторов, их вызывающих.
Аффект — кратковременное переживание большой силы (ярость, ужас, отчаяние), которое протекает быстро, бурно, сопровождается резко выраженными органическими изменениями и двигательными реакциями. Одним из распространенных видов аффекта является стресс — это состояние чрезмерно сильного и длительного психологического напряжения, которое возникает у человека, когда его нервная система получает эмоциональную перегрузку. Стресс оказывает отрицательное воздействие на сердечно-сосудистые и кишечно-желудочные заболевания.

Страсти — сильные, глубокие, длительные и устойчивые переживания с ярко выраженной направленностью на достижение цели. Страсть — сплав эмоций, мотивов и чувств, сконцентрированных вокруг определенного вида деятельности или предмета. Объектом страсти может стать человек.

Настоящая любовь — духовная связь одного человека с другим, подобным ему существом, которая не сводится к физическому влечению и страсти.

Ключевые слова: Эмоции, Чувства

Источник: Ефимова Н. С., Основы общей психологии

Материалы по теме
Определение эмоции и чувства Штейнмец А.Э., Общая психология
Физиологические основы чувств и эмоций Вербина Г.Г., Психология эмоций
Эмоции и чувства в норме Исаев Д. Н., Психиатрия детского возраста: психопатология развития: учебник для вузов. — СПб…
Выражение эмоций и чувств Максименко С.Д., Общая психология
Эмоции (чувства) как инструмент сознания Русланов Д.В. Психология: базовая теория и практика. -2-е изд., переработанное и дополненное…
Чувства и эмоции …
Функции эмоций и чувств Шадриков В. Д., От индивида к индивидуальности
Развитие эмоций и чувств Ефимова Н.С., Основы общей психологии

Материалы по теме

Определение эмоции и чувства

Штейнмец А.Э., Общая психология

Физиологические основы чувств и эмоций

Вербина Г.Г., Психология эмоций

Эмоции и чувства в норме

Исаев Д. Н., Психиатрия детского возраста: психопатология развития: учебник для вузов. — СПб…

Выражение эмоций и чувств

Максименко С.Д., Общая психология

Эмоции (чувства) как инструмент сознания

Русланов Д.В. Психология: базовая теория и практика. -2-е изд., переработанное и дополненное…

Чувства и эмоции

…

Функции эмоций и чувств

Шадриков В. Д., От индивида к индивидуальности

Развитие эмоций и чувств

Ефимова Н.С., Основы общей психологии

Классификация категорий эмоций на основе моделей функциональной связи человеческого мозга

Адольфс Р. Как нейробиология должна изучать эмоции? Путем различения эмоциональных состояний, концепций и переживаний. Социальная когнитивная и аффективная неврология. 2017;12:24–31. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Эндрюс-Ханна Дж. Р., Рейдлер Дж. С., Сепулькре Дж., Пулин Р., Бакнер Р. Л. Функционально-анатомическое фракционирование сети мозга по умолчанию. Нейрон. 2010;65:550–562. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Эндрюс-Ханна Дж.Р., Смоллвуд Дж., Спренг Р.Н. Сеть по умолчанию и самогенерируемая мысль: составные процессы, динамический контроль и клиническая значимость. Анна. Н. Я. акад. науч. 2014;1316:29–52. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Barrett L. F. Эмоции реальны. Эмоция. 2012;12:413–429. [PubMed] [Google Scholar]

Барретт Л.Ф. Теория сконструированных эмоций: активный вывод об интероцепции и категоризации. Социальная когнитивная и аффективная неврология. 2017; 12:1–23. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Барретт Л.Ф., Сатпут А.Б. Крупномасштабные сети мозга в аффективной и социальной неврологии: к интегративной функциональной архитектуре мозга. Курс. мнение Нейробиол. 2013;23:361–372. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Bassett DS, Sporns O. Сетевая неврология. Нац. Неврологи. 2017;20:353–364. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Borchardt V., Krause A.L., Li M., van Tol MJ, Demenescu L.R., Buchheim A., Metzger C.D., Sweeney-Reed C.M., Nolte T., Lord A.R. , Уолтер М. Динамическое отключение дополнительной двигательной области после обработки пренебрежительных биографических повествований. Мозговое поведение. 2015;5:e00377. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Бакнер Р. Л., Эндрюс-Ханна Дж.Р., Шактер Д.Л. Сеть мозга по умолчанию. Анна. Н. Я. акад. науч. 2008; 1124:1–38. [PubMed] [Google Scholar]

Буллмор Э., Спорнс О. Сложные мозговые сети: теоретико-графовый анализ структурных и функциональных систем. Нац. Преподобный Нейроски. 2009; 10: 186–198. [PubMed] [Google Scholar]

Буллмор Э., Спорнс О. Экономика сетевой организации мозга. Нац. Преподобный Нейроски. 2012;13:336–349. [PubMed] [Google Scholar]

Chikazoe J., Lee D.H., Kriegeskorte N., Anderson A.K. Популяционное кодирование аффекта по стимулам, модальностям и индивидуумам. Нац. Неврологи. 2014;17:1114–1122. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Комбриссон Э., Джерби К. Превышение уровня вероятности случайно: предостережение относительно теоретических уровней вероятности в классификации сигналов мозга и статистической оценке точности декодирования. Журнал методов неврологии. 2015; 250:126–136. [PubMed] [Google Scholar]

Коуэн А.С., Кельтнер Д. Самоотчет охватывает 27 различных категорий эмоций, соединенных непрерывными градиентами. проц. Натл. акад. науч. 2017; 114:E7900–E7909. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Коуэн А., Сотер Д., Трейси Дж. Л., Кельтнер Д. Картирование страстей: к многомерной таксономии эмоциональных переживаний и выражений. Психол. науч. Общественный интерес. 2019;20:69–90. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Цукур Т., Нишимото С., Хут А.Г., Галлант Дж.Л. Внимание во время естественного зрения искажает семантическое представление в человеческом мозгу. Неврология природы. 2013; 16: 763–770. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Д’Аржембо А., Ставарчик Д., Майерус С., Коллетт Ф., Ван дер Линден М., Фейерс Д., Маке П., Салмон Э. нейронная основа обработки личных целей при представлении будущих событий. Дж. Когн. Неврологи. 2010; 22:1701–1713. [PubMed] [Академия Google]

Eisenbarth H., Chang L.J., Wager TD. Многомерное предсказание частоты сердечных сокращений и проводимости кожи в ответ на социальную угрозу. Дж. Нейроски. 2016;36:11987–11998. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Эрилмаз Х., Ван Де Виль Д., Шварц С., Вюйлемье П. Влияние кратковременных эмоций на функциональную связность во время последующего состояния покоя: подход корреляции вейвлетов. Нейроизображение. 2011;54:2481–2491. [PubMed] [Google Scholar]

Feinstein J.S. Исследования повреждений человеческих эмоций и чувств. Курс. мнение Нейробиол. 2013; 23:304–309. [PubMed] [Google Scholar]

Финн Э.С., Шен Х., Шейност Д., Розенберг М.Д., Хуан Дж., Чун М.М.… Констебль Р.Т. Функциональное снятие отпечатков пальцев коннектома: идентификация людей с использованием моделей связей мозга. Нац. Неврологи. 2015;18:1664–1671. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Финн Э.С., Глериан Э., Ходжанди А.Ю., Нильсон Д., Мольфезе П.Дж., Хандверкер Д.А., Бандеттини П.А. Идиосинхрония: от общих ответов к индивидуальным различиям во время натуралистической нейровизуализации. Нейроизображение. 2020;215 [Бесплатная статья PMC] [PubMed] [Google Scholar]

Глериан Э. , Пан Р.К., Салми Дж., Куяла Р., Лахнакоски Дж.М., Ройне У., Нумменмаа Л., Леппямяки С., Ниеминен-фон Вендт Т., Тани П., Сарамяки Й., Самс М. , Яаскеляйнен И.П. Реорганизация функционально связанных подсетей мозга при высокофункциональном аутизме. Гум. Карта мозга. 2016; 37: 1066–1079. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Gonzalez-Castillo J., Hoy C.W., Handwerker D.A., Robinson M.E., Buchanan L.C., Saad Z.S., Bandettini P.A. Отслеживание непрерывного познания у людей с использованием кратких моделей функциональной связи всего мозга. проц. Натл. акад. науч. 2015; 112:8762–8767. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Хаманн С. Отображение дискретных и многомерных эмоций в мозгу: противоречия и консенсус. Тенденции Познан. науч. 2012; 16: 458–466. [PubMed] [Google Scholar]

Harrison BJ, Pujol J., Ortiz H., Fornito A., Pantelis C., Yücel M. Модуляция сетей мозга в состоянии покоя путем индукции грустного настроения. ПЛОС Один. 2008;3:e1794. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Хаслер Г., Нортофф Г. Обнаружение визуализирующих эндофенотипов для большой депрессии. Мол. Психиатрия. 2011; 16:604–619. [PubMed] [Google Scholar]

Германс Э.Дж., ван Марле Х.Дж., Оссеваарде Л., Хенкенс М.Дж., Цинь С., ван Кестерен М.Т., Шутс В.К., Кусейн Х., Рижпкема М., Остенвельд Р., Фернандес Г. Стресс норадренергическая активность вызывает крупномасштабную реконфигурацию нейронной сети. Наука. 2011; 334:1151–1153. [PubMed] [Google Scholar]

Германс Э.Дж., Хенкенс М.Дж., Хоэлс М., Фернанзес Г. Динамическая адаптация крупномасштабных сетей мозга в ответ на острые стрессоры. Тренды Нейроси. 2014; 37:304–314. [PubMed] [Академия Google]

Хиетанен Дж. К., Глериан Э., Хари Р., Нумменмаа Л. Телесные карты эмоций в развитии ребенка. Дев. науч. 2016;19:1111–1118. [PubMed] [Google Scholar]

Horikawa T., Cowen A.S., Keltner D., Kamitani Y. Нейронная репрезентация визуально вызванных эмоций многомерна, категорична и распределена по трансмодальным областям мозга. iНаука. 2020;23 [Бесплатная статья PMC] [PubMed] [Google Scholar]

Хуан Ю.А., Ясторф Дж., Ван ден Сток Дж., Ван де Влит Л., Дюпон П., Ванденбулке М. Изучение теорий эмоций с помощью анализа связности: данные обобщенных психофизиологических взаимодействий и теории графов. Нейроизображение. 2018; 172: 250–262. [PubMed] [Академия Google]

Хук А., Боннен К., Хе Б. Дж. Помимо парадигм, основанных на испытаниях: непрерывное поведение, постоянная нейронная активность и естественные стимулы. Журнал неврологии. 2018; 38:7551–7558. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Hutcherson C.A., Goldin P.R., Ochsner K.N., Gabrieli J.D., Barrett L.F., Gross J.J. Внимание и эмоции: влияет ли оценка эмоций на нейронные реакции на забавные и грустные фильмы? Нейроизображение. 2005; 27: 656–668. [PubMed] [Google Scholar]

Кайзер Р.Х., Эндрюс-Ханна Дж.Р., Вейгер Т.Д., Пиццагалли Д.А. Крупномасштабная сетевая дисфункция при большом депрессивном расстройстве: метаанализ функциональной связи в состоянии покоя. Джама Психиатрия. 2015;72:603–611. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Класен М., Кенворти К.А., Матиак К.А., Кирхер Т.Т., Матиак К. Супрамодальное представление эмоций. Дж. Нейроски. 2011;31:13635–13643. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Клекнер И.Р., Чжан Дж., Турутоглу А., Чейнс Л., Ся С., Симмонс В.К., Барретт Л.Ф. Доказательства крупномасштабной системы мозга, поддерживающей аллостаз и интероцепцию в людях. Нац. Гум. Поведение 2017;1:0069. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Кобер Х., Барретт Л.Ф., Джозеф Дж., Блисс-Моро Э., Линдквист К., Вейгер Т.Д. Функциональная группировка и корково-подкорковые взаимодействия в эмоциях: мета- анализ нейровизуализационных исследований. Нейроизображение. 2008;42:998–1031. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Kragel P.A., LaBar K.S. Многомерные нейронные биомаркеры эмоциональных состояний категорически различны. соц. Познан. Оказывать воздействие. Неврологи. 2015;10:1437–1448. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Kragel P.A., LaBar K.S. Расшифровка природы эмоций в мозгу. Тенденции Познан. науч. 2016;20:444–455. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Крайбиг С.Д., Вильгельм Ф.Х., Рот В.Т., Гросс Дж.Дж. Сердечно-сосудистые, электродермальные и респираторные реакции на фильмы, вызывающие страх и печаль. Психофизиология. 2007; 44: 787–806. [PubMed] [Академия Google]

Леду Дж. Э., Браун Р. Теория эмоционального сознания высшего порядка. проц. Натл акад. науч. 2017;114:E2016–E2025.. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Lieberman MD, Eisenberger N.I., Crockett M.J., Tom S.M., Pfeifer J.H., Way B.M. Облекая чувства в слова. Психол. науч. 2007; 18: 421–428. [PubMed] [Google Scholar]

Линдквист К.А., Вейгер Т.Д., Кобер Х., Блисс-Моро Э., Барретт Л.Ф. Мозговая основа эмоций: метааналитический обзор. Поведение наук о мозге. 2012;35:121–143. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Мар Р. А. Нейронные основы социального познания и понимания истории. Анну. Преподобный Психолог. 2011;62:103–134. [PubMed] [Google Scholar]

Маргулис Д.С., Гош С.С., Гулас А., Фалькевич М., Хантенбург Дж.М., Лангс Г., Безгин Г., Эйкхофф С.Б., Кастелланос Ф.Х., Петридес М., Джеффрис Э. Расположение по умолчанию -режимная сеть вдоль основного градиента макромасштабной корковой организации. проц. Натл акад. науч. 2016;113:12574–12579. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Макменамин Б.В., Лангеслаг С.Дж., Сирбу М., Падмала С., Пессоа Л. Сетевая организация разворачивается с течением времени в периоды тревожного ожидания. Дж. Нейроски. 2014;34:11261–11273. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Nguyen VT, Breakspear M., Hu X., Guo C.C. Интеграция внутренней и внешней среды в островке во время динамических эмоциональных переживаний. Нейроизображение. 2016; 124:455–463. [PubMed] [Google Scholar]

Нумменмаа Л., Сааримяки Х. Эмоции как дискретные паттерны системной активности. Неврологи. лат. 2019;693:3–8. [PubMed] [Google Scholar]

Nummenmaa L., Glerean E., Hari R., Hietanen J.K. Телесные карты эмоций. проц. Натл. акад. науч. США 2014;111:646–651. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Nummenmaa L., Saarimäki H., Glerean E., Gotsopoulos A., Hari R., Sams M. Эмоциональная речь синхронизирует мозг слушателей и задействует крупномасштабный динамический мозг сети. Нейроизображение. 2014; 102: 498–509. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Нумменмаа Л., Хари Р., Хиетанен Дж. К., Глериан Э. Карты субъективных ощущений. проц. Натл. акад. науч. США 2018; 115:9198–9203. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Pedregosa F., Varoquaux G., Gramfort A., Vincent M., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Дюбур В., Вандерплас Дж., Пассос А., Курнапо Д., Бруше М., Перро М., Дюшене Э. Scikit-learn: машинное обучение в Python. Дж. Мах. Учиться. Рез. 2011;12:2825–2830. [Google Scholar]

Пилен М. В., Аткинсон А.П., Вийомье П. Супрамодальные представления воспринимаемых эмоций в человеческом мозгу. Дж. Нейроски. 2010;30:10127–10134. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Пессоа Л. За пределами областей мозга: сетевая перспектива когнитивно-эмоциональных взаимодействий. Поведение наук о мозге. 2012; 35: 158–159. [PubMed] [Google Scholar]

Пессоа Л. Сетевая модель эмоционального мозга. Тенденции Познан. науч. 2017;21:357–371. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Пессоа Л. Понимание эмоций с помощью сетей мозга. Курс. мнение Поведение науч. 2018;19:19–25. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Power J.D., Cohen A.L., Nelson S.M., Wig G.S., Barnes K.A., Church J.A., Vogel A.C., Laumann T.O., Miezin F.M., Schlaggar B.L., Petersen S.E. Функциональная сетевая организация человеческого мозга. Нейрон. 2011; 72: 665–678. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Power J.D., Schlaggar B.L., Petersen S.E. Изучение организации мозга с помощью спонтанного сигнала фМРТ. Нейрон. 2014; 84: 681–696. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Прайс Р.Б., Лейн С., Гейтс К., Крайнак Т.Е., Хорнер М.С., Тейс М.Д., Сигл Г.Дж. Разбор неоднородности в связях мозга депрессивных и здоровых взрослых во время позитивного настроения. биол. Психиатрия. 2017; 81: 347–357. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Путкинен В., Назари-Фарсани С., Сеппяля К., Карьялайнен Т., Сун Л., Карлссон Х.К., Хадсон М., Хейккиля Т.Т., Хирвонен Дж., Нумменмаа Л. Расшифровка эмоций, вызванных музыкой, в слуховой и моторной коре. Церебр. кора. 2021 год: 10.1093/cercor/bhaa373. [PubMed] [CrossRef] [Google Scholar]

Раз Г., Турутоглу А., Уилсон-Менденхолл К., Гилам Г., Лин Т., Гонен Т., Джейкоб Ю., Ацил С., Адмон Р., Блайх-Коэн М., Марон-Кац А., Хендлер Т., Барретт Л.Ф. Динамика функциональной связи во время просмотра фильма выявляет общие сети для различных эмоциональных переживаний. Познан. Оказывать воздействие. Поведение Неврологи. 2016;16:709–723. [PubMed] [Google Scholar]

Ричиарди Дж., Эрилмаз Х., Шварц С., Вюйлемье П., Ван Де Виль Д. Расшифровка состояний мозга по графикам подключения фМРТ. Нейроизображение. 2011;56:616–626. [PubMed] [Академия Google]

Сааримяки Х. Естественные стимулы в аффективной нейровизуализации: обзор. Передний. Гум. Неврологи. 2021;15:318. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Сааримяки Х., Гоцопулос А., Яаскеляйнен И.П., Лампинен Дж., Вюйлемье П., Хари Р., Лампинен Дж., Нумменмаа Л. Дискретные нейронные подписи основных эмоций . Церебр. кора. 2016;26:2563–2573. [PubMed] [Google Scholar]

Сааримяки Х., Эйтехадян Л.Ф., Глериан Э., Яаскеляйнен И.П., Вюйлемье П., Самс М., Нумменмаа Л. Распределенное аффективное пространство представляет несколько категорий эмоций в человеческом мозгу. соц. Познан. Оказывать воздействие. Неврологи. 2018;13(5):471–482. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Сакс М.Э., Хабиби А., Дамасио А., Каплан Дж.Т. Динамическая межсубъектная нейронная синхронизация отражает аффективные реакции на грустную музыку. Нейроизображение. 2020; 218 doi: 10.1016/j.neuroimage.2019.116512. [PubMed] [CrossRef] [Google Scholar]

Сандер Д., Гранджин Д., Шерер К.Р. Компонентный подход к эмоциональному мозгу, основанный на оценке. Эмот. 2018; 10:219–231. [Google Scholar]

Сярккя С., Солин А., Нумменмаа А., Вехтари А., Ауранен Т., Ванни С., Лин Ф. Х. Динамическая ретроспективная фильтрация физиологического шума в BOLD fMRI: DRIFTER. Нейроизображение. 2012;60:1517–1527. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Сатпуте А.Б., Линдквист К.А. Роль сети режима по умолчанию в дискретных эмоциях. Тенденции Познан. науч. 2019;23:851–864. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Скарантино А. Функциональная специализация не требует однозначного сопоставления между областями мозга и эмоциями. Поведение наук о мозге. 2012; 35: 161–162. [PubMed] [Google Scholar]

Сили В.В., Менон В., Шацберг А.Ф., Келлер Дж., Гловер Г.Х., Кенна Х., Рейсс А.Л., Грейциус М.Д. Диссоциируемые внутренние сети связи для обработки значимости и исполнительного контроля. Дж. Нейроски. 2007;27:2349–2356. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Shen X., Finn E.S., Scheinost D., Rosenberg MD, Chun M.M., Papademetris X., Constable R.T. Использование прогностического моделирования на основе коннектома для прогнозирования индивидуального поведения на основе связей мозга. Нац. протокол 2017;12:506–518. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Ширер В.Р., Ряли С., Рыхлевская Е., Менон В., Грейциус М.Д. Расшифровка субъектно-управляемых когнитивных состояний с паттернами связи всего мозга. Церебр. кора. 2012;22:158–165. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Сигел Э.Х., Сэндс М.К., Ван ден Нортгейт В., Кондон П., Чанг Ю., Дай Дж., Куигли К.С., Барретт Л.Ф. Отпечатки эмоций или популяции эмоций? Метааналитическое исследование вегетативных особенностей категорий эмоций. Психол. Бык. 2018;144:343. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Siegle GJ, Thompson W., Carter CS, Steinhauer SR, Thase ME Увеличение миндалевидного тела и снижение дорсолатеральной префронтальной реакции BOLD при униполярной депрессии: связанные и независимые особенности. биол. Психиатрия. 2007;61:198–209. [PubMed] [Google Scholar]

Смирнов Д., Сааримяки Х., Глериан Э., Хари Р., Сэмс М., Нумменмаа Л. Эмоции усиливают нейронное взаимодействие говорящего и слушающего. Гум. Карта мозга. 2019;40(4777):4788. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Summerfield J.J., Hassabis D., Maguire E.A. Вовлечение средней линии коры в автобиографическую память. Нейроизображение. 2009;44:1188–1200. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Теттаманти М., Роньони Э., Кафьеро Р., Коста Т., Галати Д., Перани Д. Различные пути нейронной связи для различных основных эмоций. Нейроизображение. 2012;59: 1804–1817. [PubMed] [Google Scholar]

Touroutoglou A., Lindquist K.A., Dickerson B.C., Barrett L.F. Внутренние связи в человеческом мозгу не выявляют сетей для «базовых» эмоций. соц. Познан. Оказывать воздействие. Неврологи. 2015;10:1257–1265. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Вейгер Т.Д., Канг Дж., Джонсон Т. Д., Николс Т.Е., Сатпут А.Б., Барретт Л.Ф. Байесовская модель эмоциональных реакций мозга, специфичных для категорий. PLoS-компьютер. биол. 2015;11 [Бесплатная статья PMC] [PubMed] [Google Scholar]

Westermann R., Spies K., Stahl G., Hesse F.W. Относительная эффективность и достоверность процедур индукции настроения: метаанализ. Евро. Дж. Соц. Психол. 1996; 26: 557–580. doi: 10.1002/(sici)1099-0992(199607)26:4<557::aid-ejsp769>3.0.co;2-4. [CrossRef] [Google Scholar]

Уитфилд-Габриели С., Форд Дж. М. Сетевая активность в режиме по умолчанию и связь в психопатологии. Анну. Преподобный Клин. Психол. 2012; 8: 49–76. [PubMed] [Google Scholar]

Йошикава А., Масаока Ю., Йошида М., Койва Н., Хонма М., Ватанабэ К., Кубота С., Нацуко И., Ида М., Изумидзаки М. Частота сердечных сокращений и дыхание влияют на функциональную связность сети режима по умолчанию при функциональной магнитно-резонансной томографии в состоянии покоя. Передний. Неврологи. 2020;14:631. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Young C. B., Raz G., Everaerd D., Beckmann C.F., Tendolkar I., Hendler T., et al. Динамические сдвиги в крупномасштабном балансе сети мозга в зависимости от возбуждения. Дж. Нейроски. 2017; 37: 281–290. doi: 10.1523/jneurosci.1759-16.2017. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

Набор данных для детальной классификации эмоций — блог Google AI

Авторы: Дана Алон и Чонву Ко, инженеры-программисты, Google Research

Эмоции являются ключевым аспектом социальных взаимодействий, влияя на поведение людей и формируя отношения. Это особенно верно в отношении языка — всего несколькими словами мы можем выразить широкий спектр тонких и сложных эмоций. Таким образом, исследовательское сообщество давно поставило перед собой цель дать машинам возможность понимать контекст и эмоции, что, в свою очередь, позволит использовать различные приложения, включая чутких чат-ботов, модели для обнаружения вредоносного поведения в Интернете и улучшенную поддержку клиентов. взаимодействия.

За последнее десятилетие исследовательское сообщество НЛП предоставило несколько наборов данных для языковой классификации эмоций. Большинство из них создается вручную и охватывает целевые домены (заголовки новостей, субтитры к фильмам и даже сказки), но, как правило, относительно невелики или сосредоточены только на шести основных эмоциях (гнев, удивление, отвращение, радость, страх и страх). печаль), которые были предложены в 1992 году. Хотя эти наборы данных об эмоциях позволили провести начальные исследования классификации эмоций, они также подчеркнули необходимость в крупномасштабном наборе данных для более обширного набора эмоций, который мог бы облегчить более широкий спектр будущих потенциальных приложений.

В статье «GoEmotions: подробный набор данных об эмоциях» мы описываем GoEmotions, аннотированный человеком набор данных из 58 000 комментариев Reddit, извлеченных из популярных англоязычных сабреддитов и помеченных 27 категориями эмоций. Поскольку на сегодняшний день это самый большой полностью аннотированный набор данных об эмоциях на английском языке, мы разработали таксономию GoEmotions с учетом как психологии, так и применимости данных.

В отличие от основных шести эмоций, которые включают только одну положительную эмоцию (радость), наша таксономия включает 12 положительных, 11 отрицательных, 4 категории неоднозначных эмоций и 1 «нейтральную», что делает ее широко подходящей для задач понимания разговора, требующих тонкой дифференциации. между проявлениями эмоций.

Мы выпускаем набор данных GoEmotions вместе с подробным учебным пособием, которое демонстрирует процесс обучения архитектуры нейронной модели (доступной в TensorFlow Model Garden) с использованием GoEmotions и применения ее для задачи предложения смайликов на основе разговорного текста. В карточке модели GoEmotions мы изучаем дополнительные способы использования моделей, созданных с помощью GoEmotions, а также соображения и ограничения для использования данных.

Этот текст выражает сразу несколько эмоций, включая волнение, одобрение и благодарность.

Этот текст выражает облегчение, сложную эмоцию, передающую как положительные, так и отрицательные чувства.

Этот текст передает угрызения совести, сложную эмоцию, которая часто выражается, но не отражается простыми моделями эмоций.

Создание набора данных

Нашей целью было создать большой набор данных, ориентированный на разговорные данные, где эмоции являются важнейшим компонентом общения. Поскольку платформа Reddit предлагает большой общедоступный объем контента, который включает в себя прямой диалог между пользователями, это ценный ресурс для анализа эмоций. Итак, мы создали GoEmotions, используя комментарии Reddit с 2005 года (начало Reddit) по январь 2019 года., полученный из сабреддитов с не менее чем 10 000 комментариев, за исключением удаленных и неанглийских комментариев.

Чтобы создать широко репрезентативные модели эмоций, мы применили меры по обработке данных, чтобы набор данных не усиливал общие или специфичные для эмоций языковые предубеждения. Это было особенно важно, потому что Reddit имеет известный демографический уклон в сторону молодых пользователей мужского пола, что не отражает глобального разнообразия населения. Платформа также вводит перекос в сторону токсичных, оскорбительных выражений. Чтобы решить эти проблемы, мы определили вредоносные комментарии, используя предопределенные термины для оскорбительного/взрослого и вульгарного содержания, а также для идентификации и религии, которые мы использовали для фильтрации и маскировки данных. Мы дополнительно отфильтровали данные, чтобы уменьшить ненормативную лексику, ограничить длину текста и сбалансировать отображаемые эмоции и чувства. Чтобы избежать чрезмерного представления популярных субреддитов и убедиться, что комментарии также отражают менее активные субреддиты, мы также сбалансировали данные среди сообществ субреддитов.

Мы создали таксономию, стремясь совместно максимизировать три цели: (1) обеспечить максимальный охват эмоций, выраженных в данных Reddit; (2) обеспечить наибольший охват типов эмоционального выражения; и (3) ограничить общее количество эмоций и их наложение. Такая таксономия позволяет детально понять эмоции на основе данных, а также устраняет потенциальную разреженность данных для некоторых эмоций.

Создание таксономии было итеративным процессом для определения и уточнения категорий меток эмоций. На этапах маркировки данных мы рассмотрели в общей сложности 56 категорий эмоций. Из этой выборки мы идентифицировали и удалили эмоции, которые едва ли были выбраны оценщиками, имели низкое согласие между оценщиками из-за сходства с другими эмоциями или их было трудно обнаружить по тексту. Мы также добавили эмоции, которые часто предлагались оценщиками и были хорошо представлены в данных. Наконец, мы уточнили названия категорий эмоций, чтобы обеспечить максимальную интерпретируемость, что привело к высокому согласию между участниками, с 9В 4 % случаев по крайней мере два оценщика пришли к согласию по крайней мере по одному ярлыку эмоции.

Опубликованный набор данных GoEmotions включает таксономию, представленную ниже, и был полностью собран в ходе последнего раунда маркировки данных, в ходе которого стандарты таксономии и рейтинга были предварительно определены и зафиксированы.

Таксономия GoEmotions: включает 28 категорий эмоций, включая «нейтральные».

Анализ данных и результаты

Эмоции не распределены равномерно в наборе данных GoEmotions. Важно отметить, что высокая частота положительных эмоций усиливает нашу мотивацию к более разнообразной таксономии эмоций, чем та, которую предлагают канонические шесть основных эмоций.

Чтобы подтвердить, что наш таксономический выбор соответствует базовым данным, мы проводим анализ основных сохраненных компонентов (PPCA) — метод, используемый для сравнения двух наборов данных путем извлечения линейных комбинаций суждений об эмоциях, которые демонстрируют наибольшую совместную изменчивость в двух наборах оценщиков. Таким образом, это помогает нам выявить измерения эмоций, которые имеют высокую степень согласия между оценщиками. PPCA использовался раньше, чтобы понять основные параметры распознавания эмоций в видео и речи, и мы используем его здесь, чтобы понять основные параметры эмоций в тексте.

Мы обнаружили, что каждый компонент является значимым (со значениями p < 1,5e-6 для всех измерений), что указывает на то, что каждая эмоция захватывает уникальную часть данных. Это не тривиально, так как в предыдущей работе по распознаванию эмоций в речи только 12 из 30 аспектов эмоций оказались значимыми.

Мы исследуем кластеризацию определенных эмоций на основе корреляций между оценочными суждениями. При таком подходе две эмоции будут группироваться вместе, если оценщики часто выбирают их совместно. Мы обнаруживаем, что эмоции, связанные с точки зрения их настроения ( отрицательное , положительное и неоднозначное ) группируются вместе, несмотря на отсутствие предопределенного понятия настроений в нашей таксономии, что указывает на качество и согласованность оценок. Например, если один оценщик выбрал «волнение» в качестве ярлыка для данного комментария, более вероятно, что другой оценщик выберет коррелированное чувство, такое как «радость», а не, скажем, «страх». Возможно, удивительно, что все неоднозначные эмоции сгруппировались вместе, и они сгруппировались более тесно с положительными эмоциями.

Подобным образом эмоции, связанные по своей интенсивности, такие как радость и волнение , нервозность и страх , печаль и горе , раздражение и гнев также тесно связаны6, и гнев .

В нашей статье представлены дополнительные анализы и эксперименты по моделированию с использованием GoEmotions.
Будущая работа: альтернативы маркировке людей
Хотя GoEmotions предлагает большой набор данных об эмоциях, аннотированных человеком, существуют дополнительные наборы данных об эмоциях, которые используют эвристику для автоматической слабой маркировки. Доминирующая эвристика использует теги Twitter, связанные с эмоциями, в качестве категорий эмоций, что позволяет недорого генерировать большие наборы данных. Но этот подход ограничен по нескольким причинам: язык, используемый в Твиттере, явно отличается от многих других языковых доменов, что ограничивает применимость данных; теги создаются человеком и при непосредственном использовании склонны к дублированию, перекрытию и другим таксономическим несоответствиям; и специфика этого подхода к Твиттеру ограничивает его применение корпусами других языков.
Мы предлагаем альтернативную и более доступную эвристику, в которой смайлики, встроенные в разговор пользователя, служат прокси для категорий эмоций. Этот подход может быть применен к любому языковому корпусу, содержащему разумное количество эмодзи, включая многие разговорные. Поскольку эмодзи более стандартизированы и менее разбросаны, чем теги Twitter, они представляют меньше несоответствий.
Обратите внимание, что оба предложенных подхода — использование твиттер-тегов и использование эмодзи — не направлены непосредственно на понимание эмоций, а скорее на варианты разговорного выражения. Например, в приведенном ниже разговоре 🙏 передает благодарность, 🎂 передает праздничное выражение, а 🎁 буквально заменяет «подарок». Точно так же, хотя многие смайлики связаны с выражениями, связанными с эмоциями, эмоции тонкие и многогранные, и во многих случаях ни один смайлик не может по-настоящему передать всю сложность эмоции. Более того, смайлики отражают различные выражения, помимо эмоций.
No related posts.