情绪分析

面部表情在社交中发挥着重要作用,我们可以通过"读懂"一个人的面部表情来推断这个人的精神状态。我们都经历过情绪的变化,以消极或积极的形式。 情绪 会引起大脑皮层的注意,因为大脑的主要任务是保持我们的清醒与健康。

情绪数据提供了重要的研究线索,能够帮助研究人员更深入地了解人类复杂行为。情绪在任何事件中都发挥着重要的作用,比如,在进行购买决策的时候、食物抉择的时候、与他人互动的时候等。 

FaceReader analysis

面部表情识别软件

诸如面部表情分析系统 (FaceReader™) 之类的软件是采集情绪数据的理想工具。软件可自动分析高兴、悲伤、愤怒、惊讶、恐惧、厌恶和中性表情。新版本支持自定义表情。 

此外,面部表情分析系统 (FaceReader™) 还可以分析"轻蔑"、"感兴趣"、"困惑"等情感状态。 系统还可以测量 动作单元的运动状况,效价,唤醒度,视线方向,头部朝向和性别、年龄等个人特征参数。


"面部表情分析系统( FaceReader™)可精准测量不同群体由不同口味的食物所诱发的面部表情差异。"

PROF. DR. E. BARTKIENE|LITHUANIAN UNIVERSITY OF HEALTH SCIENCES, LITHUANIA

客观评估情绪

为了更 客观地评估情绪,研究人员已转向使用面部表情分析系统(FaceReader™)。全球有900所高校、研究所和公司使用该系统,涉及心理学、消费者研究、用户体验研究、人因工程、神经营销等诸多研究领域。 

使用该软件可消除偏差,因为系统可即刻分析您的数据并且操作简单、易于使用,将大大节省您的时间。根据相关验证研究结果,面部表情分析系统 (FaceReader™) 是当前主要情感分析工具中的绝佳选择。


情绪测量

所有的情绪,无论是否被抑制,都有可能产生一系列的效应。 生物特征识别研究 通过对注意力、认知、情感和生理唤醒等方面的探索让相关效应得以彰显。

例如, 结合 眼动数据 和面部表情分析来找出被试沮丧时所观看的内容、或视频中让被试感到十分惊讶的地方。 数据的完全同步是将注意力或认知负荷与情绪相匹配的关键。可了解更多关于CubeHX 的详情信息。


Tiffany Andry: “我喜欢使用这种测量工具。”

比利时蒙斯的社交媒体实验室汇集了来自不同学科(传播,市场营销,新闻学,计算机科学等)的研究人员,学生,专业人士和教授。 他们共同致力于研究数字世界,对新技术的使用进行培训,并分享有关新的专业实践的更多信息和建议。

免费白皮书

FaceReader方法解说

免费下载白皮书以了解更多:

  1. FaceReader是什么?
  2. 系统如何运行?
  3. FaceReader结果输出

相关文献

以下是使用Noldus产品在著名期刊上发表的部分文章,如您需要更多参考资料,请与我们联系。

  • Comes-Fayos, J., Romero-Martínez, A., Lila, M., Martínez, M., & Moya-Albiol, L. (2024). Low sadness and high happiness facial prevalence to others’ suffering in intimate partner violence against women perpetrators: influence of emotional decoding deficits. Current Psychology, 1-14.

  • Chao S. Hu, Haotian Zhang, Lindsey A. Short & Shuhua Hu (2024). Individuals with higher suicide risk showed more anger and disgust during rest, Death Studies, 48:1, 9-15.

  • Ling, A., George, N., Shiv, B., & Plassmann, H. (2023). Altering experienced utility by incidental affect: The interplay of valence and arousal in incidental affect infusion processes. Emotion.

  • Zempelin, S., et al. (2021). Emotion induction in young and old persons on watching movie segments: Facial expressions reflect subjective ratings. PLoS ONE16(6): e0253378.
  • Stöckli, S., et al. (2018) Facial expression analysis with AFFDEX and FACET: A validation study. Behavior Research Methods50 (4), 1446-1460.
相关研究案例

联系我们