APP下载

情景性语言对冲动性人格倾向者的情绪诱发作用研究

2023-10-31杨惠淋逯笛言梁淑怡李宇龙张亚娟黄玲巧苗丹民

空军军医大学学报 2023年10期
关键词:冲动性眼动冲动

杨惠淋,逯笛言,梁淑怡,李宇龙,张亚娟,何 洋,黄玲巧,苗丹民

(1空军军医大学军事医学心理学系航空航天心理学教研室,陕西 西安 710032;2解放军西部战区总医院急诊医学科,四川 成都 610083)

冲动性是一个多维的概念,而最常见的概念是将其定义为一种人格特质[1]。EYSENCK等[2]最早将冲动性人格定义为个体易冒险地做出反应并且缺乏有计划的行动,更易快速地做出决定的人格特质。大量研究表明,冲动性与多心理障碍[3-4]、问题行为[5]及自杀[6]有关。目前国内外广泛用于评估冲动性人格倾向的是巴瑞特冲动性量表(Barratt Impulsivity Scale,BIS)。但该量表存在社会赞许性及自我掩饰性等缺陷,尤其在心理选择中存在问题[7-8],故在冲动性人格倾向者的识别上有一定的局限性。情绪与冲动行为间有密切联系,特别是消极情绪[9-10];情绪不稳定性是冲动性人格倾向者的显著特征[11];同时,随着时间的推移,与情绪相关的冲动会增加其焦虑和痛苦[12]。能否有效地诱发情绪,关键在于对象是否能够将自身代入对应的情境。情景本身就是由生活构成的片断,因此对外显的情绪能起到很好的启动效果[13]。有研究指出,使用被试自己的语言所编制的语言材料能起到较好的人群识别作用[14]。故本研究选择使用回忆/幻想诱发范式[15],试图揭示情景性语言对冲动性人格倾向者的情绪诱发作用。由于眼球追踪信号能在一定程度上反映主体的潜意识,并为主体当前活动[16]的上下文提供了基本线索,揭示出在特定情况下,人们对被注视区域的注意力偏好,从而揭示出注视对象的心理动机,能实现客观无干扰地记录受试者的决策与注意过程,越来越多地被运用到心理学的研究中。因此本研究选择使用眼动追踪技术,探索情景性语言在诱发冲动性人格倾向者中的作用,从而为冲动性人格倾向者的识别提供一种有效的方法。

1 对象与方法

1.1 对象

采取目的抽样的方法,使用BIS对某训练基地4 112名同时段参训人员进行量表筛查,人口学指标无显著差异。通过基本访谈后分为冲动性人格倾向组(冲动组,n=170)及非冲动组(n=171)。冲动性倾向纳入标准:①符合冲动性人格定义(BIS总分>90分)或冲动各维度高分者(维度分>30分);②符合眼动实验标准者。冲动性倾向排除标准:①不愿意接受实验者;②近期因重大生活事件造成性格突变者;③存在严重心理障碍及问题者。非冲动组纳入标准:符合非冲动性人格定义(BIS总分<45分)。排除标准:①不愿意接受实验者;②存在严重心理障碍及问题者。

1.2 方法

1.2.1 BIS BIS是目前测量冲动性应用最广泛的量表之一,基于巴瑞特的人格理论提出。本研究所使用的量表是由PATTON等[17]于1995年修订,周亮等[18]于2006年翻译的中文版的BIS-11,量表分为认知冲动、无计划冲动与行为冲动三个维度,共30题,量表使用5级评分(不是、极少、有时、经常、总是),每一组题目从1~5分记分,总分在30~150分之间变化,得分越高越代表行为多动、注意力不集中和缺乏计划性。本研究中的Cronbach’s α系数为0.832,在认知冲动、无计划冲动与行为冲动三个维度上的Cronbach’s α系数为0.758、0.823及0.884。

1.2.2 材料形成与评估 对170名高冲动倾向者(BIS总分>90分或冲动各维度分>30分)进行访谈,收集冲动性情景语料。访谈基于访谈提纲进行半结构化访谈结合情景访谈,使用录音设备与书写同步记录访谈内容。访谈结束后首先对所得录音(约37 h)进行文字转录,再将约60余万字文字导入专业质性分析软件NVivo20进行初步的编码处理[19-20],再由研究者基于扎根理论[21]实现对材料的开放式编码、主轴式编码与选择式编码,最后得到92个一级编码节点、11个二级编码节点与2个三级编码节点。在此之后,对资料进行情景语境化的处理即根据编码所获的结果进行情景性的呈现。依据情景的成分,在上述编码的基础上,将已有类属按照完整的叙述结构呈现出来,使语言材料呈现出一段情景,让被试处于语言构造的情景中,以实现被场景所唤醒冲动情绪,形成最后的情景性语言材料,包含12个项目。

材料首先交由三名语言学专家,分别对语法、语义、逻辑材料进行审阅。为了验证材料有效性,研究随机抽取了119名被试进行材料的评估。材料的评估主要使用李克特量表七点计分(0~6),评估方向从研究内容出发,分别从熟悉度、唤醒度、形象度、校价、共鸣度五个部分探究材料有效性,评估效果良好(均P<0.01)。

1.2.3 实验流程与分析 本研究采用2×2混合设计,冲动组与非冲动组是被试间变量,题干与选项兴趣区是被试内变量。在材料确定后,将其导入eyelink自带编程软件experiment builder中进行编程,并划分兴趣区,包含题干与选项兴趣区。在此之后,于某新兵训练基地中通过BIS-11筛选出符合实验要求的被试,为确保实验参与人员的标准性对其进行简单访谈。在营区中光线恒定、安静无打扰的房间内,按照实验要求进行仪器架设后开始实验,实验过程约为15 min。实验首先需要告知被试整个实验流程,确保得到其同意后再开始实验,在输入被试编号后进入实验程序,分别对被试进行校准(九点)和验证(九点),确保数据采集准确度,随即开始实验。实验过程中需要被试首先阅读屏幕所呈现的材料,材料为前文形成的12段情景的描述,在阅读后被试通过按键选择材料对其自身的情绪诱发程度(从0~5增加),并全程通过眼动设备对被试的眼球运动各个指标进行采集(图1)。

图1 实验程序图

1.2.4 统计学分析 使用eyelink自带软件data viewer导出数据。根据前人研究及实验目的,此部分研究共选择分析三个眼动指标,包括平均注视时长、凝视时间与瞳孔变化值。使用SPSS 26.0对题干及选项兴趣区内的眼动指标进行重复测量方差分析。其中情景性语言材料的作答结果是研究情绪诱发的一部分,故纳入分析范围中,进行独立样本t检验。使用对情绪诱发有意义的注视类(平均注视时长及总注视时长等)、凝视类(凝视时间及回视时间等)及瞳孔类(最大瞳孔值及瞳孔变化值等)共24个指标进行机器学习,进一步验证情景性语言对冲动性人格倾向者的识别有效性。

2 结果

2.1 情景性语言材料作答结果

情景性语言材料作答结果为被试对材料的情绪诱发程度进行评分,体现了被试主观上对于材料情绪诱发程度的感受。对情景性语言材料的作答结果进行独立样本t检验,结果显示冲动组与非冲动组[(1.90±1.06)分vs(0.16±0.23)分]的差异有统计学意义(t=20.95,P<0.001)。

2.2 情景性语言材料眼动指标统计结果

首先对情景性语言材料进行描述性统计分析,可以得知,冲动组在平均注视时长、凝视时间、回视时间及瞳孔变化值的均值均大于非冲动组(表1)。对情景性语言材料眼动指标进行2(组别:冲动组、非冲动组)×2(兴趣区:题干、选项)的重复测量方差分析(表2)。方差分析结果显示,被试在阅读情景性语言材料时,平均注视时长在组别上主效应显著[F(1,339)=26.474,P<0.001,ηp2=0.072],在兴趣区上主效应同样显著[F(1,339)=165.877,P<0.001,ηp2=0.329],组别与兴趣区交互作用显著[F(1,339)=7.522,P=0.006,ηp2=0.022];而在凝视时间指标上,在组别中主效应显著[F(1,339)=51.075,P<0.001,ηp2=0.131],在兴趣区中主效应同样显著[F(1,339)=583.939,P<0.001,ηp2=0.633],组别与兴趣区交互作用显著[F(1,339)=38.758,P<0.001,ηp2=0.103];在瞳孔变化值指标中,方差分析结果显示,组别中主效应显著[F(1,339)=198.127,P<0.001,ηp2=0.186],在兴趣区中主效应同样显著[F(1,339)=1 075.741,P<0.001,ηp2=0.760),组别与兴趣区交互作用显著[F(1,339)=15.416,P<0.001,ηp2=0.043]。因被试在阅读情景性语言材料时的眼动追踪的三个指标中,组别与兴趣区的交互作用均显著,因此为对比冲动组与非冲动组在题干与选项兴趣区上的差异比较,在其后进行简单效应的分析。

表1 情景性语言材料眼动指标描述性统计结果

表2 情景性语言材料眼动指标方差分析结果

2.2.1 平均注视时长 平均注视时长指平均在某个注视点上的停留时间[22]。在情景性语言材料中平均注视时长指标中,冲动组与非冲动组在题干兴趣区内简单效应差异有统计学意义(t=1.973,P<0.05),在选项兴趣区内简单效应差异有统计学意义(t=5.655,P<0.01,图2)。

图2 情景性语言材料中平均注视时长简单效应分析

2.2.2 凝视时间 凝视时间是指从第一个注视点到第一个注视点离开兴趣区的时间[22]。在情景性语言材料中平均注视时长指标中,冲动组与非冲动组在题干兴趣区内简单效应差异有统计学意义(t=9.468,P<0.01),在选项兴趣区内简单效应差异无统计学意义(t=0.857,P=0.392,图3)。

图3 情景性语言材料中凝视时间简单效应分析

2.2.3 瞳孔变化值 瞳孔变化值指被试在校准时的瞳孔直径与实验中平均瞳孔直径之差。在情景性语言材料中平均注视时长指标中,冲动组与非冲动组在题干兴趣区内简单效应差异有统计学意义(t=9.442,P<0.01),在选项兴趣区内简单效应差异有统计学意义(t=4.894,P<0.01,图4)。

图4 情景性语言材料中瞳孔变化值简单效应分析

2.3 机器学习

机器学习建立模型的识别率主要是通过交叉验证集、训练集和测试集的预测评价指标,通过量化指标来衡量模型的预测效果的。其中准确率是指所能预计到的正确的样本在总样本数中所占据的百分比,准确率愈高,则效果愈好。在本研究中,训练集与测试集的比例为7∶3,即70%的数据被用于训练,剩余30%的数据被用于测试,使用五折交叉验证的方法进行内部验证。在本研究中,情景性语言在四个模型测试集上的准确率分别为:决策树上为0.853、随机森林上为0.912、K近邻算法上为0.833、支持向量机上为0.892。

3 讨论

针对冲动性人格倾向者的研究,关键在于对其冲动情绪进行关注。本研究采用质性研究的方法,以期构建冲动性人格倾向者产生冲动情绪的情景性语言材料,结合眼动追踪技术对冲动情绪的诱发进行研究。本研究发现情景性语言对冲动性人格倾向者有较高的情绪唤醒度及情绪诱发作用,并且可以由此实现对冲动性人格倾向者与非冲动性人格倾向者的区分。

其中情景语言材料的得分结果作为被试唯一主观选择的情绪唤醒指标,体现出材料对于冲动性人格倾向者较高的情绪唤醒度。眼球运动已被证明是情感反应的有价值的指标[23],其中,注视及瞳孔眼动特征与个体的情绪活动密切相关,当一个人从休息状态被刺激到情绪状态时,瞳孔会相应地改变大小[24-26],使用眼动追踪技术能很好地与冲动性研究相结合[27-28],有助于揭示冲动者在阅读语言材料时的注意及情绪活动水平[29-30]。

研究通过分析在阅读情景性语言材料时,冲动组与非冲动组在各眼动指标上的显著差异,客观揭示出材料对其产生的情绪唤醒度差异。在眼球运动指标中,瞳孔直径和注视时长是预测情绪唤醒的最佳特征。瞳孔大小反映了自主的非自愿活动,直接与人的各种情绪相关,在负性情绪作用下,人的瞳孔直径变化非常明显[31]。因此,瞳孔变化值指标在一定程度上可以体现情绪唤醒这一生理特征[32]。在本研究中,冲动组在阅读情景性语言材料题干及选项时,平均注视时长及瞳孔变化值均显著大于非冲动组,这显示出冲动性人格倾向者在阅读情景性语言时,瞳孔的变化更为显著,注视时间也更长,客观反映出其情绪得到有效的唤醒,产生了一定的变化,导致眼球运动随之改变。凝视指标已被多次用于情绪唤醒研究中[32-33]。在凝视时间指标上,冲动性人格倾向者在阅读情景性语言材料题干时凝视时间显著长于非冲动者,这揭示出情景性语言本身对冲动性人格倾向者具有更高的吸引力及情绪唤醒程度。

在此之后,本研究依据被试阅读情景性语言材料时的眼动指标建立的分类器模型,试图探索通过诱发情绪的方式来识别冲动性人格倾向者的效果,研究发现依据被试阅读情景性语言材料时的眼动指标所建立的分类器模型精确度较高,说明其分类器预测效果较理想,即情景性语言材料在对冲动性人格倾向者的识别上有着较优的效果最高识别率达到了0.912,这说明以情绪诱发作为指标来对冲动性人格倾向者进行识别是一种有效的尝试。

本研究结果在一定程度上揭示了情景性语言对冲动性人格倾向者的情绪诱发作用,为冲动性人格倾向者的早期识别与关注提供了一种手段。但由于本研究在对被试阅读过程中进行客观指标的采集时仅使用了眼动追踪技术,可能无法实现对被试在阅读时认知过程的全面分析与解释。

猜你喜欢

冲动性眼动冲动
基于眼动的驾驶员危险认知
冲动性的测量方法*
基于ssVEP与眼动追踪的混合型并行脑机接口研究
“冲动”不是真担当
追求原始冲动和意念的自由释放
对消费者冲动性购买现象的再探究
冲动
国外翻译过程实证研究中的眼动跟踪方法述评
不同冲动性特质对青少年暴食行为的影响*
眼动技术在数字媒体中的应用