【关键词】心理生理检测,人工智能算法,振动图像,前庭情绪反射,情绪识别,心理生理学,心理生理参数,vibraimage 什么是攻击性? 最著名的侵略和侵略行为研究者当然是诺贝尔奖得主康拉德洛伦兹,他于1963年出版了《侵略》一书(Lorenz,1963年)。Lorenz使用了侵略性一词,尽管后来的许多研究人员在谈论表征人类或动物攻击性的可测量参数时更倾向于使用攻击性一词(PlutchikVanPraag,1989;Cadoret等人,1995)。Lorenz认为,物种种属内的攻击是保护个体的必要条件,种内侵略比友谊和爱情更古老,因此,侵略性是动物和人类的自然特征,没有它进化进程是不可能的。 我们使用攻击性这一术语,但不涉及关于这个术语的术语讨论。因为对于任何参数的控制论方法,计算方程比术语更重要。 振动图像核心参数计算方程:攻击性 Fm:频率分布密度直方图中最大值的频率;Fi:N帧期间获得的频率密度分布直方图中第i个频率的计数数量;Fin:振动处理频率;n:帧差在上的计数N帧中的阈值。 攻击性由振动频率直方图确定,并反映了频率和标准偏差的最大分布(在更详尽的方程推演中,作者没有详细描述振动频率标准差SD的计算)人的振动(Minkin,2017)。 频率分布的最大值越大,标准差越高,参数攻击性的值就越大。 确定攻击性的拟合公式与洛伦兹提出的侵略性定义原则密切相关,即攻击性与反射运动的强度成正比(Lorenz,1963)。 Vibraimage的技术人员,使用心理学中已知的确定情绪参数的原理,将其转化为计算振动技术的算法。 既往关于头部的微运动领域研究,遵循着研究人员为人类运动确定的相同生理活动规律(Bernstein,1967)。然而,我们已经意识到,宏观运动更难进行算法计算;而且与分析其他生理过程相比,处理保持头部处于直立状态的连续生理过程(前庭情绪反射)具有许多算法和生理优势。 Lorenz除了指出攻击性与反射运动频率之间的比例关系,他还在公式中引入了攻击性数值与频率标准差之间的比例关系。 遗憾的是,在他的年代上述参数无法进行视觉评估,Lorenz在没有计算机和Vibraimage技术的情况下无法验证这一假设。 现今使用Vibraimage技术的研究者,得出关于攻击性量效关系的结论并不困难。 因为处于活跃和攻击状态的个体,其振动频率的分散程度不同:处于活跃状态的人,例如运动员,他们的振动频率分散程度很小;而处于攻击状态的人,其前庭情绪反射运动的频率更高,并且这种频率的传播范围大,SD值也相应增高。 图1显示了在10266次试验的样本上,攻击性测量值的分布(分布密度)。 图1:攻击性参数分布(10266项样本的联合数据库) 为了比较各种测试条件下的攻击性参数的分布形式,下图显示了振动图像技术的三个子产品,VibraMed测试(图2a,共4994次测试)、VibraMI(图2b,共3521次测试)和PsyAccent(图2c,共1751次)的攻击性分布。通过将这三个(VibraMed、VibraMI、PsyAccent)项目获得的情绪和心理生理参数的三个数据库相加,形成了10266项测试的统一基础。 图2a:VibraMed数据库的4994项样本分布情况 图2b:VibraMI数据库的3531项样本分布情况 图2c:PsyAccent数据库的1751项样本分布情况 从表1里我们可以看出,VibraMed模式下进行的一组测量中,攻击性的最小平均值。 VibraMed模式下的测试对象通常处于自然状态,而VibraMI和PsyAccent模式,则伴随有既定的刺激因素。 显然在自然状态下,攻击性的平均水平是所有测试选项中的最低水平,为38。85。当VibraMI和PsyAccent程序呈现刺激时,攻击性的平均水平显著增加。 表1联合数据库中攻击性参数的统计分析 使用VibraMI程序测试多重智能时的攻击性平均水平(相当于主动工作能力)为44。80,测试PsyAccent的压力模式下的攻击性的平均水平为45。29。如果定义为MSD,则已接近阈值上限。 MSD水平的最大不对称性与最大计数数具有统一分布(表2第10列显示了超出正态分布规定范围的计数数)。这是因为联合数据库里的样本分布包括三个局部分布,即VibraMed模式、VibraMI模式、PsyAccent模式。由于检测条件的不同,其攻击性参数的平均值水平必然有所不同, VibraMed获得的分布计数最多,并将联合分布密度转移到较低值;而且VibraMed程序获得的分布(图3a)相当不对称,中心向较低值偏移。 我们认为VibraMed平均值向左偏移不是由数学原因造成的,而是由心理原因引起的。因为大多数受试者在没有暴露于刺激因素下,他们只是在摄像镜头前坐着无所事事,他们的状态是放松的。 VibraMed项目测试组的心理生理状态的高分散性也通过SD10。01的最大值得到证实。从心理学的角度来看,这是可以理解的,因为没有外部激励,也没有明确的任务,每个受试者都以自己的方式理解自然的任务。有人可以在镜头前放松,有人正因不确定性或某种内部问题而紧张。 但PsyAccent模式里的被试者,他们更容易将测试视为不愉快和威胁性的体验,因此图3a中的正确分布边界更宽、更模糊。 我们也发现使用VibraMI程序(有效工作能力)的测试选项的特点是SKO组的结果分散最小6。31。这也从心理学的角度得到了很好的解释,因为以固定节奏提问的中性问题有助于集中注意力,而全部受试者对呈现的刺激的反应大致相同。 虽然PsyAccent项目中的问题非常具有挑衅性,但会导致团队中的情绪更加分散,有些人积极地感知所呈现的刺激,有些人则被动地感知。 上述案例显示了Vibraimage技术为每个核心参数设置详尽规则的足够复杂性,因为参数分布的形式和性质不仅取决于受试者的心理生理状态,还取决于测试的外部条件。 在工程计量学中,检测人员通常需要考虑外部条件的标准值来确定测量物理量或参数的条件,作为正常测量条件(标准条件)。一组影响量的值或范围为特征的参考条件下,测量结果的非预想变化因过于微弱而可以被忽略(JCGM200)。 对于大多数技术设备来说,它们的性能在很大程度上取决于外部条件,例如,作为现代微电子技术基础的硅片的暗电流在温度升高810度时会翻倍(Zee,1984)。也就是说,自然物理过程和各种外部条件不会干扰产品之间的相互比较,因为在工程产品中,产品是在相同外部条件下进行比较的,而在计量学中,只比较相同名称的物理量。 我们应采用类似的计量方法来测量一个人的情绪和心理生理参数,以确定其行为特征的规范。例如,通过一般分布将标准设置为参数攻击性,对于相同的选定标准(例如,MSD),与设置特定类型测试VibraMI的标准(32。1757。43)相比,将给出更大的分散度(23。9959。98)。 因此,建立一个人的情绪和心理生理参数的标准规范,要求心理计量学专家不仅要了解一个人的研究参数,还要清楚地了解获得该参数的条件。这一要求再次成为计量学的标准,因为为了最大限度地减少测量误差,必须清楚地了解测量值变化的性质(Novitsky,1975)。 当我们确定某参数的标准时,研究者需要将偏离标准区间的百分比视为异常,在标准区间内的百分比视为正常。 为了解决不同的问题,允许对相同的情绪和心理生理参数设置不同的规范,这取决于其测试的不同条件。 在vibraimage技术中,基于最一般的使用条件为每个参数建立了规范(VibraimagePRO,2019),但Vibraimage系统的每个用户,都可以根据他们的经验和具体任务调整已建立的规范。 攻击性参数的默认规范(VibraMed,2019)为参数下限的20和上限的50,这大致对应于攻击性参数在M2SD规范MSD范围内的边界。 规范选择的不对称性由参数最终分布的不对称性决定,因为在非对称分布的情况下,仅使用SD确定标准会导致不同百分比的读数超出SD。 因此,每个情绪参数的真实分布密度对于正确确定标准非常重要,有必要详细分析所研究的每个参数的分布性质。在控制论、测量理论和信息论中,所研究参数分布的性质是最重要的特征之一(Novitsky,1975)。 在随后的文章中,我们将给出所有16项核心参数的统计学分布。 我们建议,Vibraimage用户对每个核心参数形成原则的理解,都应包括数理统计和心理学知识。因为标准计量规则要求研究人员了解测量值变化的真实性,而缺乏这种知识会导致测量误差的显著增加和测量结果的失真。 人类情绪评估中的数学转换,并不只是允许对所有生活情况下客观的事件进行明确的解释;确定每个情绪参数的标准不仅取决于统计相关性,还取决于测量条件、使用的设备、测量方法和测量误差。 从心理计量学到计量学的转变并不是从结果的不确定性到完全确定性的转变,测量科学总是与不确定性相关联(Minkin,2019b),盲目相信结果数字的危险程度,不亚于对一个人的心理进行模糊的主观评估。 振动技术允许我们定量地描述攻击性参数的几乎任何变化,并获得该参数对外部因素和其他核心参数的各种依赖性。 从上文的表格可以看出,与攻击性有最大相关性的参数是幸福水平。 根据10266项测试的可用样本结果,攻击性和幸福性参数之间的皮尔逊相关系数为0。79。攻击性和幸福性参数之间的相关统计关系如图3所示。 图3:攻击性和幸福性参数之间的相关性(10266项测试的统一数据库) 行为特征的分布和相关性图中的每个点都显示了一次测量的结果,测试数量大约等于受试者的数量,因为通常一个人测试一次。应用程序中呈现的情绪和心理生理参数的测量数据库包括每个参数的10000多个测量值,并允许Vibraimage用户自定义计算进程并建立额外的相关性。 从心理学的角度来看,一个具有最高攻击性的人,其状态是以最低幸福水平为特征的,这符合我们的生活认知。相应地,具有最低攻击性水平的人,通常具有较高的幸福水平。 从图3可以看出,攻击性情绪和幸福感之间的相关性,在攻击性参数的平均值区间更高,而在极端值区间(过高和过低)下,给定参数之间的相关性略有降低。