職前教師情緒復雜性對情緒面孔加工的影響
——來自行為、ERP和眼動的證據*

汪海彬 盧家楣 姚本先 桑青松 陳 寧 唐曉晨

1 問題的提出

想象一個人是“情緒復雜的”, 那么他們可能具有以下特征：能同時看到所有事物好的一面和壞的一面; 能精確并詳細描述情感的能力; 能明確得到情境所要誘發的情緒; 能記住所體驗到的情緒(Lindquist & Barrett, 2008)。然而, 國內外研究者對情緒復雜性(emotional complexity)的概念界定和測量并未達成一致, 主要有情緒體驗自我報告的復雜性(complexity in self-reported experiences of emotion)、命題性情緒知識的復雜性(complexity in propositional knowledge of emotion)和自我描述的復雜性(self-characterizations of complexity)三種, 但一致的是, 情緒復雜性高低的本質在于情感圖式(Torrado, Ouakinin, & Lane, 2012)或情緒概念系統(Lindquist & Barrett, 2008)的分化和整合程度不同,并且其還有利于個體的身心健康和社會適應：高情緒體驗自我報告的復雜性與高復原力呈正相關(Davis, Zautra, & Smith, 2004), 并且還有助于他們采用更靈活的情緒調節策略(Tugade, Fredrickson,& Barrett, 2004); 命題性情緒知識復雜性與心理幸福感呈顯著正相關(Beaman, 2008), 并且可以作為病人療后效果評估的指標(Torrado, Ouakinin, &Bacelar-Nicolau, 2013); 自我描述復雜性也與人際適應呈正相關(Kang & Shaver, 2004)。

在三種取向的情緒復雜性研究中, 最為豐富是命題性情緒知識的復雜性(complexity in propositional knowledge of emotion), 又被稱之為情緒覺察(emotional awareness), 指的是“識別與描述自己和他人情緒的能力” (Lane & Schwartz, 1987), 其被視為情緒智力的先決條件和重要基礎(Lane, 2000),對個體的身心健康具有重要意義(Gen?o?lu & Y?lmaz,2014)：高情緒覺察能力不僅有助于個體建立起良好的親子關系(Fantini-Hauwel, Boudoukha, & Arcisze-wski, 2012; Maliken & Katz, 2013), 從容應對壓力事件(Jobe-Shields, Parra, & Buckholdt, 2013)、采用更優的情緒調節策略(Eastabrook, Flynn, & Hollenstein, 2014; Szczygie?, Buczny, & Bazińska, 2012)和情緒表達策略(Kim & Cha, 2013)、進而有助于提高其工作效率(Boro? & Cur?eu, 2013)、滿意度(Downey,2003)和幸福感(Beaman, 2008); 而低情緒覺察能力不僅容易導致個體產生不合理信念(Boden, Gala, &Berenbaum, 2013)、深受焦慮(Kerns, Comer, & Zeman,2014)、抑郁(Subic-Wrana et al., 2014)等消極情緒的困擾, 甚至還容易誘發諸如進食障礙(Parling, Mortazavi, & Ghaderi, 2010; Raucher-Chéné, et al., 2013)和物質依賴(Torrado et al.,2013)等疾病。

鑒于命題性情緒知識中的復雜性的重要性, 研究者們已就情緒覺察能力的概念、測量、神經基礎、相關變量和干預策略等五個方面展開了大量研究(Subic-Wrana et al., 2014; Torrado et al., 2013; 汪海彬, 盧家楣, 陳寧, 2013), 但尚存有一些不足, 主要體現在神經基礎研究較少和研究對象局限兩個方面：首先在情緒覺察的神經基礎研究方面, Lane(2006)認為不同的情緒覺察能力有不同的神經基礎,并建構了情緒覺察的神經解剖學模型。實證研究也的確發現正常群體的情緒覺察能力得分與右半球優勢度(Lane, Kivley, Du Bois, & Shamasundara,1995)以及 ACC (Lane et al., 1998)、dACC (McRae,Reiman, Fort, Chen, & Lane, 2008)的激活呈正相關(Gu, Hof, Friston, & Fan, 2013), 而特殊群體(如自閉癥患者)的情緒覺察能力得分則與VACC和AI的激活呈負相關(Frewen et al., 2008; Silani et al., 2008),然而以往研究僅采用時間分辨率不高的 PET或fMRI技術, 但情緒覺察作為一種認知技能(正如Lane等人的界定), 探索不同情緒覺察水平個體在情緒信息加工的時程特點可能更有意義。第二, 研究對象以身心疾患為主, 文獻計量學結果顯示該領域的研究對象中有 65.71%是諸如焦慮障礙(Kerns et al., 2014)、厭食癥(Racine & Wildes, 2013)、PTSD(Frewen, Dozois, Neufeld, & Lanius, 2012)、邊緣性人格(Cole, Llera, & Pemberton, 2009)、心境障礙和精神分裂癥病人(Baslet, Termini, & Herbener, 2009;Kamel, 2013)、進食障礙病人(Shouse & Nilsson, 2011;Parling et al., 2010)、述情障礙(Herbert, Herbert, &Pollatos, 2011; Lichev et al., 2013)、自閉癥(Pimpas,2013)等身心疾患群體(汪海彬, 盧家楣，陳寧,2013), 但對正常群體的研究則較少, 實證方面的研究則更是少之又少。因此, 有必要針對以往研究存在的不足, 在國內開展亟需情緒覺察能力的正常群體的研究, 而這恰是情緒覺察研究領域得以進一步深化和拓展的內在需求。

《國家中長期教育改革和發展規劃綱要(2010-2020年)》中明確指出“教育大計, 教師為本, 努力造就一支高素質專業化教師隊伍”; 2012年2月10日, 教育部下發“關于印發《幼兒園教師專業標準(試行)》《小學教師專業標準(試行)》和《中學教師專業標準(試行)》的通知”中增添教師情性素質方面的要求, 諸如“學會觀察學生并激勵、自我情緒調節”等。可見亟需教師情性素質的培養, 尤其是對其情緒智力基礎——情緒覺察的培養, 正如研究者呼吁情緒覺察對教師群體尤其重要(Lane et al.,1987)。但令人擔憂的是, 教師情性方面的素質卻不盡如人意：1978～2012年我國中小學教師心理健康的橫斷歷史研究表明教師在抑郁、焦慮、恐怖等情緒方面因子得分逐年升高(汪海彬, 陳寧, 陳鋒,2013), 這也致使有關教師體罰、虐待學生的報道屢見報端, 甚至一些自殺、殺人的例子也不罕見。在這樣的背景下, 教師自身素質的發展, 尤其是其情性素質的發展和培養亟需人們的關注和思考。為此,在“如何在 21世紀培養教師”成為東西方教師教育領域共同議題和國家日益重視培養教師情性素質的背景下、教師情性素質著實令人擔憂的教育現實下, 從教師培養的起源——職前培養入手, 培養職前教師的情性素質, 這無論對“十二五”教育規劃綱要精神和教師專業標準中顯現出的情性素質要求的踐行, 還是對教師自身專業化的發展都具有重要的理論意義和實踐價值。然而, 當前對于職前教師情性素質培養的研究尚處于重要性探討或初步探索階段(Ko?o?lu, 2011; 倪小敏, 2010; 桑國元,2011)。因此, 有必要進一步豐富職前教師情性素質的研究, 尤其是實證方面的研究, 這是由教師情性素質令人擔憂的現狀引發我們對培養職前教師情性素質現實需求的思考。

基于上述兩個需求(即情緒復雜性研究領域得以拓展的內在需求和職前教師情性素質培養的現實需求)以及情緒復雜性在情緒智力中的重要基礎作用, 本研究擬以職前教師為研究對象, 以情緒復雜性作為情性素質培養的切入口, 開展以教育應用為導向的基礎研究：即采用時間分辨率較高的ERP技術和眼動技術探索不同情緒覺察能力職前教師在情緒加工過程中的時空特點和眼動特點, 這不僅有助于豐富情緒復雜性的生理心理特點研究, 而且還可以為設計有針對性的提升職前教師情緒復雜性的措施提供科學依據。

2 研究 1：職前教師情緒復雜性對情緒面孔加工的影響——來自行為和ERP的證據

2.1 方法

2.1.1 被試

采用情緒覺察水平問卷(Levels of Emotional Awareness Scale, LEAS) (Lane, Quinlan, Schwartz,Walker, & Zeitlin, 1990)對400名職前教師進行測查,然后依據被試的問卷總得分按由高到低的順序排列, 將得分在前 27%的被試作為高分組, 得分在后27%的被試作為低分組, 在兼顧男女的前提下, 最后得到高低組各20人, 男女各半, 40名被試平均年齡為21.73±1.98歲。所有被試均身心健康, 右利手,視力正常或矯正后達到正常水平, 實驗前均簽署了被試知情同意書。因其中3名被試(其中男生2人)記錄數據的偽跡過大, 予以刪除, 高低分組的LEAS得分差異顯著(t(35) = ?53.89, p < 0.001, d =0.56), 高分組的LEAS得分(M = 3.40, SD = 0.41, n =19)顯著高于低分組(M = 2.30, SD = 0.59, n = 18 )。

2.1.2 測量工具

采用 Lane等人編制的情緒覺察水平問卷(LEAS) (Lane et al., 1990)。問卷包括20個涉及兩人(自己和他人)的情境, 用于誘發4種情緒(憤怒、恐懼、幸福和悲傷)中的一種。對于每個題項, 被試需要回答兩個問題：“你是什么感受？”和“你認為另一個人是什么感受？”, 隨后主試根據《情緒覺察水平問卷計分手冊》(LEAS scoring manual)對被試的回答進行 0～5級的評定, 以計算情緒覺察在自己、他人和總分三個方面的得分。量表由5名心理學專業碩士研究生和3名英語碩士研究生進行翻譯—回譯, 并在咨詢有關專家(Lane的助手 Carolyn)和參考日本版情緒覺察水平問卷(LEAS-J)中考慮到的中西方文化差異的基礎上, 對部分情境的描述進行了修改, 以適合中國文化特點, 然后對 525名職前教師進行應用, 結果顯示量表的評分者間信度均大于0.80, α系數均大于0.90。

2.1.3 實驗材料

從中國化面孔情緒圖片系統(CFAPS) (王妍,羅躍嘉, 2005)中挑選出愉悅、憤怒、悲傷和恐懼圖片各40張(男女各半), 4類情緒的喚醒度一致(平均值：愉悅 = 5.83, 憤怒 = 5.83, 悲傷 = 5.78, 恐懼 =5.82; F(3,156) = 0.05, p > 0.05)。

2.1.4 實驗任務和程序

本研究使用 E-prime 2.0來控制和呈現所用刺激。采用 2(被試間變量：情緒覺察能力：高/低)×4(被試內變量：情緒類別：愉悅/憤怒/悲傷/恐懼)設計。實驗分為4個 block, 每個 block包含 80個trail。要求被試判斷呈現面孔的情緒類別(愉悅/憤怒/悲傷/恐懼)。每個 trail中, 首先呈現 500 ms “+”注視點, 隨后呈現面孔, 呈現同時開始計時, 要求被試對面孔的情緒類別作既準又快的判斷, 隨后按鍵消失, 如果沒有按鍵, 則在顯示2500 ms后消失。如果被試在2500 ms內沒有做出反應, 則認為其反應錯誤。一個trail完成, 1500 ms ± 500 ms空屏后開始下一個 trail。每個 block中間有休息, 休息長度由被試自行按鍵控制(見圖 1)。被試以按鍵做出反應, 如面孔為“愉悅”按R鍵、“憤怒”按F鍵、“悲傷”按 I鍵、“恐懼”按 J鍵。4種情緒類別對應的按鍵在被試間進行拉丁方平衡。

圖1 實驗中一個trial流程圖

2.1.5 ERP記錄和數據處理

實驗儀器為美國NeuroScan公司的64導ERP腦電記錄儀(NeuroScan, Inc., US), 采用64導電極帽記錄腦電, 同時記錄水平眼電和垂直眼電。左側乳突參考, AC采集, 采樣率為1000 Hz, 濾波帶通為0.01～100 Hz, 所有電極的頭皮電阻均小于5 k?。離線分析時, 首先將單側乳突參考轉換為雙側乳突平均參考, 自動矯正眨眼偽跡, 波幅在±100 μV 之外的腦電記錄被視為偽跡, 并自動剔除, 濾波低通為30 Hz (24 dB/octave)。分段為刺激前200 ms到刺激后800 ms。

分別對實驗中的4類情緒面孔引發的EEG進行疊加和平均。ERP分段為1000 ms, 包括刺激呈現前200 ms的基線。在本研究中, 主要測量和分析N100、P100、VPP、N170、P200、N200和 LPP 等成分的峰值潛伏期和波幅。依據以往研究(Luo,Feng, He, Wang, & Luo, 2010), 對于上述不同成分選擇不同電極。P100 (130～200 ms)選擇了Pz、P3、P4、POz、PO3 和 PO4; N100 (60～140 ms)和 N170(140～200 ms)選擇 P7、P8、PO7和 PO8; VPP(140～200 ms)選擇 Fz、F3、F4、FCz、FC3、FC4; N200(200～300 ms)選擇 T7、T8、FT7和 FT8; P200(200～300 ms)選擇 P7、P8、PO7和 PO8; LPP (300 ms～800 ms)選擇了 FCz、FC3、FC4、Cz、C3、C4、CPz、CP3、CP4、Pz、P3、P4、POz、PO7 和 PO8等 15個電極。采用重復測量方差分析分析各成分的峰值潛伏期和幅值, 其中組別(兩個水平：高分組、低分組)為組間變量, 情緒類別(4個水平：愉悅、憤怒、恐懼和悲傷)和電極為組內變量。所有數據分析采用SPSS 16.0完成, 采用Greenhouse-Geisser法矯正P值。

2.2 結果

2.2.1 行為數據分析

(1) 正確率

結果顯示, 情緒類別和組別的主效應顯著[F(3,105) = 38.23, p < 0.001, η= 0.45; F(1,35) =5.33, p = 0.026, η= 0.11], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 4種情緒類別正確率從高到低依次為愉快、悲傷、憤怒和恐懼, 且愉快的正確率顯著高于其他三種情緒類別(p < 0.001), 悲傷顯著高于憤怒和恐懼(p <0.001), 而憤怒和恐懼之間差異不顯著(p > 0.05)。高情緒覺察能力組在4類情緒上的正確率均高于低情緒覺察能力組, 但僅總的正確率差異顯著[t(35) =2.31, p = 0.026, η= 0.11], 而在具體情緒上的正確率差異則不顯著(p > 0.05) (見表1)。

(2) 反應時

結果顯示, 情緒類別和組別的主效應以及情緒類別和組別的交互效應均顯著[F(3,105) = 64.72, p <0.001, η= 0.62; F(1,35) = 10.71, p = 0.002, η=0.21; F(3,105) = 3.88, p = 0.01, η= 0.09]。事后多重比較發現, 不同情緒覺察能力組在4種情緒類別反應時從低到高依次為愉快、悲傷、恐懼和憤怒, 但高低分組對4種情緒的反應時的差異不同, 低分組表現為：愉快的反應時顯著短于其他三種情緒類別(p < 0.001), 悲傷顯著高于憤怒和恐懼(p < 0.001),但憤怒和恐懼之間差異不顯著(p > 0.05)。而高分組則表現為：愉快的反應時顯著短于其他三種情緒類別(p < 0.001), 但其他三種情緒類別的反應時之間的差異則不顯著(p > 0.05)。低分組在4類情緒圖片上的反應時均顯著長于高分組(p < 0.001或p < 0.05)(見表 2)。

表1 不同情緒覺察能力分組在4類情緒上的正確率比較

表2 不同情緒覺察能力分組在4類情緒上的反應時比較

2.2.2 ERP數據分析

(1) N100

關于 N100的幅值, 結果顯示電極、情緒類別和組別的主效應及各自的交互效應都不顯著(p >0.05)。關于 N100的潛伏期, 僅電極的主效應顯著[F(3,105) = 5.17, p = 0.002, η= 0.12], P7 的潛伏期(92.15 ms)顯著長于PO7 (82.75 ms) (p < 0.05), P8的潛伏期(94.12 ms)顯著長于PO8 (84.14 ms) (p <0.05)。

(2) P100

關于 P100的幅值, 結果顯示電極和組別的主效應以及情緒類別和組別的交互效應顯著[F(5,175) =5.52, p = 0.004, η= 0.14; F(1,35) = 11.04, p = 0.002,η= 0.25; F(3,105) = 3.50, p = 0.02, η= 0.10]。事后多重比較發現, PO3的幅值(5.49 μV)顯著高于 P3(4.39 μV)和 P4 (4.78 μV), PO4 的幅值(5.59 μV)顯著高于P4 (4.78 μV) (p < 0.05); 情緒覺察能力高分組的幅值(5.97 μV)顯著高于情緒覺察能力低分組(4.21 μV)(p < 0.01); 情緒類別和組別的交互作用表現為：在憤怒、恐懼和悲傷三種情緒下, 高低情緒覺察能力組在POZ、P3和P4三個電極上的幅值差異不顯著(p > 0.05)。關于P100的潛伏期, 結果顯示電極、組別和情緒類別各自的主效應及交互效應均不顯著(p > 0.05)。

(3) VPP

圖2 不同情緒覺察能力組的總平均波形圖比較

關于VPP的幅值, 結果顯示電極、情緒類別和組別的主效應以及電極和組別的交互效應顯著[F(5,175) = 19.04, p < 0.001, η= 0.35; F(3,105) =9.57, p < 0.001, η= 0.22; F(1,35) = 16.58, p < 0.001,η= 0.32; F(5,175) = 2.46, p = 0.035, η= 0.07]。事后多重比較發現, 電極的主效應表現為：FCZ的幅值(9.49 μV)顯著高于其他5個電極(p < 0.05)、FZ的幅值(8.67 μV)顯著高于 F3 (7.93 μV)和 F4 (8.23 μV)(p < 0.05)、FCZ 的幅值(9.49 μV)顯著高于 FC3 (7.92 μV)和 FC4 (8.50 μV) (p < 0.05); 情緒類別的主效應表現為：悲傷的幅值(9.24 μV)顯著高于其他三種情緒的幅值(p < 0.05)、愉快的幅值(7.53 μV)顯著低于其他三種情緒的幅值(p < 0.05), 但憤怒(8.37 μV)和恐懼(8.68 μV)之間的差異不顯著(p > 0.05); 組別的主效應表現為低分組的幅值(10.30 μV)均顯著高于高分組(6.61 μV) (p < 0.001)。關于VPP的潛伏期,結果顯示電極和情緒類別的主效應顯著[F(5,175) =2.67, p = 0.024, η= 0.07; F(3,105) = 5.01, p = 0.003,η= 0.13]。電極的主效應表現為：F4的潛伏期(181.11 ms)顯著短于FC4(183.80 ms) (p < 0.05); 情緒類別的主效應表現為愉快的潛伏期(179.64 ms)顯著短于恐懼(184.11 ms)和悲傷(183.67 ms) (p < 0.05)。

(4) N170

關于 N170的幅值, 結果顯示電極的主效應、情緒類別和組別的交互效應顯著[F(3,105) = 2.68, p= 0.038, η= 0.07; F(3,105) = 3.68, p = 0.014, η=0.09], 但電極和情緒類別的主效應、電極和情緒類別、電極和組別以及電極、情緒類別和組別的交互效應均不顯著(p > 0.05)。事后多重比較發現, 電極的主效應表現為P7的幅值(?3.02 μV)顯著高于PO7(?1.88 μV) (p < 0.001); 情緒類別和組別的交互作用表現為：在愉快和憤怒情緒下, 高低情緒覺察能力組的差異不顯著(p > 0.05), 而其他情緒類別上,高低組在 N170幅值上的差異均顯著, 且均是高分組(?3.57 μV)顯著高于低分組(?1.19 μV) (p < 0.001)。關于 N170的潛伏期, 結果顯示電極、組別和情緒類別的主效應及交互效應均不顯著(p > 0.05)。

(5) P200

關于 P200的幅值, 結果顯示情緒類別和組別的主效應、情緒類別和組別的交互效應顯著[F(3,105) = 7.43, p < 0.001, η= 0.17; F(1,35) =10.43, p = 0.003, η= 0.22; F(3,105) = 5.52, p =0.001, η= 0.17]。情緒類別的主效應表現為：愉快的幅值(2.95 μV)顯著低于憤怒(4.00 μV)、恐懼(4.04 μV)和悲傷(4.15 μV)的幅值(p < 0.05); 低分組的幅值(4.80 μV)顯著高于高分組(2.74 μV) (p < 0.05);情緒類別和組別的交互效應表現為：在愉快情緒下,低分組的幅值(3.33 μV)與高分組(2.58 μV)之間差異不顯著(p > 0.05)。關于P200的潛伏期, 結果顯示, 電極、組別和情緒類別各自的主效應及交互效應均不顯著(p > 0.05)。

(6) N200

關于 N200的幅值, 結果顯示情緒類別和組別的主效應顯著[F(3,105) = 4.75, p = 0.004, η= 0.114;F(1,35) = 6.27, p = 0.017, η= 0.145], 但電極的主效應、電極和情緒類別、電極和組別以及電極、情緒類別和組別的交互效應均不顯著(p > 0.05)。多重事后比較發現, 情緒類別的主效應表現為愉快的幅值(?0.26 μV)顯著低于憤怒(0.93 μV)和恐懼(1.11 μV) (p < 0.001); 組別的主效應表現為：高分組的幅值(?0.25 μV)顯著低于低分組(1.21 μV) (p < 0.001)。關于N200的潛伏期, 結果顯示, 電極、組別和情緒類別各自的主效應及交互效應均不顯著(p > 0.05)。

(7) LPP

關于LPP的幅值, 結果顯示電極、情緒類別和組別的主效應[F(14,490) = 51.27, p < 0.001, η= 0.58;F(3,105) = 10.57, p < 0.001, η= 0.23; F(1,35) = 10.41,p = 0.003, η= 0.22]。電極的主效應表現為：頭皮后部電極(PZ、P3、P4、POZ、PO7和PO8)的幅值顯著高于頭皮前部電極(FC3、FCZ和FC4)的幅值(p <0.001或p < 0.05), 但左右半球電極幅值之間的差異不顯著(p > 0.05); 情緒類別的主效應表現為：愉快的幅值(9.16 μV)顯著低于憤怒(11.35 μV)和恐懼(10.98 μV)的幅值(p < 0.001); 組別的主效應表現為：高分組的幅值(11.85 μV)顯著高于低分組(8.99 μV)。關于LPP的潛伏期, 結果顯示, 電極、組別和情緒類別各自的主效應及交互效應均不顯著(p > 0.05)。

(8)二維地形圖

以50 ms為間隔, 對高低情緒覺察能力組在0～800 ms進行二維地形圖分析, 從高低組總的二維地形圖(見圖 3)可以發現, 不同情緒覺察能力組在情緒面孔加工過程中的模式大體一致：首先在0～150 ms時間窗口, 頭皮后部腦區先激活, 然后在150～200 ms時間窗口, 頭皮中前部開始激活, 并在200 ms以后逐漸呈從前部向后部腦區激活的趨勢;從高低情緒覺察能力組相減的二維地形圖(見圖 4)可以發現, 在早期階段(100 ms～200 ms), 高情緒覺察能力組在頭皮后部腦區的激活高于低情緒覺察能力組; 在中期階段(200 ms～300 ms), 高情緒覺察能力組在頭皮前部腦區的激活低于低情緒覺察能力組; 在晚期階段(300 ms以后), 高情緒覺察能力組在頭皮后面腦區的激活高于低情緒覺察能力組。

圖3 不同情緒覺察能力組的二維地形圖

圖4 高情緒覺察能力減低情緒覺察能力的二維地形圖

3 研究 2：職前教師情緒復雜性對情緒面孔加工的影響——來自行為和眼動的證據

3.1 方法

3.1.1 研究對象

采用研究 1中的情緒覺察水平問卷(LEAS)測查另400名職前教師, 然后依據被試的問卷得分按照由高到低的順序排列, 取得分在前27%的被試為高分組, 得分在后 27%的被試為低分組, 在兼顧男女的前提下, 最后得到高低分組各30人, 男女各半,60名被試平均年齡為 21.74±2.48歲。所有被試均身心健康, 右利手, 視力正常或矯正后達到正常水平, 實驗前均簽署了被試知情同意書。因其中4名被試(其中男生 2人)記錄數據的途中出現移動, 未能保證有效校準注視點而予以剔除, 高低分組的LEAS得分差異顯著[t(54) = ?17.92, p < 0.001, d =0.86], 高分組的LEAS得分(M = 3.58, SD = 0.24, n =29)顯著高于低分組(M = 2.39, SD = 0.26, n = 27 )。

3.1.2 測量工具

同研究1

3.1.3 實驗材料

從中國化面孔情緒圖片系統(CFAPS) (王妍,羅躍嘉, 2005)中挑選出愉悅、憤怒、悲傷和恐懼圖片各 8張(男女各半), 4類情緒的喚醒度一致(平均值：愉悅 = 6.02, 憤怒 = 6.02, 悲傷 = 6.02, 恐懼 =6.01; F(3,28) = 0.00, p > 0.05)。

3.1.4 實驗任務和程序

采用德國SMI公司生產的RED 250遙測眼動追蹤系統中自帶的 Experiment Center試驗中心軟件來控制和呈現所用刺激。采用2(被試間變量：EA：高/低)×4(被試內變量：情緒類別：愉悅/憤怒/悲傷/恐懼)設計。實驗共32個trail。要求被試判斷呈現面孔的情緒類別。每個 trail中, 首先呈現 500 ms“+”注視點, 隨后呈現面孔3000 ms后消失。之后出現一個選項界面, 讓被試對呈現的面孔作既準又快的情緒類別判斷(按鍵消失)。一個trail完成, 1500 ms ±500 ms空屏后開始下一個trail。被試以點擊鼠標做出反應, 在呈現的選項界面用鼠標點擊相應的答案。

3.1.5 眼動數據采集與分析

實驗采用德國SMI公司生產的RED 250遙測眼動追蹤系統記錄和分析。采樣率為250 Hz, 雙眼1點校準。確定為注視結果在1度視角內注視持續100 ms, 否則重新校準。分析的眼動指標主要包括兩個方面, 一個是眼動的基本指標, 主要包括注視和眼跳兩個方面, 注視主要包括注視點個數、注視時間、注視頻率和瞳孔直徑等, 而眼跳指標則包括眼跳數目、眼跳頻率、眼跳時間和眼跳幅度等; 第二是興趣區指標, 也主要有注視點和注視時間構成。采用重復測量的方差分析對眼動指標進行分析,其中組別(兩個水平：高分組、低分組)為組間變量、情緒類別(4個水平：愉悅、憤怒、恐懼和悲傷)和眼動指標為組內變量。所有數據分析由SPSS 16.0完成, 采用Greenhouse-Geisser法矯正P值。

3.2 結果

3.2.1 行為數據分析

結果顯示：在正確率上, 組別和情緒類別的主效應以及組別和情緒類別的交互效應顯著[F(1,54) =12.31, p = 0.001, η= 0.18; F(3,162) = 57.13, p < 0.001,η= 0.51; F(3,162) = 7.23, p < 0.001, η= 0.12]。事后多重比較發現, 組別的主效應表現為, 高情緒覺察能力組在總的正確率上顯著高于低情緒覺察能力組(p < 0.001); 情緒類別的主效應表現為：愉快的正確率最高, 且顯著高于其他三種情緒(p <0.001)、恐懼的正確率最低, 且顯著低于愉快和悲傷(p < 0.001); 組別和情緒類別的主效應表現為：高低組在愉快的正確率差異不顯著(p > 0.05), 但在其他三種情緒上均是高分組顯著高于低分組(p <0.01或 p < 0.05) (見表 3)。

表3 不同情緒覺察能力分組在4類情緒上的正確率比較

3.2.2 眼動總體特征

(1) 注視數目

結果顯示組別和情緒類別的主效應均顯著[F(1,54) = 6.16, p = 0.016, η= 0.10; F(3,162) =17.59, p < 0.001, η= 0.22], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現,組別的主效應表現為：除恐懼面孔(M= 7.75, M=7.03)外, 高情緒覺察能力組在其他三種情緒面孔的注視點個數(M= 7.15, M= 7.67, M= 7.39)均多于低分組(M= 6.43, M= 6.79, M= 6.44)(p < 0.01或p < 0.05); 情緒類別的主效應表現為：愉快的注視點個數最小(M= 6.89), 但僅顯著少于恐懼面孔(M= 7.38) (p < 0.05), 而其他之間的差異不顯著(p > 0.05)。

(2) 注視頻率

結果顯示組別和情緒類別的主效應顯著[F(1,54) = 6.10, p = 0.016, η= 0.10; F(3,162) =17.30, p < 0.001, η= 0.23], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現,組別的主效應表現為, 除恐懼情緒(M= 3.23, M=2.93)外, 高情緒覺察能力組在其他三種情緒面孔的注視頻率(M= 2.98, M= 3.20, M= 3.08)均高于低分組(M= 2.68, M= 2.83, M=2.69) (p < 0.01或p < 0.05); 情緒類別的主效應表現為：愉快的注視頻率最低(M = 2.82), 恐懼的注視頻率最高(M= 3.13), 且愉快(M= 2.82)和悲傷(M= 2.88)的注視頻率均顯著小于恐懼(M=3.13)和憤怒(M= 3.02)的注視頻率(p < 0.05), 而其他之間的差異不顯著(p > 0.05)。

(3) 注視時間

結果顯示組別和情緒類別的主效應及組別和情緒類別的交互效應不顯著(p > 0.05)。

(4) 瞳孔直徑

結果顯示組別和情緒類別的主效應顯著[F(1,54) = 9.58, p < 0.001, η= 0.13; F(3,162) = 7.15,p < 0.001, η= 0.12], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 組別的主效應表現為, 高情緒覺察能力組在4種情緒面孔的眼球直徑(M= 16.01, M= 16.31, M= 15.94,M= 16.09)均高于低分組(M= 15.53, M=15.97, M= 15.58, M= 15.67) (p < 0.01); 情緒類別的主效應表現為：憤怒的眼球直徑最大(M=16.14), 且顯著高于其他三類情緒(M= 15.77, M= 15.75, M= 15.88) (p < 0.05或 p < 0.001), 而其他之間的差異不顯著(p > 0.05)。

(5) 眼跳數目

結果顯示情緒類別的主效應顯著[F(3,162) =13.27, p < 0.001, η= 0.19], 但組別的主效應、情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 愉快的眼跳數目最少(M= 10.78),顯著少于其他三種情緒(M= 12.76, M= 12.28,M= 12.60) (p < 0.05或p < 0.001), 而其他之間的差異不顯著(p > 0.05)。

(6) 眼跳頻率

結果顯示情緒類別的主效應顯著[F(3,162) =13.05, p < 0.001, η= 0.18], 但組別的主效應、情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 情緒類別的主效應表現為：愉快的眼跳頻率最少(M= 3.43), 顯著少于其他三種情緒(M= 4.26, M= 4.09, M= 4.20) (p < 0.05或p < 0.001), 而其他之間的差異不顯著(p > 0.05)。

(7) 眼跳時間

結果顯示：組別和情緒類別的主效應顯著[F(1,54) = 6.81, p = 0.012, η= 0.11; F(3,162) = 7.20,p < 0.001, η= 0.11], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 組別的主效應表現為, 高情緒覺察能力組在眼跳時間上(M= 53.25)均短于低分組(M= 55.10) (p < 0.01或p < 0.05); 情緒類別的主效應表現為：愉快的眼跳時間最短(M= 53.83), 且顯著短于恐懼(M=55.44)和悲傷(M= 56.44)兩種情緒(p < 0.01或p <0.05), 而其他之間的差異不顯著(p > 0.05)。

(8) 眼跳幅度

結果顯示組別和情緒類別的主效應顯著性[F(1,54) = 5.74, p = 0.017, η= 0.16; F(3,162) = 4.32,p = 0.016, η= 0.07], 但情緒類別和組別的交互效應則不顯著(p > 0.05)。事后多重比較發現, 組別的主效應表現為, 除愉快情緒外, 高情緒覺察能力組在憤怒(M= 4.75, M= 6.22)、悲傷(M= 4.95, M= 6.55)和恐懼面孔(M= 4.61, M= 6.34)上的眼跳幅度上均小于低分組(p < 0.05); 情緒類別的主效應表現為：愉快的眼跳幅度最短(M= 5.30),且顯著短于悲傷(M= 5.75) (p < 0.05), 而其他之間的差異不顯著(p > 0.05)。

3.2.3 興趣區特征分析

(1) 注視時間

結果顯示：組別、情緒類別和區域的主效應以及組別和情緒類別的交互效應、組別和區域的交互效應均顯著[F(1,54) = 5.35, p = 0.026, η= 0.12;F(3,162) = 4.01, p = 0.01, η= 0.10; F(2,108) =13.57, p < 0.001, η= 0.26; F(3,162) = 6.38, p =0.001, η= 0.14; F(2,108) = 5.01, p = 0.012, η=0.12], 但情緒類別和區域的交互效應以及組別、情緒類別和區域的交互效應均不顯著(p > 0.05)。事后多重比較發現, 組別的主效應表現為, 高情緒覺察能力組的注視時間(M= 655.66)顯著短于低情緒覺察能力組(M= 788.15) (p < 0.05); 情緒類別的主效應表現為：憤怒的注視時間(M= 678.66)顯著短于愉快(M= 751.71)和悲傷(M= 735.75)(p < 0.05), 而其他情緒類別之間的差異不顯著(p >0.05); 區域的主效應表現為：嘴巴區域的注視時間(M= 272.27)顯著長于眼睛(M= 219.94)和鼻子(M= 229.33) (p < 0.001), 但眼睛和鼻子之間的差異不顯著(p > 0.05); 組別和情緒類別、組別和區域的交互效應表現為：低分組加工愉快(M= 235.36,M= 343.60)和恐懼(M= 240.79, M= 309.00)時嘴巴區域的注視時間顯著長于高分組(p < 0.05或p < 0.01), 在加工愉快(M= 182.35, M= 295.34)和憤怒(M= 195.18, M= 254.07)情緒時鼻子區域的注視時間顯著長于高分組(p < 0.05或p < 0.01),但其他之間的差異不顯著(p > 0.05) (見圖5)。

(2) 注視數目

結果顯示情緒類別和區域的主效應以及組別和情緒類別的交互效應、組別和區域的交互效應顯著[F(3,162) = 11.12, p < 0.001, η= 0.20; F(2,108) =28.06, p < 0.001, η= 0.38; F(3,162) = 3.35, p =0.021, η= 0.07; F(2,108) = 4.11, p = 0.028, η=0.08], 但組別的主效應、情緒類別和區域的交互效應以及組別、情緒類別和區域的交互效應均不顯著(p > 0.05)。事后多重比較發現, 情緒類別的主效應表現為：悲傷的注視點個數最少(M= 14.44), 且顯著小于其他三種情緒(M= 15.46, M= 15.52,M= 15.70) (p < 0.05), 但其他三種情緒之間的差異不顯著(p > 0.05); 區域的主效應表現為：鼻子區域的注視點個數最少(M= 4.55), 且顯著少于眼睛(M= 5.27)和嘴巴(M= 5.46) (p < 0.001),但眼睛和嘴巴之間的差異不顯著(p > 0.05); 組別和情緒類別、組別和區域的交互效應表現為：低分組在加工悲傷情緒時眼睛區域的注視點個數(M=4.92, M= 5.29)顯著多于高分組(p < 0.05), 在加工恐懼情緒嘴巴區域的注視點個數(M= 6.32, M=5.11)顯著少于高分組(p < 0.01), 而其他情緒類別和區域的差異均不顯著(p > 0.05) (見圖6)。

(3) 熱點圖和掃描路徑

為直觀展示不同情緒覺察能力在不同情緒面孔的加工模式, 隨機選取高低情緒覺察能力職前教師各一名和四類情緒面孔各一張, 進行熱點圖和掃描路徑分析, 熱點圖和掃描路徑的結果顯示(見圖7), 低分組在不同情緒面孔上均存在眼睛和嘴巴兩個注視焦點, 而高分組則主要存在眼睛這一焦點;低分組在不同情緒面孔上的加工模式一致, 均同時關注眼睛和嘴巴兩個興趣區, 而高分組對不同情緒面孔的加工模式則不一致, 在加工愉快、憤怒情緒時以眼睛區域為主, 而在加工悲傷和恐懼時, 尤其是恐懼面孔時, 則同時關注眼睛和嘴巴區域。

圖5 不同情緒覺察能力分組在4類情緒面孔興趣區上的注視時間

圖6 不同情緒覺察能力分組在4類情緒面孔興趣區上的注視點個數

圖 7 不同情緒覺察能力職前教師在 4類情緒上的熱點圖和掃描路徑

4 討論

結合兩個研究的結果發現, 不同情緒復雜性的職前教師在情緒面孔加工過程中存在行為、ERP和眼動三方面的差異：首先, 在行為結果方面, 高情緒覺察能力組在4類情緒面孔的正確率上均高于低情緒覺察能力組, 但僅憤怒、恐懼和悲傷差異顯著,而高情緒覺察能力組在4類情緒的反應時上均顯著短于低情緒覺察能力組, 這從行為層面表明高情緒覺察能力組在情緒加工中更快、更準。第二, ERP結果方面, 高分組在P100、N170和LPP三個成分的幅值上顯著高于低分組, 而在VPP、P200和N200三個成分的幅值上顯著低于低分組, 在早期階段(100 ms～200 ms)和在晚期階段(300 ms以后), 高分組在頭皮后部腦區的激活高于低分組; 在中期階段(200 ms～300 ms), 高分組在頭皮前部腦區的激活低于低分組。第三, 在眼動方面, 結果發現在眼動總體特征上, 高分組的注視點個數、注視頻率和瞳孔直徑顯著高于低分組, 但眼跳時間和眼跳幅度上顯著低于低分組; 在眼動區域特征上, 低情緒覺察能力組在不同情緒面孔上的加工模式一致, 同時關注眼睛和嘴巴兩個興趣區, 而高分組對不同情緒面孔的加工模式則不一致, 在加工恐懼面孔時更關注嘴巴這一興趣區。這一結果與 Lane提出情緒覺察能力的高低反映了個體在情緒信息加工時所采用的情感圖式在分化和整合程度上的差異(Torrado et al., 2012)的假設是一致的：高情緒覺察者擁有更為豐富的情感圖式可以促使個體在前注意階段就更加有效和優先對情緒性信息進行注意(高分組在P100、N170幅值更高), 并使得他們在情緒知覺加工更簡單(高分組在N200、P200的幅值更低), 最后還促使個體能對情緒信息做進一步精加工, 以豐富情感圖式(高分組LPP的幅值更高); 同時這種更為豐富的情感圖式還能提高了個體情緒加工效率(高分組的注視時間更短、注視頻率更快), 并采用更為專家化的情緒加工模式(高分組的眼跳時間更短、眼跳幅度更小), 正是基于上述的優勢, 才促使高情緒復雜性個體在情緒加工中有更優的行為表現——正確率更高且反應時更短。以下將具體進行說明。

4.1 行為結果方面

行為研究結果發現, 在正確率方面, 組別和情緒類別主效應以及它們的交互效應均顯著, 事后多重比較結果發現, 在除愉快外的其他三種情緒上均表現為, 高情緒覺察能力高于低情緒覺察能力組;愉快的正確率最高, 并顯著高于其他三種情緒, 而恐懼的正確率最低, 并顯著低于愉快和悲傷。這一結果與以往研究顯示高情緒覺察能力在正確率上顯著高于低情緒覺察能力組的結論較為一致(Lane et al., 1996)。在反應時方面, 高情緒覺察能力組在4類情緒上均顯著短于低情緒覺察能力組, 并且組別與情緒類別存在交互作用, 表現為低分組愉快的反應時顯著短于其他三種情緒類, 悲傷顯著高于憤怒和恐懼, 但憤怒和恐懼之間差異不顯著; 高分組則是愉快的反應時顯著短于其他三種情緒類別, 而其他三種情緒類別的反應時之間的差異則不顯著,這一結果也與以往研究較為一致(Lane et al., 1996),并且也符合 Lane等人關于情緒覺察能力高低的理論解釋：高情緒覺察能力個體的情感圖式更為分化和整合(Torrado et al., 2012), 這就使得其在情緒面孔的加工過程中更為熟練, 更為專家化, 因此在行為實驗上表現出正確率更高、反應時更短的結果。然而, 這種更為分化和整合的情感圖式是如何促使高分組在情緒信息加工趨于專家化的呢？這還有待ERP和眼動研究的進一步探討。

4.2 ERP結果方面

ERP成分根據潛伏期可以劃分為3個階段：早期階段(100～200 ms)包括 N100、P100、N170 和 VPP等、中期階段(200～300 ms)包括N200和P200等、以及晚期階段包括P300和LPP等(Olofsson, Nordin,Sequeira, & Polich, 2008)。早期階段(100 ms～200 ms)受到早期知覺加工和注意加工的影響(Luo et al.,2010), 有關研究表明當進行刺激辨別任務時,P100、N100反映了對目標刺激的選擇性注意(Vogel& Luck, 2000), P100波幅還被認為與快速提取情緒信息有關(Vuilleumier & Pourtois, 2007)。N170和VPP的幅值也受到情緒效價的調節, 恐懼面孔比中性面孔誘發更大的N170波幅, 恐懼面孔的VPP波幅大于愉悅和中性面孔, Williams 等(2006)認為這種效應可能在某種程度上歸于識別情緒的正確率。最近, N170和VPP也被認為可以區分情緒和中性面孔(Luo et al., 2010), 并得到單次提取分析結果的驗證(Zhang, Luo, & Luo, 2013)。中期階段(200 ms ～300 ms)反映了對刺激的早期辨別和選擇加工過程(Olofsson et al., 2008)。P200被認為可能與視覺信息的早期語義加工有關(Zhao & Li, 2006), N200則被認為與物體的分類加工密切相關, 受視覺刺激分類的因素以及分類區分加工難度的調控, 表現為難度越大, 其幅值越大(Philiastides, Ratcliff, & Sajda,2006)。晚期階段主要反映了高水平的認知加工階段, 如對刺激的評價和選擇, 涉及注意和記憶存貯等(Polich, 2007), 其幅值受任務關聯性、動機意義,喚醒水平等因素的影響(Olofsson et al.,2008)。

二維地形圖結果發現, 高分組頭皮后部腦區的激活在早期階段(100 ms ～ 200 ms)和在晚期階段(300 ms以后)高于低分組, 但其頭皮前部腦區的激活在中期階段(200 ms ～ 300 ms)低于低分組; 具體ERP成分上表現為：高分組的P100、N170和LPP幅值顯著高于低分組, 而其VPP、P200和N200的幅值顯著低于低分組, 這一結果與二維地形圖的結果大致一致, 但 VPP的幅值卻是低分組高于高分組, 這與以往研究表明 VPP的幅值可能受到正確率的影響是一致的(Williams, Palmer, Liddell, Song,& Gordon, 2006), 行為結果也的確發現高分組的正確率高于低分組, 并且這一結果也得到情緒類別在VPP幅值和正確率上主效應顯著的佐證：愉快的VPP幅值顯著低于其他三種情緒的幅值, 愉快的正確率顯著高于其他三種情緒。在P100、N170、P200、N200和 LPP其他五個成分上, 高低分組的差異與以往相關研究基本一致：如一項情緒覺察能力不足個體(述情障礙患者)的研究發現述情障礙患者在P100、N400和P300上的波幅更小(Taitano, 2001);另一項不同情緒技能的ERP新近研究也發現, P200的幅值與情緒技能得分呈負相關, 并認為這是由于高情緒技能個體由于其對情緒識別的專家化水平,在依據以往經驗去確認情緒時耗費較少努力, 從而誘發較小的 P200幅值(Meaux, Roux, & Batty,2014)。另外, 有趣的是, 高低情緒覺察能力組的這種差異與一項有關大中學生的情緒加工差異類似(蔣長好, 2006), 初中生的N200的波幅大于大學生,但 P300的波幅則小于大學生。因此, 結合情緒覺察能力高低的本質在于情感圖式的分化和整合程度、上述不同階段反映心理意義及本研究的實驗任務是區分各種情緒, 我們認為高情緒覺察能力個體更為分化和整合情感圖式促使其在情緒識別中更趨于專家化水平, 這種情緒識別的專家化水平在任務的驅動下能有效引導他們對目標情緒信息的優先注意和早期知覺加工, 從而表現為 N100、P100和 N170的幅值高于低情緒覺察能力組; 同樣由于這種情緒識別的專家化水平, 使得他們在中期階段對刺激的早期辨別和選擇加工過程中, 耗費更少的認知努力去確認情緒, 表現為P200和N200的幅值更低; 最后還是由于這種情緒識別的專家化水平,使得高情緒覺察能力組對情緒信息進行進一步精細加工, 甚至改進長時記憶中存貯的情感圖式, 由此表現為LPP的幅值更高。總之, ERP結果表明高情緒復雜性個體更為分化和整合的情感圖式促使其在情緒加工過程中的各個階段對情緒信息更敏感, 以趨于達到情緒加工的專家化水平。

4.3 眼動結果方面

依據以往研究, 注視時間和注視頻率是信息加工效率的重要指標, 而注視次數、眼跳幅度及各個注視點組成的注視軌跡則反映了個體在注視圖片時所采用的信息搜索方式或注視模式(張運亮, 李宗浩, 孫延林, 楊曉晨, 閻國利, 2004)。相關研究也表明, 對情緒面孔的加工, 是個體通過眼睛運動來搜集對不同情緒識別所需的情緒性信息。因此, 結合本研究, 我們也從情緒加工的效率和情緒加工的模式兩個方面分析情緒復雜性對情緒加工的影響。

首先, 在情緒加工的效率上。結果發現, 在注視時間上, 雖然高低情緒覺察能力組在總的注視時間差異不顯著, 但在興趣區上差異顯著, 表現為高情緒覺察能力組的注視時間顯著短于低情緒覺察能力組; 而在注視頻率上, 高情緒覺察能力組顯著高于低情緒覺察能力組, 這表明高分組的情緒加工速度更快。再結合上述情緒覺察能力組的正確率更高的行為結果, 不言而喻, 高情緒覺察能力組的情緒加工效率更高。此外, 瞳孔直徑的結果也顯示,高情緒覺察能力組在4類情緒上的瞳孔直徑均顯著高于低情緒覺察能力組。以往研究發現, 表情的效價影響情緒面孔的識別, 表現為負性情緒的瞳孔直徑更大(Marsh, Ambady, & Kleck, 2005), 對其的解釋有人認為是這可能由于負偏向導致個體需要耗費更多的注意資源所致, 由此, 瞳孔直徑可能與注意和加工水平有關。這就不難解釋高分組情緒加工更高效率的原因了。高情緒覺察能力個體在其更為分化和整合情感圖式的指導下, 對情緒信息更為敏感, 可以快速有效投入注意資源, 從而在情緒加工過程中表現出更高的效率, 而低分組則沒有相應情感圖式的指導, 不能快速有效的投入注意資源, 因此加工效率更低。

第二, 在情緒加工的模式上。結果發現, 雖然高低情緒覺察能力組在眼跳數目、眼跳頻率上的差異不顯著, 但是在眼跳時間和眼跳幅度上的差異顯著, 表現為低情緒覺察能力組的眼跳時間和眼跳幅度均顯著高于高情緒覺察能力組。這可能與上述低情緒覺察能力組的加工效率低下有關。低情緒覺察能力沒有更為分化和整合情感圖式的指導, 在注視圖片需要把每個情緒特征信息都關注到, 然后再做出判斷, 這從熱點圖和掃描路徑可以直觀看出, 低情緒覺察能力組存在兩個注視焦點, 并且在兩個焦點間來回多次掃描, 這自然導致其眼跳的幅度增加、眼跳時間增長。結果還發現, 高低情緒覺察能力組在注視點個數的主效應顯著, 并且還與情緒類別和區域的交互效應顯著, 表現為低情緒覺察能力組對于不同情緒的注視點個數差異不顯著, 而高情緒覺察能力組對不同情緒的注視點個數差異顯著,并且高情緒覺察能力組在恐懼面孔的嘴巴區域顯著高于低情緒覺察能力組, 但在悲傷面孔的眼睛區域顯著小于低情緒覺察能力組。這表明高分組對于不同情緒類別有不同的注視興趣區, 即對于不同情緒有不同的加工模式(在加工愉快、憤怒情緒時以眼睛區域為主, 而在加工悲傷和恐懼時, 尤其是恐懼面孔時則同時關注眼睛和嘴巴區域)。而低分組對于不同情緒加工模式大體類似, 即對不同情緒均同時關注眼睛和嘴巴兩個興趣區。可見, 對于不同情緒的加工, 高分組的情緒加工模式更具針對性,且眼動軌跡較為簡單, 而低分組的情緒加工模式則缺乏針對性, 且眼動軌跡較為復雜和分散, 這一結果不僅與情緒覺察能力不足的身心疾患——自閉癥兒童的研究結果一致(陳順森, 白學軍, 沈德立,閆國利, 張靈聰, 2011), 而且還與專家與新手籃球后衛運動的眼動差異較為一致(張運亮等, 2004)。總之, 眼動結果表明高情緒復雜性個體更為豐富的情感圖式促使其在情緒加工過程中的加工效率更高,加工模式更優, 以趨于達到情緒加工的專家化水平。

5 結論

本研究采用行為、ERP和眼動技術考察了命題性情緒復雜性(情緒覺察能力)對情緒加工的影響,實驗驗證了 Lane等人關于情緒覺察能力高低的本質在于情感圖式分化和整合程度的理論假設(Torrado et al., 2012)。高情緒覺察能力職前教師在情緒加工過程中更趨于專家化水平, 表現為正確率更高, 反應時更快, 這是因為高情緒復雜性職前教師從無意識階段、注意階段到決策階段都對情緒類別信息更敏感, 且具有更高的加工效率和更優的加工模式。

致謝：感謝Lane教授、Carolyn博士、宣賓教授、羅俊龍博士給予的無私指導和幫助, 感謝評審專家對本文提出的寶貴建議！

Baslet, G., Termini, L., & Herbener, E. (2009). Deficits in emotional awareness in schizophrenia and their relationship with other measures of functioning. The Journal of Nervous and Mental Disease, 197(9), 655–660.

Beaman, A. (2008). The role of emotional awareness, and positive and negative social support in predicting well-being in recent retirees (Unpublished doctorial dissertation). Concordia University, Montreal.

Boden, M. T., Gala, S., & Berenbaum, H. (2013). Emotional awareness, gender, and peculiar body-related beliefs.Cognition and Emotion, 27(5), 942–951.

Boro?, S., & Cur?eu, P. L. (2013). 'Would you like to talk about that?' How and when group emotional awareness enhances effectiveness of gender diverse teams. Psihologia Resurselor Umane, 11(2), 45–56.

Chen, S. S., Bai, X. J., Shen, D. L., Yan, G. L., & Zhang, L. C.(2004). Emotional faces detection and processing of individuals with autism spectrum disorder aged 7–10.Psychological Development and Education, 27(5),449–458.

[陳順森, 白學軍, 沈德立, 閆國利, 張靈聰. (2011). 7～10歲自閉癥譜系障礙兒童對情緒面孔的覺察與加工. 心理發展與教育, 27(5), 449–458.]

Cole, P. M., Llera, S. J., & Pemberton, C. K. (2009).Emotional instability, poor emotional awareness, and the development of borderline personality. Development and Psychopathology, 21(4), 1293–1310.

Davis, M. C., Zautra, A. J., & Smith, B. W. (2004). Chronic pain, stress, and the dynamics of affective differentiation.Journal of Personality, 72(6), 1133–1160.

Downey, J. A. (2003). Emotional awareness as a mediator of community college student satisfaction ratings. Community College Journal of Research & Practice, 27(8), 711–720.

Eastabrook, J. M., Flynn, J. J., & Hollenstein, T. (2014).Internalizing symptoms in female adolescents: Associations with emotional awareness and emotion regulation. Journal of Child and Family Studies, 23(3), 487–496.

Fantini-Hauwel, C., Boudoukha, A. H., & Arciszewski, T.(2012). Adult attachment and emotional awareness impairment: A multimethod assessment. Socioaffective Neuroscience& Psychology, 2, 10744.

Frewen, P. A., Dozois, D. J. A., Neufeld, R. W. J., & Lanius, R.A. (2012). Disturbances of emotional awareness and expression in posttraumatic stress disorder: Meta-mood,emotion regulation, mindfulness, and interference of emotional expressiveness. Psychological Trauma: Theory,Research, Practice, and Policy, 4(2), 152–161.

Frewen, P., Lane, R. D., Neufeld, R. J., Densmore, M., Stevens,T., & Lanius, R. (2008). Neural correlates of levels of emotional awareness during trauma script-imagery in posttraumatic stress disorder. Psychosomatic Medicine, 70(1),27–31.

Gen?o?lu, C., & Y?lmaz, M. (2014). The effect of emotional awareness education, based on emotion focused therapy, on young adults’ levels of optimism. The Journal of Happiness& Well-Being, 2(1), 51–62.

Gu, X. S., Hof, P. R., Friston, K. J., & Fan, J. (2013). Anterior insular cortex and emotional awareness. Journal of Comparative Neurology, 521(15), 3371–3388.

Herbert, B. M., Herbert, C., & Pollatos, O. (2011). On the relationship between interoceptive awareness and alexithymia:Is interoceptive awareness related to emotional awareness?Journal of Personality, 79(5), 1149–1175.

Jiang, C. H. (2006). The event-related potentials studies of facial expression processing of students in secondary schools and universities (Unpublished doctorial dissertation).Capital Normal University, Beijing.

[蔣長好. (2006). 大中學生面部表情加工的事件相關電位研究 (博士學位論文). 首都師范大學, 北京.]

Jobe-Shields, L., Parra, G. R., & Buckholdt, K. E. (2013).Perceptions of parental awareness of emotional responses to stressful life events. The Family Journal, 21(4), 408–416.

Kamel, N. M. F. (2013). The relationship between emotional awareness and empathetic response among psychiatric hospital staff. Life Science Journal, 10(3), 1272–1284.

Kang, S. M., & Shaver, P. R. (2004). Individual differences in emotional complexity: Their psychological implications.Journal of Personality, 72(4), 687–726.

Kerns, C. E., Comer, J. S., & Zeman, J. (2014). A preliminary psychometric evaluation of a parent-report measure of child emotional awareness and expression in a sample of anxious youth. Cognitive Therapy and Research, 38(3), 349–357.

Kim, G. M., & Cha, S. (2013). Influence of emotional awareness, emotional expressiveness, and ambivalence over emotional expressiveness on college student adjustment in freshman nursing students. The Journal of the Korea Contents Association, 13(1), 322–332.

Ko?o?lu, Z. (2011). Emotional intelligence and teacher efficacy: A study of Turkish EFL pre-service teachers. Teacher Development, 15(4), 471–484.

Lane, R. D. (2000). Levels of emotional awareness: Neurological, psychological, and social perspectives. In R. E.Bar-On & J. D. A. Parker (Eds.), The handbook of emotional intelligence: Theory, development, assessment, and application at home, school, and in the workplace (pp.171–191). San Francisco, CA US: Jossey-Bass.

Lane, R. D. (2006). Theory of emotional awareness and brain processing of emotion. In C. Kubo, T. Kuboki, C. Kubo, &T. Kuboki (Eds.), Psychosomatic medicine: Proceedings of the 18th World Congress on Psychosomatic Medicine (pp.116–121). New York: Elsevier Science.

Lane, R. D., & Schwartz, G. E. (1987). Levels of emotional awareness: A cognitive-developmental theory and its application to psychopathology. American Journal of Psychiatry,144(2), 133–143.

Lane, R. D., Kivley, L. S., Du Bois, A., Shamasundara, P., &Schwartz, G. E. (1995). Levels of emotional awareness and the degree of right hemispheric dominance in the perception of facial emotion. Neurophychologia, 33(5), 525–538.

Lane, R. D., Sechrest, L. Reidel, R., Weldon, V., Kaszniak, A.,& Schwartz, G. E. (1996). Impaired verbal and nonverbal emotion recognition in alexithymia. Psychosomatic Medicine,58(3), 203–210.

Lane, R. D., Quinlan, D. M., Schwartz, G. E., Walker, P. A., &Zeitlin, S. B. (1990). The Levels of Emotional Awareness Scale: A cognitive-developmental measure of emotion.Journal of Personality Assessment, 55(2), 124–134.

Lane, R. D., Reiman, E. M., Axelrod, B., Yun, L. S., Holmes,A., & Schwartz, G. E. (1998). Neural correlates of levels of emotional awareness: Evidence of an interaction between emotion and attention in the anterior cingulate cortex.Journal of Cognitive Neuroscience, 10(4), 525–535.

Lichev, V., Rufer, M., Rosenberg, N., Ihme, K., Grabe, H. J.,Kugel, H., … Suslow, T. (2013). Assessing alexithymia and emotional awareness: Relations between measures in a German non-clinical sample. Comprehensive Psychiatry,55(4), 952–959.

Lindquist, K. A., & Barrett, L. F. (2008). Emotional complexity. In Handbook of emotions (3rd ed., pp. 513–530).New York, NY US: Guilford Press.

Luo, W. B., Feng, W. F., He, W. Q., Wang, N. Y., & Luo, Y. J.(2010). Three stages of facial expression processing: ERP study with rapid serial visual presentation. NeuroImage,49(2), 1857–1867.

Maliken, A. C., & Katz, L. F. (2013). Fathers’ Emotional awareness and children’s empathy and externalizing problems: The role of intimate partner violence. Journal of Interpersonal Violence, 28(4), 718–734.

Marsh, A. A., Ambady, N., & Kleck, R. E. (2005). The effects of fear and anger facial expressions on approach-and avoidance-related behaviors. Emotion, 5(1), 119–124.

McRae, K., Reiman, E. M., Fort, C. L., Chen, K. W., & Lane,R. D. (2008). Association between trait emotional awareness and dorsal anterior cingulate activity during emotion is arousal-dependent. Neuroimage, 41(2), 648–655.

Meaux, E., Roux, S., & Batty, M. (2014). Early visual ERPs are influenced by individual emotional skills. Social Cognitive and Affective Neuroscience, 9(8), 1089–1098.

Ni, X. M. (2010). Practice-oriented: Reconstruction of initial teacher education model. Teacher Education Research,22(1), 22–27.

[倪小敏. (2010). 實踐取向:職前教師教育模式的重構. 教師教育研究, 22(1), 22–27.]

Olofsson, J. K., Nordin, S., Sequeira, H., & Polich, J. (2008).Affective picture processing: An integrative review of ERP findings. Biological Psychology, 77(3), 247-265.

Parling, T., Mortazavi, M., & Ghaderi, A. (2010). Alexithymia and emotional awareness in anorexia nervosa: Time for a shift in the measurement of the concept? Eating Behaviors,11(4), 205–210.

Philiastides, M. G., Ratcliff, R., & Sajda, P. (2006). Neural representation of task difficulty and decision making during perceptual categorization: A timing diagram. Journal of Neuroscience, 26(35), 8965–8975.

Pimpas, I. (2013). A psychological perspective to dramatic reality: A path for emotional awareness in autism. Taylor &Francis Online, 35(1), 57–63.

Polich, J. (2007). Updating P300: An integrative theory of P3a and P3b. Clinical Neurophysiology: Official Journal of the International Federation of Clinical Neurophysiology,118(10), 2128–2148.

Racine, S. E., & Wildes, J. E. (2013). Emotion dysregulation and symptoms of anorexia nervosa: The unique roles of lack of emotional awareness and impulse control difficulties when upset. International Journal of Eating Disorders, 46(7), 713–720.

Raucher-Chéné, D., Cuervo-Lombard, C., & Kaladjian, A.(2013). Could emotional awareness influence drinking outcomes in an alcohol dependent population? European Psychiatry, 28(S1), 1.

Sang, G. Y. (2011). Paradigm transformation and program innovation of pre-service teachers’ educational practice.Teacher Education Research, 23(4), 16–21.

[桑國元. (2011). 職前教師教育實踐的范式變遷與模式革新.教師教育研究, 23(4), 16–21.]

Shouse, S. H., & Nilsson, J. (2011). Self-silencing, emotional awareness, and eating behaviors in college women.Psychology of Women Quarterly, 35(3), 451–457.

Silani, G., Bird, G., Brindley, R., Singer, T., Frith, C., & Frith,U. (2008). Levels of emotional awareness and autism: an fMRI study. Social Neuroscience, 3(2), 97–112.

Subic-Wrana, C., Beutel, M. E., Br?hler, E., St?bel-Richter, Y.,Knebel, A., Lane, R. D., & Wiltink, J. (2014). How is emotional awareness related to emotion regulation strategies and self-reported negative affect in the general population? PloS One, 9(3), e91846.

Szczygie?, D., Buczny, J., & Bazińska, R. (2012). Emotion regulation and emotional information processing: The moderating effect of emotional awareness. Personality and Individual Differences, 52(3), 433–437.

Taitano, E. K. (2001). Individual differences in emotional awareness and the lateralized processing of emotion (Unpublished doctorial dissertation). University of Illinois at Urbana-Champaign, Champaign.

Torrado, M., Ouakinin, S., & Lane, R. (2012). Measuring emotional awareness from a cognitive-developmental perspective: Portuguese adaptation studies of the levels of emotional awareness scale. Acta Medica Portuguesa, 26(2),145–153.

Torrado, M. V., Ouakinin, S. S., & Bacelar-Nicolau, L. (2013).Alexithymia, emotional awareness and perceived dysfunctional parental behaviors in heroin dependents. International Journal of Mental Health and Addiction, 11(6),703–718.

Tugade, M. M., Fredrickson, B. L., & Barrett, L. F. (2004).Psychological resilience and positive emotional granularity:Examining the benefits of positive emotions on coping and health. Journal of Personality, 72(6), 1161–1190.

Vogel, E. K., & Luck, S. J. (2000). The visual N1 component as an index of a discrimination process. Psychophysiology,37(2), 190–203.

Vuilleumier, P., & Pourtois, G. (2007). Distributed and interactive brain mechanisms during emotion face perception: Evidence from functional neuroimaging. Neuropsychologia, 45(1), 174–194.

Wang, H. B., Chen, N., & Chen, F. (2013). Changes in teachers’ mental health: A cross-temporal meta-analysis.Shanghai Research on Education, (2), 41–45.

[汪海彬, 陳寧, 陳峰. (2013). 中小學教師心理健康狀況的橫斷歷史研究. 上海教育科研, (2), 41–45.]

Wang, H. B., Lu, J. M., & Chen, N. (2013). The foundation of emotional intelligence: The present and the future of emotional awareness researches. Journal of Psychological Science, 36(3), 748–752.

[汪海彬, 盧家楣, 陳寧. (2013). 情緒智力的基礎: 情緒覺察的研究現狀與展望. 心理科學, 36(3), 748–752. ]

Wang, Y., & Luo, Y. J. (2005). Standardization and assessment of college students’ facial expression of emotion. Chinese Journal of Clinical Psychology, 13(4), 396–398.

[王妍, 羅躍嘉. (2005). 大學生面孔表情材料的標準化及其評定. 中國臨床心理學雜志, 13(4), 396–398. ]

Williams, L. M., Palmer, D., Liddell, B. J., Song, L., &Gordon, E. (2006). The ‘when’and ‘where’of perceiving signals of threat versus non-threat. Neuroimage, 31(1),458–467.

Zhang, D. D., Luo, W. B., & Luo, Y. J. (2013). Single-trial ERP analysis reveals facial expression category in a threestage scheme. Brain Research, 1512, 78–88.

Zhao, L., & Li, J. (2006). Visual mismatch negativity elicited by facial expressions under non-attentional condition.Neuroscience Letters, 410(2), 126–131.

Zhang, Y. L., Li, Z. H., Sun, Y. L., Yang, X. C., & Yan, G. L.(2004). Eye movements of the novice and the expert of basketball guards. Studies of Psychology and Behavior, 2(3),534–538.

[張運亮, 李宗浩, 孫延林, 楊曉晨, 閻國利. (2004). 專家與新手籃球后衛運動員的眼動研究. 心理與行為研究, 2(3),534–538.]