個體攻擊性對憤怒表情類別知覺的影響*

邱方暉 羅躍嘉 賈世偉

(1山東師范大學心理學院, 濟南 250358) (2深圳大學情緒與社會認知科學研究所, 深圳 518060)(3北京師范大學認知神經(jīng)科學與學習國家重點實驗室, 北京 100875)

1 引言

面部表情是一項重要的人際交往方式, 正確表達和識別面部表情在人際交往中具有重要意義。而攻擊性人群常伴有面部表情加工障礙(Marsh &Blair, 2008)。研究發(fā)現(xiàn), 面部表情加工障礙存在于以攻擊性為特點的問題行為中, 如間歇性爆發(fā)性障礙(Best, Williams, & Coccaro, 2002)、品行障礙(Fairchild, Stobbe, van Goozen, Calder, & Goodyer,2010; Fairchild, van Goozen, Calder, Stollery, &Goodyer, 2009)、反社會人格障礙(Sch?nenberg,Louis, Mayer, & Jusyte, 2013)等, 也存在于反社會暴力罪犯(Marsh & Blair, 2008; Sch?nenberg & Jusyte,2014)和正常人群中的高攻擊個體(Hall, 2006; Larkin,Martin, & McClain, 2002; Wilkowski & Robinson,2012)當中。對攻擊性個體面部表情加工障礙的研究大多集中在憤怒表情, 可能因為憤怒是最常用的表達敵意的表情(Wilkowski & Robinson, 2012)。

1.1 攻擊性個體對憤怒表情的加工

攻擊性個體對憤怒表情的加工模式與正常人不同, 目前主要有兩種觀點解釋這種現(xiàn)象。一種是偏向觀點(The Bias Perspective), 認為攻擊性個體存在憤怒反應偏向, 傾向于將模糊表情、中性表情或者其它表情報告為憤怒, 表現(xiàn)出敵意歸因偏向(Hall, 2006); 另一種是敏感性觀點(The Sensitivity Perspective), 認為個體攻擊性改變了對憤怒表情的敏感性, 譬如攻擊性個體具有更準確知覺憤怒成分的能力, 對憤怒表情高度敏感(Wilkowski & Robinson,2012)。下面分別介紹這兩種觀點。

一些研究者認為攻擊性個體存在敵意歸因偏向, 傾向于將模糊刺激知覺為威脅性信號, 將他人意圖歸因為敵對意圖(De Castro, Veerman, Koops,Bosch, & Monshouwer, 2002; Dodge, 2006)。由于存在敵意歸因偏向, 攻擊性個體可能將其它表情錯誤識別為具有攻擊性的憤怒表情(Hall, 2006; Knyazev,Bocharov, Slobodskaya, & Ryabichenko, 2008;Larkin et al., 2002; Sato, Uono, Matsuura, & Motomi,2009)。Hall (2006)考察了大學生對快樂、悲傷、憤怒、恐懼表情的識別能力, 發(fā)現(xiàn)自我報告的攻擊態(tài)度、言語攻擊水平高的被試犯更多的替代性錯誤,傾向于將其它類別的表情報告為憤怒表情。敵意個體會以一種與他們的敵意傾向性相一致的方式知覺情緒性表情, 更多地將厭惡表情錯誤報告為憤怒表情(Larkin et al., 2002; Sato et al., 2009)。研究者通過訓練來調(diào)整攻擊性個體的表情類別界線, 將靠近類別界線的憤怒表情反饋給被試為快樂表情。結(jié)果發(fā)現(xiàn), 與控制組被試相比, 經(jīng)過調(diào)整訓練的被試將模糊表情識別為快樂表情的比例增大, 自我報告和工作人員報告的攻擊性水平顯著下降(Penton-Voak et al., 2013)。這表明攻擊性個體的憤怒知覺傾向是源于類別界線的偏移。攻擊性個體基于已有的負性認知圖式來知覺和解釋模糊信息, 從而驗證了他們的認知偏見, 使他們更加認為世界是他們所知覺到的那樣充滿攻擊性, 知覺偏見又強化了已有的認知加工(Hall, 2006)。

與上述觀點不同, Wilkowski和Robinson (2012)認為, 攻擊性個體傾向于將模糊表情報告為憤怒表情并不是因為敵意歸因偏向, 而是因為攻擊性個體對憤怒表情具有高度敏感性, 即使模糊表情中有細微的憤怒表情也能被識別出來。研究者使用混合表情作為實驗材料, 發(fā)現(xiàn)與低身體攻擊個體相比, 高身體攻擊個體更能區(qū)分不同憤怒成分(如40%、50%、60%憤怒成分)的混合表情, 并且使用信號檢測分析發(fā)現(xiàn), 這種差異是由于高身體攻擊個體對憤怒表情的知覺敏感性, 而不是反應偏向。攻擊性個體由于經(jīng)常暴露于攻擊環(huán)境當中, 逐漸提高了應對攻擊環(huán)境的能力和技巧, 對他人的憤怒表情更加敏感(Wilkowski & Robinson, 2012)。對受虐待兒童表情識別能力的研究支持了這一觀點, 與正常兒童相比, 受虐待兒童能正確識別出較低強度的憤怒表情(Pollak & Kistler, 2002; Pollak, Messner, Kistler, &Cohn, 2009; Pollak & Sinha, 2002)。然而, 也有一些研究發(fā)現(xiàn), 攻擊性個體識別憤怒表情存在缺陷(Best et al., 2002; Fairchild, Stobbe et al., 2010; Fairchild,van Goozen et al., 2009), 對憤怒表現(xiàn)出降低的敏感性,只能正確識別出較高強度的憤怒表情(Sch?nenberg et al., 2013)。Sch?nenberg等人(2013)使用中性—憤怒連續(xù)體作為實驗材料, 連續(xù)體中包含51張面孔, 相鄰面孔之間的情緒強度差異是2%, 刺激由完全中性逐漸變化為完全憤怒, 被試在識別出情緒類別時按鍵, 結(jié)果發(fā)現(xiàn)反社會人格障礙患者需要更高的情緒強度才能正確知覺到憤怒。也有研究認為攻擊性個體識別憤怒表情與正常人沒有顯著差異(Bagcioglu et al., 2014; Pajer, Leininger, & Gardner, 2010)。

1.2 面部表情類別知覺

面部表情類別知覺是指連續(xù)變化的表情在人腦中按照類別表征, 且不同類別的表情之間存在明顯的類別界線。刺激從一種類別到另一種類別的知覺轉(zhuǎn)折點叫做類別界線, 跨類別界線的一對刺激叫做類間刺激, 屬于一個類別的一對刺激叫做類內(nèi)刺激。類別知覺的特征是, 與類內(nèi)表情相比, 類間表情的辨別正確率更高, 反應時更短(Fugate, 2013)。類別知覺范式所使用的實驗材料是漸變面部表情圖片, 以情緒強度為100%的面孔作為表情原型,將兩張表情原型按比例混合, 產(chǎn)生一系列情緒強度間距相等的表情圖片。類別知覺范式(Calder, Young,Perrett, Etcoff, & Rowland, 1996; Young et al., 1997)包括識別任務(Identification Task)和辨別任務(Discrimination Task)。識別任務考察被試如何標記面部表情, 用于確定類別界線的位置以及識別不同表情的敏感性; 辨別任務評估被試辨別某一連續(xù)體中不同表情的能力, 用于確定類別界線的位置, 比較類別界線的偏移情況。

類別知覺范式已應用于受虐待兒童(Pollak &Kistler, 2002)、精神分裂癥患者(Huang et al., 2011;Kee, Horan, Wynn, Mintz, & Green, 2006; Tsui et al.,2013)、抑郁癥患者(Liu, Huang, Wang, Gong, &Chan, 2012)面部表情識別能力的研究中。近年來類別知覺研究中發(fā)展了一種新的數(shù)據(jù)分析方法, 通過logistic函數(shù)公式來估算類別轉(zhuǎn)折點和識別曲線在類別界線處的斜率(Pollak & Kistler, 2002)。轉(zhuǎn)折點(shift point, SP)是識別任務中表情類別轉(zhuǎn)變的一點,反映了類別界線的偏移情況; 反應斜率體現(xiàn)了表情類別轉(zhuǎn)變的迅速程度, 反映了被試對表情的敏感性。這種分析方法能有效地分離反應偏向與知覺敏感性(Huang et al., 2011; Kee et al., 2006; Liu et al., 2012),對于研究面部表情加工障礙的機制有重要價值。

1.3 問題提出及研究假設(shè)

攻擊性是通過反應偏向還是知覺敏感性來影響個體對憤怒表情的加工, 目前結(jié)論尚不一致。實驗材料選擇表情原型還是情緒強度變化的漸變表情, 被試是否存在攻擊性以外的影響表情識別的障礙, 以哪種攻擊類型作為標準篩選被試樣本, 實驗范式和數(shù)據(jù)分析方法是否能區(qū)分反應偏向和敏感性, 都可能是研究結(jié)論不一致的原因。

首先, 實驗材料的選擇。支持反應偏向的研究大多選擇表情原型作為實驗材料(Hall, 2006; Knyazev et al., 2008; Larkin et al., 2002; Sato et al., 2009), 而支持敏感性觀點的研究大多選擇漸變表情(Wilkowski& Robinson, 2012), 這是因為表情原型較難體現(xiàn)攻擊性與表情知覺敏感性的關(guān)系。Best等人(2002)使用表情原型也得到了攻擊性與憤怒知覺敏感性之間的關(guān)系, 可能是因為研究對象是間歇性爆發(fā)性障礙患者, 表情識別能力受損較嚴重, 即使識別表情原型也與正常被試之間存在差異。而正常高攻擊個體識別面部表情原型很可能與低攻擊個體沒有顯著差別, 一方面, 相對于極端攻擊性個體而言, 正常人群中的高攻擊個體攻擊性水平較低, 另一方面日常生活中很難見到憤怒原型, 高攻擊個體并沒有更多地練習識別憤怒原型, 因此, 當前研究使用漸變的混合表情(如Wilkowski & Robinson, 2012), 對于發(fā)現(xiàn)攻擊性與憤怒知覺敏感性之間的關(guān)系更為有效。

第二, 被試的選擇。一些研究以障礙患者作為研究對象(Best et al., 2002; Sch?nenberg et al., 2013),比如選擇攻擊性個體時沒有控制精神病態(tài)這一因素(Hoaken, Allaby, & Earle, 2007), 而精神病態(tài)可能本身就影響表情識別(Hastings, Tangney, & Stuewig,2008; Kosson, Suchy, Mayer, & Libby, 2002), 因此憤怒知覺異常難以排除精神病態(tài)的作用, 也難以推廣到正常人群中的高攻擊個體當中。Wilkowski和Robinson (2012)以正常人群為研究對象, 使用Buss-Perry攻擊問卷中的身體攻擊維度得分來區(qū)分高、低攻擊被試, 但是僅僅身體攻擊這一攻擊維度不能代表攻擊性5個維度的結(jié)果, 研究表明攻擊態(tài)度和言語攻擊作為攻擊量表的維度與敵意歸因偏向有關(guān)(Hall, 2006)。另外, Wilkowski和Robinson的研究是將54名被試區(qū)分為高、低攻擊組, 樣本代表性較低。

第三, 實驗范式和數(shù)據(jù)分析方法。以識別百分比為因變量可以考察攻擊性個體與正常被試的表情識別能力差異, 在特定的實驗范式中也可以考察反應偏向(Hall, 2006)或敏感性(Best et al., 2002),但是難以同時考察識別百分比的差異究竟是源于反應偏向還是敏感性(如, Fairchild et al., 2010;Sch?nenberg & Jusyte, 2014)。Sch?nenberg和Jusyte(2014)使用漸變表情連續(xù)體作為實驗材料, 通過識別任務考察反社會暴力罪犯的表情識別能力, 結(jié)果發(fā)現(xiàn), 與正常被試相比, 反社會暴力罪犯傾向于將憤怒—快樂、憤怒—恐懼連續(xù)體中的模糊表情知覺為憤怒表情, 而識別快樂—恐懼連續(xù)體時與正常人沒有顯著差異, 即暴力罪犯存在憤怒識別傾向, 然而研究者并沒有對這種憤怒識別傾向的原因加以區(qū)分, 同時使用敵意歸因偏向和憤怒知覺敏感性來解釋實驗結(jié)果。Wilkowski和Robinson (2012)使用信號檢測分析的方法, 正確識別憤怒表情(擊中)和將其它表情識別為憤怒表情(虛報)的比例之和作為反應偏向的指標, 正確識別憤怒表情(擊中)的比例作為敏感性的指標。然而這種方法只能分別比較不同個體識別特定比例的混合面孔, 對于由多個漸變表情組成的表情連續(xù)體, 數(shù)據(jù)分析將非常復雜, 也難以體現(xiàn)識別率的變化趨勢。Pollak和Kistler (2002)采用類別知覺范式, 使用logistic函數(shù)公式, 通過漸近線法估算出表情連續(xù)體的轉(zhuǎn)折點和斜率, 分別作為反應偏向和敏感性的指標, 能夠很好地將反應偏向和知覺敏感性分離。總之, 不同的數(shù)據(jù)分析方法適用于研究不同的理論假設(shè), 從而會得到不同的結(jié)論。

我們認為, 攻擊性個體既存在憤怒識別反應偏向, 同時對憤怒表情表現(xiàn)出高度敏感性, 之所以很少有研究支持敏感性觀點, 是因為實驗材料的選擇不適合考察敏感性, 實驗范式和數(shù)據(jù)分析方法不能區(qū)分反應偏向和敏感性。憤怒表情是傳遞敵意的信號(Wilkowski & Robinson, 2012), 恐懼象征著屈服或?qū)で髱椭?Staugaard, 2010), 兩者代表了攻擊性的兩個極端, 因此當前研究使用憤怒—恐懼連續(xù)體的漸變表情作為實驗材料, 有助于我們理解高攻擊個體對敵意面孔的識別模式。在被試的選擇中, 使用Buss-Perry攻擊問卷作為測量工具, 根據(jù)攻擊問卷總分從846名大學生中篩選被試。采用經(jīng)典的類別知覺范式, 其中識別任務用于比較高、低攻擊個體類別界線以及知覺敏感性, 辨別任務進一步驗證類別界線的偏移情況。數(shù)據(jù)處理部分, 通過logistic函數(shù)對數(shù)據(jù)進行分析, 得到每個被試的類別轉(zhuǎn)折點和斜率, 考察正常人群中高、低攻擊個體對憤怒—恐懼表情連續(xù)體的類別界線和知覺敏感性是否存在差異。根據(jù)前人研究(Hall, 2006; Knyazev et al.,2008; Larkin et al., 2002; Sato et al., 2009; Wilkowski& Robinson, 2012), 我們預期, 高攻擊個體對憤怒—恐懼表情連續(xù)體的類別界線偏移到恐懼一端, 傾向于將模糊表情識別為憤怒, 存在敵意歸因偏向,并且識別憤怒—恐懼連續(xù)體的曲線斜率更大, 對憤怒、恐懼表情類別的轉(zhuǎn)變更敏感。

2 方法

2.1 被試

使用Buss和與Perry (1992)攻擊問卷(Aggression Questionnaire, AQ)中文版(李獻云等, 2011)作為測量工具, 該問卷包括5個分量表, 分別測量身體攻擊、言語攻擊、憤怒、敵意、自戕。以山東師范大學846名大學生作為調(diào)查對象, 根據(jù)AQ量表總分, 從得分最高的50名和得分最低的50名學生(各占6%)中尋找被試, 最終29名高攻擊個體(12名男性)和25名低攻擊個體(4名男性)愿意參加實驗。54名被試的年齡范圍是17～23歲, 沒有生理或精神方面的疾病, 均為右利手, 視力或矯正視力正常, 自愿參加實驗, 實驗后獲贈適量報酬。數(shù)據(jù)分析過程中,根據(jù)被試的表現(xiàn)剔除部分不合格的被試。

2.2 實驗材料

使用E-prime制作實驗程序并記錄實驗數(shù)據(jù),通過CRT顯示器(SyncMaster 757DFX, 分辨率為1024×768, 刷新率為85 Hz)呈現(xiàn)刺激。被試坐在安靜的實驗室中, 下巴放在頭托上保持不動, 雙眼與屏幕距離為1 m, 要求被試始終注視屏幕中心的位置, 在鍵盤上按鍵做出反應。

表情圖片采用軟件Facegen Modeller 3.4.1(http://FaceGen.com; Singular Inversions, 2009)生成。FaceGen軟件是基于三維激光掃描獲得的模擬人臉數(shù)據(jù)庫, 可以生成不同種族、性別、年齡、表情的高仿真3D面孔, 能夠準確地制作出某一強度的表情。使用FaceGen軟件制作的面孔圖片已被應用于行為研究(Wilkowski & Robinson, 2012)、ERP研究(Recio, Sommer, & Schacht, 2011)和fMRI研究(Said, Dotsch, & Todorov, 2010; Said, Moore, Norman,Haxby, & Todorov, 2010)中。

首先使用FaceGen軟件生成一張年齡20歲、面部對稱的東南亞人面孔, 表情默認為中性表情。由于面孔性別會影響男、女性被試對憤怒表情的識別(Calvo & Lundqvist, 2008), 我們將性別設(shè)置為中性。參照前人研究(Said, Moore, et al., 2010), 在此面孔基礎(chǔ)上制作表情強度范圍為0%～100%的憤怒—恐懼表情連續(xù)體。這些表情包括2張原型表情和9張漸變表情, 原型表情是100%憤怒0%恐懼表情和0%憤怒100%恐懼表情, 漸變表情是將兩張原型面孔按比例混合, 相鄰表情的物理差異是10%。例如, 圖1中面孔0是100%憤怒成分和0%恐懼成分,面孔1是90%憤怒成分和10%恐懼成分, 面孔2是80%憤怒成分和20%恐懼成分, 依次類推, 形成了從憤怒到恐懼按照10%物理差異漸變的0～10號面孔, 共11張面部表情圖片。

2.3 實驗程序

圖1 實驗所采用的材料示意圖。面孔1是90%憤怒成分和10%恐懼成分, 面孔2是80%憤怒成分和20%恐懼成分, 依次類推。

參照面部表情類別知覺研究(Calder et al., 1996;Campanella, Quinet, Bruyer, Crommelinck, & Guérit,2002), 本實驗采用類別知覺實驗范式, 被試先后完成辨別任務和識別任務。由于識別任務中語言標簽的使用可能會影響辨別任務(Calder et al., 1996),因此辨別任務在識別任務之前進行。

辨別實驗中(圖2), 先后呈現(xiàn)2張面孔刺激各750 ms, 被試需要在第二張面孔圖片出現(xiàn)后盡可能準確地判斷兩張面孔是否完全相同, 刺激消失后呈現(xiàn)黑色空屏, 被試共有2000 ms的時間做出反應,250 ms黑色空屏后開始下一試次。面孔的垂直和水平視角分別為3.72°和2.41°。辨別任務所使用的面孔包括9對不同面孔和9對相同面孔, 不同面孔之間的物理差異是20%(如面孔0和2, 1和3, 依次類推), 每對刺激呈現(xiàn)的順序有2種(AB和BA); 為保證不同反應與相同反應的次數(shù)相等, 相同面孔只使用面孔1～9, 且每對面孔呈現(xiàn)2次。這樣, 9對不同面孔各2種順序, 形成18對不同刺激; 9對相同面孔呈現(xiàn)兩次, 形成18對相同刺激。以上36對刺激為一組(block), 組內(nèi)36試次隨機呈現(xiàn)。正式實驗包括5組, 共180個試次。正式實驗開始前進行18試次的練習實驗, 練習試次從正式實驗中隨機選取。

識別實驗中(圖3), 為排除錨定效應或值域效應對表情識別的影響(Calder et al., 1996; Young et al., 1997), 識別任務的實驗材料只使用9張漸變表情, 不使用表情原型。呈現(xiàn)一張面孔刺激1500 ms,被試要在刺激消失前做出反應, 刺激消失后呈現(xiàn)黑色空屏, 250 ms后開始下一試次。實驗任務為二擇一迫選任務, 被試需既快又準地判斷此面孔屬于憤怒表情還是恐懼表情。正式實驗包含144個試次,其中每張面孔重復16次, 所有刺激隨機呈現(xiàn)。正式實驗開始前進行8次練習實驗。

圖2 辨別任務流程圖

圖3 識別任務流程圖

2.4 數(shù)據(jù)分析

對于識別任務, 由于靠近原型的面孔(1、2、8、9)受類別知覺的影響很小, 因此我們首先刪除面孔1、2、8、9平均正確率低于90% (Sch?nenberg et al.,2013)的5名(均為高攻擊者, 其中4名為男性)不認真作答者的數(shù)據(jù), 剩余低攻擊個體25名, 高攻擊個體24名, 然后刪除無反應的數(shù)據(jù)(占1.28%)。

對于識別百分比的分析, 去掉反應過快的數(shù)據(jù)(高、低攻擊組分別對9張面孔的反應時小于各對應條件下平均反應時2個標準差視為反應過快, 占0.23%)。根據(jù)Pollak和Kistler (2002)的logistic函數(shù)公式

P

=

c

+ (

d

–

c

) / (1 +

e

), 可以估算類別轉(zhuǎn)折點和識別曲線在類別轉(zhuǎn)折點處的斜率。公式中,

x

是恐懼表情刺激的信號強度,

P

是識別百分比, 參數(shù)

a

是函數(shù)的中點,

b

反映了函數(shù)曲線變化最快處的斜率,

c

和

d

分別是下、上漸近線(Huang et al.,2011; Kee et al., 2006; Liu et al., 2012; Lopez-Duran,Kuhlman, George, & Kovacs, 2013; Pollak & Kistler,2002; Tsui et al., 2013)。在當前研究中, 我們考察以下兩個指標：轉(zhuǎn)折點SP和反應斜率。轉(zhuǎn)折點是表情連續(xù)體中將表情識別為一種類別轉(zhuǎn)變?yōu)榱硪环N類別的一點, 即二擇一識別任務中識別百分比

P

為50%的點; 反應斜率的大小是(

d

–

c

)/ 4

b

, 表示識別任務中表情類別轉(zhuǎn)變的迅速程度, 體現(xiàn)了被試對表情類別的敏感性。使用Graph 4.4.2軟件(http://www.padowan.dk/; Ivan Johansen, 2012)對數(shù)據(jù)進行擬合得出恐懼表情識別百分比為50%的點SP, 即類別界線, 并根據(jù)函數(shù)的導數(shù)求出SP處的斜率。如果被試是按照類別知覺來識別面部表情, 那么識別百分比與表情強度應該呈類似“S”型的關(guān)系。數(shù)據(jù)分析時, 參照前人研究(Huang et al., 2011; Liu et al., 2012), 去掉識別曲線不滿足“S”型的5名被試;刪除3個斜率極端值(高、低攻擊組在SP點的斜率值大于對應組的平均斜率值2個標準差為極端值),剩余有效樣本為低攻擊個體23名, 高攻擊個體18名。使用SPSS 17.0軟件, 將性別作為協(xié)變量, 對轉(zhuǎn)折點和斜率分別進行方差分析, 分析高、低攻擊個體識別憤怒—恐懼連續(xù)體的轉(zhuǎn)折點和斜率是否存在差異。為了進一步驗證個體攻擊性與轉(zhuǎn)折點和斜率的關(guān)系, 以性別為控制變量, 使用偏相關(guān)分析考察攻擊性與轉(zhuǎn)折點和斜率的關(guān)系。

對于識別反應時的分析, 在已經(jīng)去掉反應過快的數(shù)據(jù)(占0.23%)基礎(chǔ)上, 進一步去掉反應過慢的數(shù)據(jù)(高、低攻擊組分別對9張面孔的反應時大于其對應條件下平均反應時2個標準差的數(shù)據(jù), 占4.88%)。面孔1、2、3和7、8、9靠近原型, 容易識別, 可以將沒有識別為相應原型的反應確認為錯誤反應。數(shù)據(jù)處理中, 去掉面孔1、2、3和7、8、9錯誤反應的反應時。而表情4、5、6是模糊表情,不能確定正、誤反應, 保留全部數(shù)據(jù)。對實驗數(shù)據(jù)進行混合設(shè)計的二因素方差分析, 分析攻擊性(高、低)與面孔(1、2、3、4、5、6、7、8、9)的主效應和交互作用。

對于辨別任務正確率的分析, 我們只考察被試辨別不同表情對的情況(Calder et al., 1996), 刪除1名(高攻擊者)不認真作答者(正確率低于平均正確率2個標準差), 剩余高攻擊個體28名, 低攻擊個體25名; 刪除無反應的數(shù)據(jù)(1.67%)和反應過快的試次(反應時小于對應組平均反應時2個標準差,占0.13%)。對高、低攻擊組辨別不同刺激對表情的正確率進行重復測量方差分析。

3 實驗結(jié)果

3.1 高、低攻擊組在AQ問卷上的得分

使用獨立樣本

t

檢驗考察54名高、低攻擊組被試在攻擊性上的差異, 兩組被試的攻擊問卷得分差異顯著, 高攻擊組得分(

M

=55.72,

SD

=8.35)顯著大于低攻擊組(

M

=4.60,

SD

=2.64),

t

(52)=29.34,

p

<0.001,

Cohen's d

=8.16。識別任務41名有效被試的攻擊得分差異也顯著, 高攻擊組得分(

M

=55.14,

SD

=6.88)顯著大于低攻擊組(

M

=4.64,

SD

=2.75),

t

(39)=32.16,

p

< 0.001,

Cohen's d

=10.38; 辨別任務53名有效被試的攻擊得分差異也顯著, 高攻擊組得分(

M

=55.59,

SD

=8.48)顯著大于低攻擊組(

M

=4.60,

SD

=2.64),

t

(51)=28.83,

p

< 0.001,

Cohen's d

=8.09。

3.2 攻擊性對識別曲線轉(zhuǎn)折點和斜率的影響

高、低攻擊組識別憤怒—恐懼連續(xù)體的百分比見圖4。從圖中可以看出, 被試識別靠近憤怒原型的表情(面孔1、2、3)和靠近恐懼原型的表情(面孔7、8、9)的百分比都很高, 而類別界線處的表情識別百分比只有50%左右, 處于幾率水平。憤怒識別曲線和恐懼識別曲線的交叉點即為該組的類別界線, 反映了憤怒、恐懼表情對于該組被試的主觀分界點, 類別界線處的曲線斜率反映了該組被試對憤怒、恐懼表情的敏感性(Pollak & Kistler, 2002)。

圖4 識別任務中, 高低攻擊組識別憤怒—恐懼連續(xù)體的百分比。1為憤怒端, 9為恐懼端。面孔1是90%憤怒成分和10%恐懼成分, 面孔2是80%憤怒成分和20%恐懼成分, 依次類推。

使用協(xié)方差分析考察高、低攻擊組被試識別憤怒—恐懼連續(xù)體的轉(zhuǎn)折點和斜率的差異, 結(jié)果發(fā)現(xiàn)高攻擊組的轉(zhuǎn)折點(

M

=4.83,

SD

=0.63)大于低攻擊組(

M

=4.58,

SD

=0.76), 但是這種差異沒有達到統(tǒng)計顯著,

F

(1, 38)=0.76,

p

=0.390; 轉(zhuǎn)折點處的斜率差異顯著,

F

(1, 38)=5.44,

p

=0.025, η=0.13,與低攻擊個體(

M

=0.46,

SD

=0.16)相比, 高攻擊個體(

M

=0.62,

SD

=0.25)的反應斜率更大。性別對轉(zhuǎn)折點[

F

(1, 38)=0.38,

p

=0.542]和斜率[

F

(1, 38)=0.04,

p

=0.841]的影響均不顯著。這表明高攻擊個體對憤怒—恐懼連續(xù)體的類別界線偏移不顯著, 但對憤怒、恐懼表情類別的轉(zhuǎn)變表現(xiàn)出更高的敏感性。使用偏相關(guān)分析攻擊得分與類別轉(zhuǎn)折點和斜率的關(guān)系, 結(jié)果發(fā)現(xiàn), 個體攻擊性與憤怒—恐懼表情連續(xù)體的類別轉(zhuǎn)折點不存在相關(guān)(

r

=0.09,

p

=0.573), 但與類別界線處的斜率存在顯著相關(guān)(

r

=0.33,

p

=0.038)。以上結(jié)果表明, 個體的攻擊性越大,對憤怒、恐懼表情的轉(zhuǎn)變越敏感。

3.3 高低攻擊個體的識別反應時

圖5 識別任務中, 高低攻擊組識別憤怒—恐懼連續(xù)體的正確反應時

高、低攻擊組識別憤怒—恐懼連續(xù)體的反應時見圖5。從圖中可以看出, 被試識別靠近表情原型的面孔反應時較短, 而識別類別界線處的面孔反應時較長, 曲線出現(xiàn)峰值, 表明類別界線的存在。對反應時進行2(攻擊性：高、低)×9(面孔：1、2、3、4、5、6、7、8、9)的重復測量方差分析, 結(jié)果發(fā)現(xiàn),面孔主效應顯著,

F

(8, 40)=27.30,

p

< 0.001, η=0.85; 攻擊性主效應不顯著,

F

(1, 47)=0.91,

p

=0.344; 攻擊性與面孔的交互作用顯著,

F

(8, 40)=2.62,

p

=0.021, η=0.34。簡單效應檢驗發(fā)現(xiàn), 對面孔1的識別反應時低攻擊組顯著大于高攻擊組(

p

=0.001), 高、低攻擊組對其它面孔的識別反應時無顯著差異。

3.4 高、低攻擊個體的辨別正確率

圖6是高、低攻擊組辨別不同刺激對表情的正確率。對數(shù)據(jù)進行2(攻擊性：高、低)×9(表情對：0–2、1–3、2–4、3–5、4–6、5–7、6–8、7–9、8–10)重復測量方差分析, 結(jié)果發(fā)現(xiàn), 表情對的主效應顯著,

F

(8, 44)=6.69,

p

< 0.001, η=0.55; 攻擊性主效應不顯著,

F

(1, 51)=0.04,

p

=0.840; 攻擊性與表情對的交互作用不顯著,

F

(8, 38)=1.00,

p

=0.447。

圖6 辨別任務中, 高低攻擊組的辨別正確率

以上結(jié)果表明, 表情對的效應有可能在高、低攻擊組上都顯著。為了檢驗這一推測, 分別對高、低攻擊組的表情對效應進行單因素方差分析, 結(jié)果發(fā)現(xiàn), 低攻擊組被試對不同表情對的辨別正確率差異顯著,

F

(8, 216)=2.14,

p

=0.034; 高攻擊組被試對不同表情對的辨別正確率差異也顯著,

F

(8, 243)=2.56,

p

=0.011。我們更關(guān)注高、低攻擊組辨別正確率是否在某個表情對上出現(xiàn)峰值, 用峰值來驗證類別界線的存在; 并比較峰值所處表情對在兩組間是否不同。我們對兩組被試的辨別數(shù)據(jù)分別進行了多重比較。結(jié)果發(fā)現(xiàn), 低攻擊個體辨別面孔2–4的正確率顯著高于面孔0–2、6–8、7–9 (

p

s < 0.05)。這說明面孔2–4是跨類別界線的一對刺激, 屬于類間刺激, 辨別正確率高; 而靠近原型的表情對(面孔0–2、6–8、7–9)屬于類內(nèi)刺激, 辨別正確率低。從圖6來看, 低攻擊組的辨別曲線有明顯的峰值,憤怒—恐懼表情的類別邊界在面孔3附近。高攻擊個體辨別面孔2–4、3–5、4–6、7–9、8–10的正確率顯著高于面孔0–2 (

p

s < 0.05), 其它表情對之間的差異均不顯著。從圖6中可以看出, 高攻擊組的辨別曲線也有峰值(面孔3–5), 與識別任務的類別界線相似。

類別知覺的特點是類間刺激比類內(nèi)刺激更容易辨別, 因此辨別正確率最高的表情對應該是跨類別界線的一對表情。參照Pollak和Kistler (2002)的分析方法, 在辨別任務中, 低攻擊組的憤怒—恐懼連續(xù)體的類別界線位于面孔3和4之間, 高攻擊組的類別界線在面孔4左右, 也就是說, 與低攻擊個體相比, 高攻擊個體識別憤怒—恐懼連續(xù)體的類別界線偏向恐懼, 表現(xiàn)出將模糊表情判斷為憤怒表情的傾向, 但是這種趨勢不是非常明顯。

“四水同治”就是高效利用水資源、系統(tǒng)修復水生態(tài)、綜合治理水環(huán)境、科學防治水災害。針對存在的新老水問題，河南提出，今后各級各部門要協(xié)同聯(lián)動，統(tǒng)籌治理水資源、水生態(tài)、水環(huán)境、水災害，改善水生態(tài)。今后一個時期，河南將圍繞實施國家節(jié)水行動、扎實推進河湖管理與保護、充分發(fā)揮南水北調(diào)工程綜合效益、全面提升引黃供配水能力、加快推進重大水利工程建設(shè)、實施地下水超采區(qū)綜合治理、加強水災害防治、強化鄉(xiāng)村水利基礎(chǔ)設(shè)施建設(shè)、科學調(diào)配水資源、加快智慧水利建設(shè)等十方面重點任務展開“治水”。

3.5 各AQ分量表中高低得分者的轉(zhuǎn)折點和斜率差異

以上分析表明, 相對于低攻擊個體, 高攻擊個體對憤怒和恐懼表情的轉(zhuǎn)變更敏感。Wilkowski和Robinson (2012)使用身體攻擊問卷篩選被試, 而我們的研究是通過攻擊問卷總分對被試進行分組, 不能與Wilkowski和Robinson (2012)的研究結(jié)果進行直接比較。為進一步考察攻擊問卷5個分量表得分對憤怒恐懼表情類別知覺的影響, 也為了與前人研究進行比較, 我們在當前已有數(shù)據(jù)的基礎(chǔ)上, 根據(jù)各攻擊維度的得分Z分數(shù)將被試分為高得分組(Z分數(shù)大于0)和低得分組(Z分數(shù)小于0), 以性別為協(xié)變量, 對轉(zhuǎn)折點和斜率進行協(xié)方差分析。每一分量表中高、低得分組量表得分見表1, 每一分量表中高攻擊組得分均顯著大于低攻擊組(

ps

< 0.001)。每個分量表中高、低得分組的轉(zhuǎn)折點和斜率見表2。5個分量表中高、低得分組的轉(zhuǎn)折點均沒有顯著差異, 但是言語攻擊、憤怒、敵意、自戕四個分量表中高、低得分組被試的斜率存在顯著差異,身體攻擊分量表中兩組被試的斜率差異不顯著。性別對5個攻擊維度中高、低得分組的轉(zhuǎn)折點和斜率的影響均不顯著(

p

s > 0.100)。這表明, 言語攻擊、憤怒、敵意、自戕得分高的個體對憤怒和恐懼表情的轉(zhuǎn)變具有更高的敏感性。

表1 根據(jù)5個分量表得分劃分的高、低得分組

表2 每個分量表中高、低得分組的轉(zhuǎn)折點和斜率

使用偏相關(guān)分析攻擊各維度的得分與類別轉(zhuǎn)折點和斜率的關(guān)系, 結(jié)果發(fā)現(xiàn), 類別轉(zhuǎn)折點與各攻擊維度得分不存在顯著相關(guān)(身體攻擊

r

=0.09,

p

=0.592, 言語攻擊

r

=0.04,

p

=0.802, 憤怒

r

=0.10,

p

=0.546, 敵意

r

=0.14,

p

=0.378, 自戕

r

=0.01,

p

=0.936)。類別界線處的斜率與身體攻擊(

r

=0.35,

p

=0.026)、言語攻擊(

r

=0.36,

p

=0.025)、憤怒(

r

=0.32,

p

=0.043)存在顯著相關(guān), 與敵意維度的相關(guān)邊緣顯著(

r

=0.28,

p

=0.075), 與自戕維度不存在顯著相關(guān)(

r

=0.15,

p

=0.365)。這表明, 個體的身體攻擊、言語攻擊、憤怒、敵意得分越高, 對憤怒、恐懼表情的轉(zhuǎn)變越敏感。

4 討論

本研究使用憤怒—恐懼表情連續(xù)體作為實驗材料, 采用類別知覺范式, 通過logistic函數(shù)分析轉(zhuǎn)折點和敏感性, 考察了正常人群中高、低攻擊個體識別憤怒—恐懼表情連續(xù)體是否存在差異, 以及這種差異的原因是反應偏向還是敏感性。識別任務結(jié)果發(fā)現(xiàn), 兩組被試識別憤怒—恐懼表情的類別界線差異不顯著, 但是轉(zhuǎn)折點處的斜率差異顯著, 與低攻擊組相比, 高攻擊個體的反應斜率更大, 識別靠近憤怒原型的表情反應時更快。辨別任務結(jié)果發(fā)現(xiàn),與低攻擊個體相比, 高攻擊個體識別憤怒—恐懼連續(xù)體的類別界線偏向恐懼, 表現(xiàn)出將模糊表情判斷為憤怒表情的傾向, 盡管這種趨勢不顯著。除此之外, 我們還發(fā)現(xiàn), 方差分析和相關(guān)分析都表明, 言語攻擊、憤怒、敵意三個維度都影響著憤怒—恐懼表情類別界線處的識別曲線斜率。

與低攻擊個體相比, 高攻擊個體識別憤怒—恐懼連續(xù)體的曲線斜率更大, 表明高攻擊個體對憤怒和恐懼表情的轉(zhuǎn)變具有更高的敏感性, 這與Wilkowski和Robinson (2012)、Sch?nenberg和Jusyte (2014)的研究結(jié)論一致。Sch?nenberg和Jusyte (2014)發(fā)現(xiàn),暴力罪犯更多地將涉及憤怒成分的模糊表情識別為憤怒表情, 但對不涉及憤怒成分的表情識別百分比與正常被試無顯著差異, 由此推斷暴力罪犯對憤怒具有更高的敏感性, 但是, 研究對象是監(jiān)獄里的反社會暴力罪犯, 并且這些暴力罪犯都是具有反社會人格障礙的極端攻擊性個體, 結(jié)論不能直接推廣到正常高攻擊人群中。Wilkowski和Robinson的研究對象是正常高攻擊個體, 但是在選擇被試時只根據(jù)攻擊量表的身體攻擊維度得分將參與實驗的54名被試區(qū)分為高、低攻擊組, 而我們的研究是根據(jù)攻擊問卷總分從大樣本中施測并篩選出高、低攻擊被試, 被試具有較高的代表性。另外, 這兩項研究在分析數(shù)據(jù)時都只能分別比較某一特定混合表情下的組間差異, 而我們研究所采用的分析方法可以觀察到表情識別百分比的變化趨勢, 同時分離轉(zhuǎn)折點和敏感性, 更方便觀察和理解。

前人研究表明, 攻擊性個體或經(jīng)常暴露于攻擊環(huán)境的個體對憤怒表情表現(xiàn)出高度敏感性(Pollak et al., 2009; Pollak & Kistler, 2002; Pollak & Sinha,2002; Wilkowski & Robinson, 2012), 然而據(jù)我們所知并沒有研究發(fā)現(xiàn)攻擊性個體對恐懼表情敏感, 與此相反, 研究表明攻擊性個體加工恐懼表情存在特異性缺陷(Blair & Coles, 2000; Carr & Lutjemeier,2005; Malone, Carroll, & Murphy, 2012), 因此我們認為當前研究所發(fā)現(xiàn)的敏感性更可能是對憤怒的敏感性。攻擊性個體對憤怒表情表現(xiàn)出高度敏感性,得到神經(jīng)成像研究的支持, 攻擊性個體對憤怒面孔的反應表現(xiàn)出杏仁核過度激活(Beaver, Lawrence,Passamonti, & Calder, 2008; Carré, Murphy, & Hariri,2013; Coccaro, McCloskey, Fitzgerald, & Phan, 2007)。攻擊性個體可能經(jīng)常應對攻擊環(huán)境, 經(jīng)過足夠的練習, 提高了對他人憤怒表情的知覺敏感性(Wilkowski& Robinson, 2012)。憤怒表情作為一種直接威脅信號,預示著可能要發(fā)生的危險, 攻擊性個體這種對模糊環(huán)境中威脅信號的高度敏感性, 可能有助于個體及時發(fā)現(xiàn)危險并作出恰當反應(Wilkowski & Robinson,2012), 對于經(jīng)常處于攻擊環(huán)境中的個體具有一定適應性價值(Pollak et al., 2009; Pollak & Kistler,2002)。

我們預期識別任務和辨別任務會出現(xiàn)轉(zhuǎn)折點的差異, 但結(jié)果發(fā)現(xiàn)高、低攻擊組的類別界線并沒有顯著差異, 這與支持偏向觀點的研究結(jié)果不一致(Hall, 2006; Knyazev et al., 2008; Larkin et al., 2002;Sato et al., 2009), 原因可能是識別任務對類別界線的研究分辨率不夠高。識別任務中是根據(jù)9張面孔的識別百分比通過擬合logistic函數(shù)所估算得到的值, 而不是直接測量得出的。識別任務結(jié)果表明高、低攻擊個體的類別界線都位于面孔4(40%憤怒60%恐懼表情)和面孔5(50%憤怒50%恐懼表情)之間,但高、低攻擊個體的類別界線差異可能顯著(比如,低攻擊組類別界線為4.1, 高攻擊組類別界線為4.9), 而研究中所使用的漸變刺激間距(10%)較大,導致估算的值與實際情況有差距, 可能掩蓋了組間差異, 從而造成識別任務中兩組被試類別界線差異不顯著。另外, 當前研究所選的被試均是在校大學生, 相對于極端攻擊性個體(如暴力罪犯), 當前研究中高攻擊組被試的攻擊性較低, 這可能是識別任務和辨別任務中轉(zhuǎn)折點差異不顯著的原因之一。識別任務結(jié)果還發(fā)現(xiàn), 在識別面孔1時, 高攻擊個體的反應時顯著快于低攻擊個體, 而識別其它面孔時兩組被試差異不顯著, 這可能是由于高攻擊個體對憤怒表情更加敏感, 識別憤怒表情時更加自信。

為了進一步了解攻擊問卷中各個子維度與憤怒—恐懼表情加工的關(guān)系, 我們分析了攻擊問卷5個分量表中各個子維度的得分對憤怒知覺敏感性的影響。結(jié)果發(fā)現(xiàn)言語攻擊、憤怒、敵意三個維度的高攻擊個體對憤怒表情的知覺敏感性顯著高于低攻擊個體, 當然身體攻擊(協(xié)方差分析)和自戕(偏相關(guān)分析)也一定程度上影響對憤怒表情識別的敏感性, 只是結(jié)果相對不穩(wěn)定。Wilkowski和Robinson(2012)以被試在身體攻擊量表上的得分來區(qū)分高、低攻擊被試, 發(fā)現(xiàn)高攻擊個體對憤怒表情更敏感;Hall (2006)發(fā)現(xiàn)自我報告的言語攻擊和敵意態(tài)度得分與憤怒識別傾向存在正相關(guān), 這與我們的研究結(jié)果較一致。然而, 這與Wilkowski和Robinson (2012)的研究存在不一致之處, 后者發(fā)現(xiàn)對憤怒的敏感性與言語攻擊、憤怒特質(zhì)、敵意態(tài)度沒有相關(guān), 一種可能的原因是, Wilkowski和Robinson研究中的被試是將54名大學生區(qū)分為高、低攻擊組, 而我們研究的被試是從846名大學生中通過攻擊問卷篩選出來的, 相對來說被試挑選更嚴格, 對攻擊性水平的控制更可靠。

本研究具有一定的局限性。本研究采用憤怒—恐懼連續(xù)體是為了區(qū)別反應偏向和敏感性, 結(jié)果表明高攻擊個體對憤怒和恐懼表情的轉(zhuǎn)變具有更高的知覺敏感性。我們根據(jù)前人研究推斷高攻擊個體對憤怒、恐懼表情轉(zhuǎn)變的高敏感性是由于對憤怒表情的敏感性, 在目前結(jié)論基礎(chǔ)上還可以進一步驗證和研究敏感性來源。中性和情緒性的混合表情更適合研究敏感性(Jusyte & Sch?nenberg, 2014; Wilkowski& Robinson, 2012), 因此未來研究可以使用中性—情緒性漸變表情作為材料考察攻擊性個體對不同表情的知覺敏感性。另外, 我們并沒有評估被試的焦慮、抑郁水平, 而焦慮、抑郁等因素可能影響表情識別類別界線的偏移(Bell et al., 2011; Liu et al.,2012), 這可能影響對攻擊性與轉(zhuǎn)折點和敏感性關(guān)系的考察。未來研究應選擇更有代表性的被試樣本,盡量排除影響表情識別的其它心理因素, 考察攻擊性個體識別表情的模式是否異于正常人。

5 結(jié)論

本研究采用類別知覺范式, 通過logistic函數(shù)對數(shù)據(jù)進行分析, 考察正常人群中高、低攻擊個體對憤怒表情的加工, 結(jié)果發(fā)現(xiàn), 高攻擊個體不存在敵意歸因偏向, 而是對憤怒和恐懼表情的轉(zhuǎn)變具有更高的敏感性。

Bagcioglu, E., Isikli, H., Demirel, H., Sahin, E., Kandemir, E.,Dursun, P.,... Emul, M. (2014). Facial emotion recognition in male antisocial personality disorders with or without adult attention deficit hyperactivity disorder.

Comprehensive Psychiatry, 55

, 1152–1156.Beaver, J. D., Lawrence, A. D., Passamonti, L., & Calder, A. J.(2008). Appetitive motivation predicts the neural response to facial signals of aggression.

Journal of Neuroscience, 28

,2719–2725.Bell, C., Bourke, C., Colhoun, H., Carter, F., Frampton, C., &Porter, R. (2011). The misclassification of facial expressions in generalised social phobia.

Journal of Anxiety Disorders,25

, 278–283.Best, M., Williams, J. M., & Coccaro, E. F. (2002). Evidence for a dysfunctional prefrontal circuit in patients with an impulsive aggressive disorder.

Proceedings of the National Academy of Sciences of the United States of America, 99

,8448–8453.Blair, R. J. R., & Coles, M. (2000). Expression recognition and behavioural problems in early adolescence.

Cognition Development, 15

, 421–434.Buss, A. H., & Perry, M. (1992). The aggression questionnaire.

Journal of Personality and Social Psychology, 63

, 452– 459.Calder, A. J., Young, A. W., Perrett, D. I., Etcoff, N. L., &Rowland, D. (1996). Categorical perception of morphed facial expressions.

Visual Cognition, 3

, 81–118.Calvo, M. G., & Lundqvist, D. (2008). Facial expressions of emotion (KDEF): Identification under different displayduration conditions.

Behavior Research Methods, 40

, 109– 115.Campanella, S., Quinet, P., Bruyer, R., Crommelinck, M., &Guérit, J.-M. (2002). Categorical perception of happiness and fear facial expressions: An ERP study.

Journal of Cognitive Neuroscience, 14

, 210–227.Carr, M. B., & Lutjemeier, J. A. (2005). The relation of facial affect recognition and empathy to delinquency in youth offenders.

Adolescence, 40

, 601–619.Carré, J. M., Murphy, K. R., & Hariri, A. R. (2013). What lies beneath the face of aggression?

Social Cognitive and Affective Neuroscience, 8

, 224–229.Coccaro, E. F., McCloskey, M. S., Fitzgerald, D. A., & Phan,K. L. (2007). Amygdala and orbitofrontal reactivity to social threat in individuals with impulsive aggression.

Biological Psychiatry, 62

, 168–178.De Castro, B. O., Veerman, J. W., Koops, W., Bosch, J. D., &Monshouwer, H. J. (2002). Hostile attribution of intent and aggressive behavior: A meta-analysis.

Child Development,73

, 916–934.Dodge, K. A. (2006). Translational science in action: Hostile attributional style and the development of aggressive behavior problems.

Development and Psychopathology,18

(3), 791–814.Fairchild, G., Stobbe, Y., van Goozen, S. H. M., Calder, A. J.,& Goodyer, I. M. (2010). Facial expression recognition,fear conditioning, and startle modulation in female subjects with conduct disorder.

Biological Psychiatry, 68

, 272–279.Fairchild, G., van Goozen, S. H. M., Calder, A. J., Stollery, S.J., & Goodyer, I. M. (2009). Deficits in facial expression recognition in male adolescents with early-onset or adolescence-onset conduct disorder.

Journal of Child Psychology and Psychiatry, 50

, 627–636.Fugate, J. M. B. (2013). Categorical perception for emotional faces.

Emotion Review, 5

, 84–89.Hall, C. W. (2006). Self-reported aggression and the perception of anger in facial expression photos.

The Journal of Psychology, 140

, 255–267.Hastings, M. E., Tangney, J. P., & Stuewig, J. (2008).Psychopathy and identification of facial expressions of emotion.

Personality and Individual Difference, 44

, 1474– 1483.Hoaken, P. N. S., Allaby, D. B., & Earle, J. (2007). Executive cognitive functioning and the recognition of facial expressions of emotion in incarcerated violent offenders,non-violent offenders, and controls.

Aggressive Behavior,33

, 412–421.Huang, J., Chan, R. C. K., Gollan, J. K., Liu, W. H., Ma, Z., Li,Z. J., & Gong, Q.-Y. (2011). Perceptual bias of patients with schizophrenia in morphed facial expression.

Psychiatry Research, 185

, 60–65.Jusyte, A., & Sch?nenberg, M. (2014). Threat processing in generalized social phobia: An investigation of interpretation biases in ambiguous facial affect.

Psychiatry Research, 217

, 100–106.Kee, K. S., Horan, W. P., Wynn, J. K., Mintz, J., & Green, M. F.(2006). An analysis of categorical perception of facial emotion in schizophrenia.

Schizophrenia Research, 87

, 228–237.Knyazev, G. G., Bocharov, A. V., Slobodskaya, H. R., &Ryabichenko, T. I. (2008). Personality-linked biases in perception of emotional facial expressions.

Personality and Individual Differences, 44

, 1093–1104.Kosson, D. S., Suchy, Y., Mayer, A. R., & Libby, J. (2002).Facial affect recognition in criminal psychopaths.

Emotion,2

, 398–411.Larkin, K. T., Martin, R. R., & McClain, S. E. (2002). Cynical hostility and the accuracy of decoding facial expressions of emotions.

Journal of Behavioral Medicine, 25

, 285–292.Li, X. Y., Phillips, M. R., Zhang, Y. L., Niu, Y. J., Tong, Y. S.,& Yang, S. J. (2011). Development, reliability and validity of the Chinese version of buss & Perry aggression questionnaire.

Chinese Journal of Nervous and Mental Diseases, 37

, 607–613.[李獻云, 費立鵬, 張亞利, 牛雅娟, 童永勝, 楊少杰. (2011).Buss和Perry攻擊問卷中文版的修訂和信效度.

中國神經(jīng)精神疾病雜志, 37

, 607–613.]Liu, W.-H, Huang, J., Wang, L.-Z., Gong, Q.-Y., & Chan, R. C.K. (2012). Facial perception bias in patients with major depression.

Psychiatry Research, 197

, 217–220.Lopez-Duran, N. L., Kuhlman, K. R., George, C., & Kovacs,M. (2013). Facial emotion expression recognition by children at familial risk for depression: High-risk boys are oversensitive to sadness.

Journal of Child Psychology and Psychiatry, 54

, 565–574.Malone, A., Carroll, A., & Murphy, B. P. (2012). Facial affect recognition deficits: A potential contributor to aggression in psychotic illness.

Aggression and Violent Behavior, 17

, 27– 35.Marsh, A. A., & Blair R. J. R. (2008). Deficits in facial affect recognition among antisocial populations: A meta-analysis.

Neuroscience and Biobehavioral Reviews, 32

, 454–465.Pajer, K., Leininger, L., & Gardner, W. (2010). Recognition of facial affect in girls with conduct disorder.

Psychiatry Research, 175

, 244–251.Penton-Voak, I. S., Thomas, J., Gagel, S. H., McMurran, M.,McDonald, S., & Munafò, M. R. (2013). Increasing recognition of happiness in ambiguous facial expressions reduces anger and aggressive behavior.

Psychological Science, 24

, 688–697.Pollak, S. D., & Kistler, D. J. (2002). Early experience is associated with the development of categorical representations for facial expressions of emotion.

Proceedings of the National Academy of Sciences of the United States of America, 99

, 9072–9076.Pollak, S. D., Messner, M., Kistler, D. J., & Cohn, J. F. (2009).Development of perceptual expertise in emotion recognition.

Cognition, 110

, 242–247.Pollak, S. D., & Sinha, P. (2002). Effects of early experience on children’s recognition of facial displays of emotion.

Developmental Psychology, 38

, 784–791.Recio, G., Sommer, W., & Schacht, A. (2011). Electrophysiological correlates of perceiving and evaluating static and dynamic facial emotional expressions.

Brain Research, 1376

, 66–75.Said, C. P., Dotsch, R., & Todorov, A. (2010). The amygdala and FFA track both social and non-social face dimensions.

Neuropsychologia, 48

, 3596–3605.Said, C. P., Moore, C. D., Norman, K. A., Haxby, J. V., &Todorov, A. (2010). Graded representations of emotional expressions in the left superior temporal sulcus.

Frontiers in Systems Neuroscience, 4

, 6.Sato, W., Uono, S., Matsuura, N., & Toichi, M. (2009).Misrecognition of facial expressions in delinquents.

Child and Adolescent Psychiatry and Mental Health, 3

, 27.Sch?nenberg, M., & Jusyte, A. (2014). Investigation of the hostile attribution bias toward ambiguous facial cues in antisocial violent offenders.

European Archives of Psychiatry and Clinical Neuroscience, 264

, 61–69.Sch?nenberg, M., Louis, K., Mayer, S., & Jusyte, A. (2013).Impaired identification of threat-related social information in male delinquents with antisocial personality disorder.

Journal of Personality Disorders, 27

, 496–505.Staugaard, S. R. (2010). Threatening faces and social anxiety:A literature review.

Clinical Psychology Review, 30

, 669– 690.Tsui, C. F., Huang, J., Lui, S. S. Y., Au, A. C. W., Leung, M. M.W., Cheung, E. F. C., & Chan, R. C. K. (2013). Facial emotion perception abnormality in patients with early schizophrenia.

Schizophrenia Research, 147

, 230–235.Wilkowski, B. M., & Robinson, M. D. (2012). When aggressive individuals see the world more accurately: The case of perceptual sensitivity to subtle facial expressions of anger.

Personality and Social Psychology Bulletin, 38

,540–553.Young, A. W., Rowland, D., Calder, A. J., Etcoff, N. L., Seth,A., & Perrett, D. I. (1997). Facial expression megamix:Tests of dimensional and category accounts of emotion recognition.

Cognition, 63

, 271–313.