SlideShare uma empresa Scribd logo
1 de 50
表情から見た情動
広島大学 難波修史
2017年12月2日 (土)
PEACE 3rd
自己紹介
•難波 修史(なんば しゅうし)
•広島大学大学院教育学研究科D2
•専門:感情と表情の対応、共感
•twitter:@NSushi
発表の目的
「表情にとっての情動とは何か」を考える
• 従来の情動表情に関する問題点
• 経験的エビデンスの紹介
情動表情を説明する新たな視座の提供
• Component Process Model
「情動と表情が対応する」という考え、
もうやめにしましょう!
結論
よくある話
表情と情動は対応している!
Basic Emotion Theory (BET)
• 情動を反映した普遍的表情 (Ekman, 2002)
― 楽しい=笑顔
― 怒り=顰め顔
ー 悲しい=泣き顔
表情は情動を反映している
©ラブライブ!
Facial Feedback Hypothesis
•表情作成が情動を喚起する仮説
例:笑顔を作成 (ペンくわえる)
→ 漫画がよりおもしろく!
Wagenmakers et al. (2016) より拝借
情動と表情の関係
幸福
(情動経験)
笑顔
(身体的反応)
「幸福」という情動は「笑顔」という
表情と相互に影響しあっている。
BET
(Affect Program)
FFH
(James Lange theory)
※画像=wikiより
Ekmanの影響力
Basic Emotion Theory:
普遍的な情動表情の存在
ドラマ・映画
教養知識
産業 (感情センシング技術)
ハンパねぇ!
情動表情はもうオワコン?
(やりつくされたテーマ?)
「じゃあ、質問です!」
情動表情が “終わったテーマ”
であるなら、なぜ我々の日常
に「正確なスコア」を叩き出
す感情センシング技術が応用
されていないのでしょうか?
理由はいくつかあるかもしれません…
頭のいい人 ノイズ
表情検出アルゴリズム
角度に対する
脆弱性
情動の種類
特徴量選択
個人差
感情センシング
ですが…
前提を疑おう!
B E T
そもそも情動を示す表情って
どういうことですか…?
Ekmanが想定する
Ekmanによる情動表情
• BET (Ekman, 1994) に基づく表情刺激がもっと
も有名+世界中で利用(Pictures of Facial Affect)
情動表情刺激の作成プロセス
・Darwin (1872) の著作
・Airport (1924) の著作
・Tomkinsとの対話
眉間を上げて寄せ
る+目を見開く+
下瞼上昇+横に開
口をしてください
Actor
Ekman
世界中の参加者
恐れ!
(e.g., Ekman & Friesen,
1969, 1971)
恐れ=眉間を上
げて寄せる+目
を見開く+下瞼
上昇+横に開口
BETのそもそものロジック
表情=送り手・受け手のコミュニケーション
から生成される信号・伝達ツールとして共進化
生物学的反応である情動が普遍的表情を喚起
+そのメッセージを受け取る表象の基盤が存在
特定表情に対して正しい情動ラベリングが世界
中で可能 ⇒ 普遍的情動表情の存在を証明
理論的根拠
• Darwin (1872/1965) の直観とそれのAirport
(1924), Tomkins (1982) の再解釈
• 心理学者の主観に基づいた考察
⇒ 理論的根拠が薄弱 (Fernández-Dols & Crivelli, 2015)
強い情動喚起場面における平均的な
表情 の正確な記述ではない。
認知的側面の偏重
• 受け手側 (表情認知) から情動の「普遍的
表情」の存在を主張
• それによって生じた問題点
― 表情と情動が1:1で対応(強い前提)
― 表出研究の不足(認知研究への偏重)
― 誤解された応用(産業・教育)
従来の「認知」研究ではない
研究の方向性が必要である!
Ekmanの情動表情とは
(例)嫌悪表情
A face that, in isolation, and when one uses one of the
frequently used categorization methods, is likely to be
categorized as disgusted (Aveizer and Hassin, 2017).
多くの人が「特定情動を示す」
と認知する表情に過ぎない!
余談:BETへの批判
• そもそも「表情認知」領域においても一般に評価
されるほど、普遍表情の存在は頑健ではない
複数のフィールド研究
による再現失敗
e.g., Crivelli et al. 2016
Elfenbein (2002) が Ingroup
Advantage の存在を指摘
(日本人の認知:日本表情 >米国表情
日本人顔の
機械学習
米国人顔の
機械学習
In-group
advantage
Dailey et al (2010)
情動経験と表情の関連を
「直接」検討した研究はないの?
メタ分析:先行研究のまとめ
•表情表出に関する研究
― Duran et al. (2017)
•表情FBに関する研究
― Coles et al. (in press)
情動経験と表情の関連:
Duran et al., (2017)
• 基本6情動に関する表情表出研究のメタ分析.
• 表情=Ekmanの想定する表情の一部でもあれ
ば表出とみなす (Full patternは無理)
• Coherence
― Correlations = .35, 95%CI [.28, .42]
― Proportions = .23, 95%CI [.15, .31]
関連は小さいけど確かにある!!
Duran et al’s results
• 情動経験と表情には統計的に信頼できる
関連があった.
• しかし, (幸福を除き) 関連は低い.
• Basic Emotion theory の前提:人が強い
情動を経験した+統制が加わらない時、
普遍的な情動表情が発現する。
不一致!
情動経験と表情の関連:
Coles et al., (in press)
• 表情FBに関するメタ分析.
• 表情操作が情動経験に及ぼす影響
― Effect size d = .25, 95%CI [.14, .26]
効果量は小さいけど確かにある!
笑顔の魔法は
存在した!!!
©ラブライブ!
なんだ、対応あるんじゃん。
• メタ分析
×「情動と表情の対応がない」
〇「BETの前提が強すぎる」
• 必要なパラダイムシフト:
特定情動を経験すると特定の表情が出てくる
⇒ 特定情動を経験すると特定表情要素が
2~3割の確率で表出されうる。
結局どうなの?
• 表情 (要素) と情動の対応=2~3割程度
• 効果量の大きさをどうとらえるかは議論
があるかもしれないが、確かに対応は存
在する。しかし…
「情動だけで表情を説明する」
というのには無理がある
でも直観的には…
やはり、うれしくて笑顔
になるように、情動経験
に応じて表情が生じる
ようにも思われる…。
©犬塚ボウル
では我々が作り出す表情を
どう説明・解釈するのか…?
まずは情動のモデルを考える!
情 動
情動のモデル
刺激 知覚
評価+
身体反応
ヘビ is 危険
(主題)
恐れです
情動経験
(awareness)
ここが大事!
刺激 知覚
評価+
身体反応
ヘビ is 危険
(主題)
恐れです
情動経験
(awareness)
従来の視点:Ekman的発想
恐れ
・恐れ表情
・心拍変化
・発汗増加
・危害強度
・間合い
・対処法
体験の要因と、それに
対する反応パッケージを
各情動カテゴリーがもつ
恐れです
※明確に ↑ の順序を常に
想定してたわけではない
重要な視点:
Dynamics (動き)
情動のフローチャート
恐れ!!
情動のフローチャート
恐れ!!
こうではなく…
情動のフローチャート
何こいつ!?
(新奇性評価)
痛そう!!
(快不快評価)
どうする!?
(対処法評価)
恐れ!!
©鳥山明
Component Process Model
出来事の知覚から生じた累積的な評価が
総体としての情動経験を引き起こす!
情動表情とは
嫌悪感情
情動表情とは
嫌悪感情
こうではなく…
CPMに基づく情動表情とは
新奇性評価 不快判断 対処不可能
個別の表情部位と確率的に結びついた
評価の累積による表情
つまり
•「情動と表情が対応する」
ではなく…
特定の出来事に対する逐次的な
「評価が個別表情部位と対応する」?
情動も含みます!
個別表情部位と実際の内的状態との関連
にもっと思いを馳せていこうぜ…!!
※ただの売名行為です。
※なお、この論文でCPM
は扱っておりません←
限界点
• 感情センシング技術のように実際の場面への応
用を考えた際に重要なのは、表情よりも「その
表情が生じた文脈」を加味した解釈であるとい
われています (Aveizer & Hassin, 2017)。
• さらにCPMもまだまだ発展途上 (2017年現在)
©みくた
※評価と表情要素の対応
Frontier に向かって…
• しかし表情研究をより意義のある研究
テーマにしていくためには、行き詰った
現状を打破する理論の大きな転換が必要
• 今回の発表が「情動とはなにか」、
「表情とはなにか」を考えるきっかけに
なればいいなと思います。
結論
「情動と表情が対応する」という考え、
もうやめにしましょう!
「表情は逐次的な評価と要素ごとに対応する」
という考えなんて、どうです?

Mais conteúdo relacionado

Mais procurados

グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学Yasuyuki Okumura
 
クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定Hiroshi Nakagawa
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編Hiroshi Shimizu
 
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)Kei Nakagawa
 
Fisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsFisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsTakao Yamanaka
 
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成Nagi Teramo
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方ychtanaka
 
研究の基本ツール
研究の基本ツール研究の基本ツール
研究の基本ツール由来 藤原
 
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門ノンパラベイズ入門の入門
ノンパラベイズ入門の入門Shuyo Nakatani
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)Masaru Tokuoka
 
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)Yoshitake Takebayashi
 
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~Kensuke Otsuki
 
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldNaoki Hayashi
 
ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法Masaru Tokuoka
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布についてhoxo_m
 

Mais procurados (20)

グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
 
クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定
 
Saito2103slp
Saito2103slpSaito2103slp
Saito2103slp
 
Mds20190303
Mds20190303Mds20190303
Mds20190303
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
 
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)
連続時間フラクショナル・トピックモデル(NLP2023 金融・経済ドメインのための言語処理)
 
Fisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsFisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight Maps
 
Rで学ぶロバスト推定
Rで学ぶロバスト推定Rで学ぶロバスト推定
Rで学ぶロバスト推定
 
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
研究の基本ツール
研究の基本ツール研究の基本ツール
研究の基本ツール
 
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
 
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
 
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
 
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-old
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
 

Semelhante a 表情から見た情動

Open Biding 感情に向き合う by Raizo
Open Biding 感情に向き合う by RaizoOpen Biding 感情に向き合う by Raizo
Open Biding 感情に向き合う by RaizofantasistaVppr
 
20100530 思想哲学研究会
20100530 思想哲学研究会20100530 思想哲学研究会
20100530 思想哲学研究会Takanobu Mizuta
 
オープン予選で勝負できるスピーチの育て方 宮崎 秀太
オープン予選で勝負できるスピーチの育て方 宮崎 秀太オープン予選で勝負できるスピーチの育て方 宮崎 秀太
オープン予選で勝負できるスピーチの育て方 宮崎 秀太Shuta M
 
0316 Rikkyo Originality
0316 Rikkyo Originality0316 Rikkyo Originality
0316 Rikkyo OriginalityShuta M
 
精神症状の理解とアセスメント④
精神症状の理解とアセスメント④精神症状の理解とアセスメント④
精神症状の理解とアセスメント④Kana Aizawa
 
抑鬱を組み伏せる方法 (Japanese)
抑鬱を組み伏せる方法 (Japanese)抑鬱を組み伏せる方法 (Japanese)
抑鬱を組み伏せる方法 (Japanese)Hitoshi Tsuchiyama
 
精神症状の理解とアセスメント⑦
精神症状の理解とアセスメント⑦精神症状の理解とアセスメント⑦
精神症状の理解とアセスメント⑦Kana Aizawa
 
内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)Ryota Kobayashi
 
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入Takuya Koumura
 

Semelhante a 表情から見た情動 (18)

Open Biding 感情に向き合う by Raizo
Open Biding 感情に向き合う by RaizoOpen Biding 感情に向き合う by Raizo
Open Biding 感情に向き合う by Raizo
 
20100530 思想哲学研究会
20100530 思想哲学研究会20100530 思想哲学研究会
20100530 思想哲学研究会
 
YurihoHiguchi_hcs2021
YurihoHiguchi_hcs2021YurihoHiguchi_hcs2021
YurihoHiguchi_hcs2021
 
オープン予選で勝負できるスピーチの育て方 宮崎 秀太
オープン予選で勝負できるスピーチの育て方 宮崎 秀太オープン予選で勝負できるスピーチの育て方 宮崎 秀太
オープン予選で勝負できるスピーチの育て方 宮崎 秀太
 
0316 Rikkyo Originality
0316 Rikkyo Originality0316 Rikkyo Originality
0316 Rikkyo Originality
 
精神症状の理解とアセスメント④
精神症状の理解とアセスメント④精神症状の理解とアセスメント④
精神症状の理解とアセスメント④
 
抑鬱を組み伏せる方法 (Japanese)
抑鬱を組み伏せる方法 (Japanese)抑鬱を組み伏せる方法 (Japanese)
抑鬱を組み伏せる方法 (Japanese)
 
心の教育(4) (Japanese)
心の教育(4) (Japanese)心の教育(4) (Japanese)
心の教育(4) (Japanese)
 
精神症状の理解とアセスメント⑦
精神症状の理解とアセスメント⑦精神症状の理解とアセスメント⑦
精神症状の理解とアセスメント⑦
 
運命制御 (Japanese)
運命制御 (Japanese)運命制御 (Japanese)
運命制御 (Japanese)
 
心の教育(6) (Japanese)
心の教育(6) (Japanese)心の教育(6) (Japanese)
心の教育(6) (Japanese)
 
暴力 (Japanese)
暴力 (Japanese)暴力 (Japanese)
暴力 (Japanese)
 
煩悩 (Japanese)
煩悩 (Japanese)煩悩 (Japanese)
煩悩 (Japanese)
 
非宗教的悟り (Japanese)
非宗教的悟り (Japanese)非宗教的悟り (Japanese)
非宗教的悟り (Japanese)
 
動機 (Japanese)
動機 (Japanese)動機 (Japanese)
動機 (Japanese)
 
内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)
 
自己分析ガイドVer.1.0
自己分析ガイドVer.1.0自己分析ガイドVer.1.0
自己分析ガイドVer.1.0
 
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入
専修大学 2017年度後期 心理学A・応用心理学入門・心理学102 第1回 導入
 

Mais de Shushi Namba

回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論Shushi Namba
 
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析Shushi Namba
 
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするためにベイズモデリングと仲良くするために
ベイズモデリングと仲良くするためにShushi Namba
 
今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~Shushi Namba
 
Mental model for emotion
Mental model for emotionMental model for emotion
Mental model for emotionShushi Namba
 
変数同士の関連_MIC
変数同士の関連_MIC変数同士の関連_MIC
変数同士の関連_MICShushi Namba
 
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!Shushi Namba
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)Shushi Namba
 
Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会Shushi Namba
 
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会Shushi Namba
 

Mais de Shushi Namba (10)

回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論
 
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
 
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするためにベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
 
今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~
 
Mental model for emotion
Mental model for emotionMental model for emotion
Mental model for emotion
 
変数同士の関連_MIC
変数同士の関連_MIC変数同士の関連_MIC
変数同士の関連_MIC
 
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)
 
Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会
 
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
 

表情から見た情動