Chiara Ferreroa, Chiara Brombina,b, Clelia Di Serio a,b, Regina Gregori Grgiča, Simona Scainic, Raffaella Lanzarottid, Vittorio Cuculod
aVita-Salute San Raffaele University, Milano;
bCUSSB, University Center for Statistics in the Biomedical Sciences;
cSigmund Freud University, Milano;
dDepartment of Computer Science, University of Milan
Le emozioni rappresentano un fenomeno complesso e multidimensionale: per comprenderle e studiarle è fondamentale integrare diverse fonti di dati relative ad aspetti cognitivi, comportamentali, rappresentazioni soggettive e cambiamenti psicofisiologici.
Studiare le emozioni all’interno di un approccio strutturato e basato su definizioni e tecniche quantitative diventa un obiettivo molto urgente dati i ben noti limiti dei questionari self-report nel rilevare informazioni attendibili sugli stati emotivi soprattutto quando si opera in contesti clinici con particolare riferimento a studi sui bambini.
Suscitare le emozioni in laboratorio non è semplice e richiede l’utilizzo di stimoli efficaci e specifici per le diverse fasce di età e per le caratteristiche dei soggetti sperimentali coinvolti. Un recente studio di psicologia dello sviluppo (Scaini et al., 2017) si è concentrato sulla costruzione di un database di immagini che consentisse di indagare le possibili differenze nel riconoscimento ed espressione di tre stati emotivi specifici (neutro, rabbia, paura) in bambini sani e con sintomatologia ansiosa. Per valutare l’efficacia di questi stimoli sono stati inizialmente analizzati dati relativi alla valutazione “soggettiva” delle emozioni, esaminando il tasso di riconoscimento dell’emozione target e la coerenza della valutazione dell’esperienza emotiva dichiarata rispetto alle classiche dimensioni di valenza edonica e arousal (grado di attivazione). Nella nostra ricerca abbiamo verificato se le espressioni facciali indotte dagli stessi stimoli fossero congruenti con le emozioni target. Ci si è quindi focalizzati su un dato oggettivo, le espressioni facciali, descrivendole in termini di Action Unit (AU), ovvero di movimenti muscolari del volto.
61 bambini della popolazione generale, tra i 7 e i 14 anni, hanno partecipato allo studio: durante la somministrazione degli stimoli, oltre alla risposta soggettiva e a quella fisiologica, sono state registrate le espressioni facciali. Queste ultime sono state analizzate sia manualmente tramite il sistema Facial Action Coding System (FACS; Ekman e Friesen, 1978) sia utilizzando un software open source dedicato. Durante le sessioni sperimentali, i bambini potevano muoversi e assumere pose naturali: questo ha consentito di registrare reazioni spontanee, rendendo però più difficoltoso per il software il riconoscimento del volto e delle espressioni. Per ciascuna AU rilevata dal software è stata identificata una soglia ottimale che massimizzasse l’agreement tra il metodo manuale (considerato come ground truth) e quello automatico. Tale soglia è stata successivamente utilizzata come cut-off per trasformare il dato continuo sull’intensità dell’AU fornito dal software in un dato binario, ovvero presenza/assenza dell’AU.
Tecniche di clustering e modelli multivariati misti per l’analisi simultanea dei dati binari sono stati applicati sui dati di espressione facciale, ovvero sulle AU più rilevanti ed associate alle emozioni di base, per verificare se le immagini si raggruppassero in cluster coerenti con l’emozione target e per identificare pattern di AU specifici per i tre stati emotivi target.
Dalla cluster analysis applicata sui dati di espressione facciale sono emersi tre gruppi corrispondenti alle tre emozioni target con solo due errate classificazioni. Anche il modello multivariato misto ha evidenziato pattern di AU coerenti con gli stati emotivi oggetto di indagine, confermando così le conoscenze teoriche sulle emozioni di base.
Lo studio condotto evidenzia come l’impiego di un approccio multidisciplinare che combini e integri tecniche ed expertise nell’ambito della psicologia, statistica, computer science e bioingegneria sia cruciale per approfondire tematiche complesse come quelle legate al riconoscimento e all’espressione delle emozioni, anche in contesti sperimentali. Questa impostazione, fino a poco tempo fa poco fruibile per gli alti costi tecnologici diventa sempre più applicabile data la crescente disponibilità di tecnologie a basso costo non invasive che consentono di ottenere dati oggettivi in tempo reale sull’esperienza emotiva, meno soggetti a fenomeni di desiderabilità sociale.
Nota
Lo studio è stato reso possibile grazie ai finanziamenti FIRB Project RBFR12VHR7 “Interpreting emotions: a computational tool integrating facial expressions and biosignals based on shape analysis and bayesian networks” (PI, Dott.ssa Brombin) e NARSAD Young Investigator Grant from the Brain & Behavior Research Foundation, grant number: 23553, “Integrating multimodal affective information for emotion recognition in children with symptoms of anxiety disorders” (PI, Dott.ssa Scaini).
Riferimenti bibliografici
Ekman, P., Friesen, W. V. (1978). “Manual for the facial action coding system”. Consulting Psychologists Press.
Scaini, S., Rancoita, P. M., Martoni, R. M., Omero, M., Ogliari, A., & Brombin, C. (2017). Integrating Dimensional and Discrete Theories of Emotions: A New Set of Anger-and Fear-Eliciting Stimuli for Children. The Journal of genetic psychology, 178 (5), 253-261.
