論文の概要: Utterance Emotion Dynamics in Children's Poems: Emotional Changes Across
Age
- arxiv url: http://arxiv.org/abs/2306.05387v1
- Date: Thu, 8 Jun 2023 17:38:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 13:08:15.107159
- Title: Utterance Emotion Dynamics in Children's Poems: Emotional Changes Across
Age
- Title(参考訳): 子どもの詩における発話感情の動態--年齢による感情変化
- Authors: Daniela Teodorescu, Alona Fyshe, Saif M. Mohammad
- Abstract要約: 我々は,様々な年齢の子どもが書いた詩から決定された感情力学の特徴を,辞書と機械学習に基づく手法を用いて定量化する。
年齢とともに、感情的変動、上昇率(感情的反応性)、回復率(感情的規制)が増加する。
- 参考スコア(独自算出の注目度): 29.467916405081272
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Emerging psychopathology studies are showing that patterns of changes in
emotional state -- emotion dynamics -- are associated with overall well-being
and mental health. More recently, there has been some work in tracking emotion
dynamics through one's utterances, allowing for data to be collected on a
larger scale across time and people. However, several questions about how
emotion dynamics change with age, especially in children, and when determined
through children's writing, remain unanswered. In this work, we use both a
lexicon and a machine learning based approach to quantify characteristics of
emotion dynamics determined from poems written by children of various ages. We
show that both approaches point to similar trends: consistent increasing
intensities for some emotions (e.g., anger, fear, joy, sadness, arousal, and
dominance) with age and a consistent decreasing valence with age. We also find
increasing emotional variability, rise rates (i.e., emotional reactivity), and
recovery rates (i.e., emotional regulation) with age. These results act as a
useful baselines for further research in how patterns of emotions expressed by
children change with age, and their association with mental health.
- Abstract(参考訳): 精神病理学の新しい研究によると、感情状態の変化のパターン(感情のダイナミクス)は、全体的な幸福と精神の健康に関連している。
最近では、発話を通して感情のダイナミクスを追跡する作業がいくつか行われており、時間と人々を通じて大規模なデータを収集できるようになっている。
しかし, 年齢とともに感情の動態がどう変化するか, 子どもの執筆によって決定された場合, 未回答のままである。
本研究は,様々な年齢の子どもが詠んだ詩から判断される感情の動態の特徴を定量化するために,語彙と機械学習に基づくアプローチの両方を用いる。
いくつかの感情(怒り、恐怖、喜び、悲しみ、覚醒、支配など)に対して、年齢と年齢とともに一貫した価値の低下という、両者のアプローチは同じ傾向を示している。
また、年齢とともに、感情的変動、上昇率(感情的反応性)、回復率(感情的調節)が増加する。
これらの結果は、子供によって表現される感情のパターンが年齢とともにどのように変化するか、そしてメンタルヘルスとの関連性について、さらなる研究の基盤となる。
関連論文リスト
- ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳(メタデータ) (2024-05-17T15:45:08Z) - Emotion Granularity from Text: An Aggregate-Level Indicator of Mental Health [25.166884750592175]
心理学において、個人の感情概念を区別する能力の変化を感情の粒度と呼ぶ。
高い感情の粒度は、より良い精神と身体の健康と結びついている。
低感情の粒度は、不適応な感情制御戦略や健康状態の悪化と結びついている。
論文 参考訳(メタデータ) (2024-03-04T18:12:10Z) - Daisy-TTS: Simulating Wider Spectrum of Emotions via Prosody Embedding Decomposition [12.605375307094416]
構造モデルに基づく感情の幅広いスペクトルをシミュレートする感情的テキスト・音声設計を提案する。
提案したデザインであるDaisy-TTSは、感情のプロキシとして感情的に分離可能な韻律埋め込みを学習するための韻律エンコーダを組み込んでいる。
論文 参考訳(メタデータ) (2024-02-22T13:15:49Z) - Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。
本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
論文 参考訳(メタデータ) (2024-01-12T16:42:10Z) - Language and Mental Health: Measures of Emotion Dynamics from Text as
Linguistic Biosocial Markers [30.656554495536618]
本研究では,ツィート感情動態とメンタルヘルス障害との関連について検討した。
調査対象のUEDメトリクスはそれぞれ,ユーザの自己開示診断によって異なることがわかった。
この研究は、感情力学に関連する言語的手がかりが、精神疾患のバイオ社会マーカーとして重要な役割を担っていることを示す重要な初期の証拠を提供する。
論文 参考訳(メタデータ) (2023-10-26T13:00:26Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳(メタデータ) (2023-09-13T12:58:09Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳(メタデータ) (2022-08-11T15:45:58Z) - Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。
本稿では,感情の強さを明示的に表現し,制御することを目的とする。
本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文 参考訳(メタデータ) (2022-01-10T02:11:25Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳(メタデータ) (2021-06-23T14:53:27Z) - Emotion Dynamics in Movie Dialogues [25.289525325790414]
発話を通して感情のダイナミクスを追跡する枠組みを提案する。
我々はこの手法を用いて、映画キャラクタの感情的弧をトレースする。
このような何千もの文字アークを分析し、ストーリーのより広い理解を知らせる仮説をテストします。
論文 参考訳(メタデータ) (2021-03-01T23:02:16Z) - PoKi: A Large Dataset of Poems by Children [31.87319293259599]
我々は,1年生から12年生までの児童が書いた約62万の詩を含む,子書きテキストPoKiの新たなコーパスを提示する。
我々はPoKiにおける単語を、いくつかの感情次元(原子価、覚醒、支配)と離散的な感情(恐怖、恐怖、悲しみ、喜び)に沿って分析する。
論文 参考訳(メタデータ) (2020-04-13T20:36:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。