XiaoMi-AI文件搜索系统
World File Search Systememotions
虚拟文化遗产旅游经验中的负担能力，数字媒体素养和情感
摘要本研究旨在研究虚拟现实（VR）技术的负担和用户对用户情绪的数字媒体素养的影响，这导致建议在文化遗产旅游中使用VR实验。在韩国Gyongju世界文化博览会公园的现实VR工作室进行了一项调查，使用高质量和复杂的VR内容，可以准确地通过实时渲染来反映用户的身体运动。共有157名参与研究的访问者，并使用部分最小二平方抗性方程模型（PLS-SEM）分析了测量模型和结构模型。发现的发现表明，VR设备的认知，身体，感觉和功能以及用户数字媒体素养对访客的积极情感体验产生了显着影响。此外，游客的积极情绪对建议意图产生了重大影响。这种经验结果表明，数字媒体素养是一个新的主要变量，影响文化遗产的虚拟体验。
Instagram 上的疫苗：巴西背景下的情绪表达研究
摘要 随着新冠病毒的出现，有关疫苗的讨论开始在世界范围内产生更大的影响。在社交媒体这个不同受众创作内容、表达看法和兴趣的空间上，有关疫苗的出版物已成为公众辩论的主要话题之一。在本文中，我们旨在识别和分析 2020 年和 2021 年巴西民众围绕疫苗和疫苗接种过程表达的感受和情绪。为此，我们通过 Crowdtangle 图形界面收集了 Instagram 上关于该主题的公开帖子，并从中构建了一个随机样本，作为实证样本。情绪的分类和识别过程是使用人机交互情绪网络（HUMAINE）的标准化描述符进行的，然后采用 Russell (2003) 的环形模型（核心情感模型）。结果，数据分析表明，在巴西的情景中，人们对疫苗普遍存在希望和信心等积极情绪，而根据背景因素（时任总统雅伊尔·博索纳罗的形象、他的讲话和行动，以及 Covid-19 的进展和新变种的出现），语料库中则发现了反对和担忧等负面情绪。
以色列的疫苗犹豫多媒体，情感和学习经验
本文通过多媒体学习，介导的消息处理和情感计算来考虑情绪和学习。在多媒体学习中，情感设计包括视觉设计中的所有相关特征，因此通过视觉吸引力给出了情感和动机。有限的动机介导消息处理能力模型将情绪描述为动机认知的产物。它说明了如何创建最有可能实现其通信目的的消息。通过情感计算，自适应和多模式学习，目的是减少教学信息设计与学习者的认知和情感心理模型之间的差距。本文旨在概述情绪和学习考虑多媒体学习，动机的中介信息处理以及情感计算作为创造学习体验的三种观点。
机器学习方法识别人类情感
情绪识别在人际交往中至关重要，因为它可以指导个体对他人的感受做出适当的反应（Dzedzickis 等人，2020 年；Li 等人，2021 年）。不幸的是，被诊断患有神经发育障碍的人往往难以感知和理解情绪，从而限制了他们与他人的互动（Livingston and Happé，2017 年）。帮助这些人的一个解决方案是利用当前人工智能 (AI) 的兴起来开发数据驱动的方法，能够从不同来源预测情绪，例如大脑和外周生物信号、面部表情、语音、文本等（Bota 等人，2019 年）。在这个研究主题中，我们通过展示七篇高质量的手稿来解决这个方向，这些手稿应用人工智能和机器学习 (ML) 从生理信号、图像或文本中识别情绪。我们的期刊与其他当代情绪识别相关文献不同，它包括了试图从不同来源识别情绪的论文，从而接近从不同角度预测情绪的共同目标。下面总结了关于这个主题的已发表研究论文，将其分为五个主要部分。
问题的核心：精神压力和负面情绪如何影响心房颤动
心房纯化（AF）是心律不齐的最常见形式，影响了世界人口的2％ - 3％。精神和情绪压力以及某些心理健康状况（例如抑郁症）已被证明显着影响心脏，并被建议在AF发作时充当独立的危险因素和触发因素。在本文中，我们回顾了当前的文献，以研究心理和情绪压力在AF发作中的作用，并总结了当前有关大脑与心脏之间相互作用的知识，以及在压力反应中涉及的皮质和皮层途径。对证据的审查表明，心理和情绪压力对心脏系统产生负面影响，可能增加发展和/或触发AF的风险。需要进一步的研究，以进一步了解精神压力反应中涉及的皮质和亚皮质结构，以及它们与心脏系统的相互作用，这可能有助于定义新的策略和干预措施，以防止开发和改善AF的管理。
大脑网络服务于通过成分建模识别的情绪的功能核心过程
尽管科学界对情绪的定义缺乏共识，但人们普遍认为情绪涉及思想、身体和行为的多种变化。尽管心理学理论强调情绪的多成分特征，但人们对大脑中这些成分的性质和神经结构知之甚少。我们使用多变量数据驱动方法将各种情绪分解为功能核心过程并确定其神经组织。20 名参与者观看了 40 个情绪片段，并根据之前验证的成分模型定义的 32 个成分特征对 119 个情绪时刻进行了评分。结果显示了不同的情绪如何从一组大脑网络中的协调活动中产生，这些网络编码了与价值评估、享乐体验、新颖性、目标相关性、趋近/回避倾向和社会关注相关的成分过程。我们的研究超越了以前专注于分类或维度情绪的研究，强调了新方法与理论驱动建模相结合如何为情绪神经科学提供新的基础并揭示人类情感体验的功能结构。
从大脑功能连接模式解读六种基本情绪
尽管有研究表明，六种基本情绪具有独特的神经和生理状态，但基本情绪通常与功能性磁共振成像 (fMRI) 体素激活 (VA) 模式难以区分。在此，我们假设跨大脑区域的功能连接 (FC) 模式可能包含超出 VA 模式的情绪表征信息。我们收集了全脑 fMRI 数据，同时人类参与者观看了表达六种基本情绪之一（即愤怒、厌恶、恐惧、快乐、悲伤和惊讶）或表现出中性表情的面部照片。我们获得了整个大脑区域每种情绪的 FC 模式，并应用多变量模式解码来解码 FC 模式表征空间中的情绪。我们的结果表明，全脑 FC 模式不仅成功地将六种基本情绪与中性表情区分开来，而且还将每种基本情绪与其他情绪区分开来。我们确定了每种基本情绪的情绪表征网络，该网络跨越了用于情绪处理的经典大脑区域。最后，我们证明，在相同的大脑区域内，基于 FC 的解码始终比基于 VA 的解码表现更好。综上所述，我们的研究结果表明 FC 模式包含情感信息，并主张进一步关注 FC 对情感处理的贡献。
情感在负责任的军事人工智能中的作用
人工智能系统能够理性地分析情况并判断可能采取的行动的价值。由于人工智能系统没有情感，它们的决策或它们向人类提出的决策将始终遵循逻辑和理性。一些人认为这会带来更好的决策（Haraburda，2019 年）。可以理解为什么有些人认为情绪不利于决策。首先，情绪很难标准化和控制。在像军队这样重要的组织中，士兵需要以可预测和一致的方式行事，而不应受到个人信仰、一时的恐惧和欲望的干扰。其次，情绪可能是糟糕的道德顾问。例如，愤怒等情绪可能会引发报复情绪，在军事背景下甚至可能导致战争罪。第三，强烈的情绪可能导致功能丧失，例如创伤后应激障碍 (PTSS)，
员工在使用人工智能聊天机器人时的情绪
摘要目的——信息系统对使用技术相关情绪的研究在很大程度上持有本质主义的情绪假设，关注负面情绪，将技术视为一种象征或黑匣子，这阻碍了深入了解在特定情境中使用人工智能 (AI) 技术的情感体验区别。本研究侧重于了解员工使用人工智能聊天机器人的情感体验，人工智能聊天机器人是一种特定类型的人工智能系统，它可以从使用方式中学习，并且具有对话性，向用户展示社交存在感。研究问题是员工在使用人工智能聊天机器人时如何以及为何会产生情绪，以及这些情绪如何影响其使用。设计/方法/方法——本研究采用解释性案例研究方法和归纳分析。数据是通过访谈、文件审查和使用观察收集的。研究结果——研究发现，员工对聊天机器人的评价受到人工智能聊天机器人技术的形式和功能设计及其组织和社会背景的影响，从而产生了更广泛的评价和多种情绪。除了积极和消极情绪外，用户还体验到了联系情绪。研究结果表明，多种情绪的存在可以鼓励人们继续使用人工智能聊天机器人。原创性/价值——本研究通过关注员工在实际使用人工智能聊天机器人时的生活经历，同时考虑其特点及其组织和社会背景，扩展了信息系统关于情绪的文献。研究结果为新兴的人工智能文献提供了信息。关键词 聊天机器人、人工智能、情绪、工作中的情绪、数字工作场所、技术使用、人工智能使用、工作的未来、数字化转型、数字化工作方式 论文类型 研究论文
情感的政治经济学：
Dani Magsumbol 我的母亲通过加拿大的住家保姆项目 (1992-2013) 以劳工移民的身份来到加拿大。2009 年，当她终于可以接我和弟弟来的时候，我们遇到了一个全新的家庭：我母亲的朋友们，他们后来成为了我的奶奶，现在也依然是她们的奶奶。对于像我这样的劳工移民子女来说，集体照料的重要性怎么强调也不为过。我们经历的劳工移民的世代创伤——为了满足全球北方的照料需求而强加给全球南方家庭的创伤——得到了世代关怀。我认为我的奶奶是我家庭的一部分，她们也把我视为她们家庭的一部分。家就是彼此，家庭成员包括给予和获取的关系。家庭和家族之爱开启了这段移民和学术之旅，我的博士研究也回归到了家庭和家族之爱。