微表情训练工具(METT)
微表情研究的早期阶段, 研究者们都在关注构造有效测量微表情识别能力的工具。2002 年, 微表情识别领域取得了重大进展, Ekman 研制出第一个微表情训练工具(Micro Expression Training Tool, METT)。该工具包含前测(pretest)、训练(training)、练习(practice)、复习(review)与后测(posttest)5 个部分。其前测程序和JACBART 相同, 测量未受训练情况下人的微表情识别能力。其训练、练习与复习三个部分构成METT 的训程序, 在训练部分, Ekman 用视频方式讲授识别微表情的要点; 在练习部分, 被试练习使用在训练部分学习到的技巧对微表情进行识别; 在复习部分, 被试进一步巩固学习到的技巧。后测程序也与JACBART 相同, 但使用了与前测不同的数据集, 以测量被试接受训练后的微表情识别能力。前测成绩和后测成绩的差异, 反映了被试微表情识别能力的变化。 METT提供训练程序能在 1.5 小时的时间内提高人识别微表情的能力, 后测的成绩能较前测平均提高30%~40% 。由于人往往难以觉察到微表情的存在, 所以微表情识别的研究都可能会出现地板效应。而METT 能提高人对微表情的识别能力, 从而有效地避免研究中的地板效应, 使各种微表情识别研究具有了一定的可行性。但是, METT 的训练效果的维持时间长短目前还不得而知。
瞬间互动研究
在二十世纪六十年代,William Condon率先进行了针对瞬间互动的研究。在他著名的研究项目中,他逐帧地仔细观察了一段4秒半的影片片段,每帧是1/25秒。在对这段影片片段研究一年半之后,他已经可以明辨一些互动时的小动作,比如当丈夫把手伸过来的瞬间,妻子会以一种微弱的节奏移动她的肩膀。
美国心理学家John Gottman通过对情侣录像来分析两人间的互动。通过研究这些微动作,Gottman可以预言哪些情侣会继续恋情,而哪些将会分手。
测量表情研究
和父母或孩子说话时,大家都知道皱眉表示伤心或不满。但皱眉是后天习得的行为么?学者
Paul Ekman也在思考同样的问题。为了得到答案,Ekman决定走访世界各地,研究各种文化背景下的人。通过研究国外城市、偏远岛屿和与世隔绝的丛林的人。
Ekman和研究伙伴W V Friesen作了更深入的研究,(通过观察和生物反馈)他们描绘出了不同的脸部肌肉动作和不同表情的对应关系。Ekman把其归结为一个体系,称之为“面部行为代码系统”Facial Action Coding System (FACS)。
“测量表情”可不容易。比方说,“面部行为代码系统(FACS)”不能识别情绪,只是确认做某个表情时肌肉的动作。测量方法是使用“动作单元(Action UnitsAU)”,每一个AU对应一个特定的动作,比如皱眉是AU 4,扬眉是AU 1。AU里不包括 “嗤笑”或“似笑非笑”这种表述性的语言,因为这会影响对特定表情的理解。它还能识别某个表情是自愿的还是被迫的,是自然的还是故意的。表情的强度也很重要。笑的强度(定义为AU 12)可分为6种,依据是嘴角翘起的角度。同理可以衡量眼睛的收缩(AU 6)。测量的时间长短则需要考虑笑容展开到最大程度的时长、其维持时间、面部恢复到常态的时间。笑的同时是否还有别的表情发生?它们与笑有关还是无关?笑容是对称的么?如果不是对称的,各半边脸部笑的程度是多少?