Summary
कब्जा करने और सांख्यिकीय विश्लेषण करने के लिए एक संवेदी मूल्यांकन प्रयोगशाला स्वचालित चेहरे की अभिव्यक्ति विश्लेषण सॉफ्टवेयर का उपयोग में पेय पदार्थों और तरलीकृत खाद्य पदार्थों के लिए आबादी के भावनात्मक प्रतिक्रिया के लिए एक प्रोटोकॉल में वर्णित है।
Introduction
स्वचालित चेहरे की अभिव्यक्ति विश्लेषण (AFEA) पेय पदार्थों और खाद्य पदार्थों के लिए भावनात्मक प्रतिक्रियाओं निस्र्पक के लिए एक संभावित विश्लेषणात्मक उपकरण है। भावनात्मक विश्लेषण मौजूदा संवेदी विज्ञान के तरीके में, भोजन मूल्यांकन प्रथाओं, और hedonic पैमाने रेटिंग करने के लिए एक अतिरिक्त आयाम जोड़ सकते हैं आम तौर पर अनुसंधान और उद्योग सेटिंग्स में दोनों का इस्तेमाल किया। भावनात्मक विश्लेषण एक अतिरिक्त मीट्रिक कि खाद्य और पेय पदार्थ के लिए एक अधिक सटीक प्रतिक्रिया का पता चलता है प्रदान कर सकता है। Hedonic स्कोरिंग विफलता के कारण प्रतिक्रियाओं 1 रिकॉर्ड करने के लिए भागीदार पूर्वाग्रह शामिल हो सकते हैं।
AFEA अनुसंधान कंप्यूटर गेमिंग, उपयोगकर्ता व्यवहार, शिक्षा / शिक्षा शास्त्र, और सहानुभूति और धोखे पर मनोविज्ञान के अध्ययन सहित कई अनुसंधान अनुप्रयोगों में इस्तेमाल किया गया है। ज्यादातर खाद्य से जुड़े अनुसंधान भोजन की गुणवत्ता और भोजन के साथ मानवीय व्यवहार करने के लिए भावनात्मक प्रतिक्रिया निस्र्पक पर ध्यान केंद्रित किया है। भोजन व्यवहार में अंतर्दृष्टि पाने में हाल की प्रवृत्ति के साथ, साहित्य रिपोर्ट के एक बढ़ती शरीर AFEA का उपयोग करेंखाद्य पदार्थ, पेय पदार्थ, और odorants 1-12 से जुड़े मानव भावनात्मक प्रतिक्रिया निस्र्पक के लिए।
AFEA चेहरे कार्रवाई कोडिंग प्रणाली (FACS) से ली गई है। चेहरे की कार्रवाई कोडिंग प्रणाली (FACS) एक 5 सूत्री तीव्रता पैमाने 13 पर कार्रवाई इकाइयों (ऑस्ट्रेलिया) द्वारा विशेषता चेहरे आंदोलनों भेदभाव। FACS दृष्टिकोण प्रशिक्षित समीक्षा विशेषज्ञों का मार्गदर्शन कोडिंग, महत्वपूर्ण मूल्यांकन के समय की आवश्यकता है, और सीमित डेटा विश्लेषण विकल्प प्रदान करता है। AFEA भावनाओं को निर्धारित करने के लिए एक तेजी से मूल्यांकन पद्धति के रूप में विकसित किया गया था। AFEA सॉफ्टवेयर भावनात्मक प्रतिक्रिया 14-18 को चिह्नित करने के चेहरे की मांसपेशियों आंदोलन, चेहरे डेटाबेस, और एल्गोरिदम पर निर्भर करता है। AFEA इस अध्ययन में इस्तेमाल किया सॉफ्टवेयर भावनात्मक चेहरे की अभिव्यक्ति चित्र के वारसॉ सेट (WSEFEP) और एम्सटर्डम में गतिशील चेहरे की अभिव्यक्ति, जो 0.70 के एक मानक समझौते के करीब है सेट (ADFES) दोनों पर औसतन 0.67 के समझौते का एक "FACS सूचकांक पहुँच मैनुअल कोडिंग "19 के लिए 20। इसके अलावा, मनोविज्ञान साहित्य, खुश हैरान और गुस्से के रूप में "दृष्टिकोण" भावनाओं (उत्तेजनाओं की ओर) और दुख की बात भी शामिल है, डर लगता है, और "के रूप में वापसी" भावनाओं को निराश (प्रतिकूल उत्तेजनाओं से दूर) 21।
खाद्य पदार्थों के साथ जुड़े भावनाओं निस्र्पक के लिए वर्तमान AFEA सॉफ्टवेयर की एक सीमा चबाने और निगलने के साथ ही इस तरह के चरम सिर आंदोलनों के रूप में अन्य सकल मोटर गति, के साथ जुड़े चेहरे आंदोलनों से हस्तक्षेप है। सॉफ्टवेयर छोटे चेहरे की मांसपेशियों में गति, संबंधित स्थिति और आंदोलन की डिग्री है, चेहरे 16,17 पर 500 से अधिक मांसपेशियों अंक के आधार पर लक्ष्य। चबाने वाली गतियों भाव के वर्गीकरण के साथ हस्तक्षेप। इस सीमाव्यावहारिक तरलीकृत खाद्य पदार्थों का उपयोग कर संबोधित किया जा सकता है। हालांकि, अन्य कार्यप्रणाली चुनौतियों का भी वीडियो संवेदनशीलता और विशेषताओं सहित डेटा संग्रह पर्यावरण, प्रौद्योगिकी, शोधकर्ता निर्देश, भागीदार व्यवहार, और भागीदार AFEA विश्लेषण घटा सकते हैं।
एक मानक पद्धति विकसित नहीं किया गया है और इष्टतम वीडियो को पकड़ने और डेटा विश्लेषण एक संवेदी मूल्यांकन प्रयोगशाला स्थापित करने में खाद्य और पेय पदार्थ के लिए भावनात्मक प्रतिक्रिया के लिए AFEA प्रयोग करने के लिए सत्यापित। कई पहलुओं प्रकाश व्यवस्था सहित वीडियो पर कब्जा पर्यावरण को प्रभावित कर सकते हैं, प्रकाश व्यवस्था, भागीदार दिशाओं, भागीदार व्यवहार, भागीदार ऊंचाई, और साथ ही, कैमरा ऊंचाई, कैमरा मछली पकड़ने, और उपकरणों सेटिंग के कारण ग्रहण। इसके अलावा, डेटा विश्लेषण के तरीके में असंगत हैं और भावनात्मक प्रतिक्रिया का आकलन करने के लिए एक मानक पद्धति की कमी है। यहाँ, हम पेय पदार्थों का उपयोग कर सार्थक परिणाम में भावनात्मक डेटा और डाटा प्रोसेसिंग पर कब्जा करने के लिए हमारे मानक संचालन प्रक्रिया का प्रदर्शन करेंगे (सुगंधित दूध, मूल्यांकन के लिए unflavored दूध और पानी unflavored)। हमारे ज्ञान केवल एक सहकर्मी की समीक्षा प्रकाशन के लिए, हमारी प्रयोगशाला समूह से, भावनाओं विश्लेषण 8 के लिए डेटा की व्याख्या के लिए समय की श्रृंखला के लिए उपयोग किया गया है; हालांकि, विधि हमारे प्रस्तुत विधि के लिए अद्यतन किया गया है। हमारा उद्देश्य एक संवेदी मूल्यांकन प्रयोगशाला स्थापित करने में reproducibility के साथ मदद करने के लिए एक बेहतर और लगातार कार्यप्रणाली विकसित करना है। प्रदर्शन के लिए, अध्ययन मॉडल का उद्देश्य यदि AFEA सुगंधित दूध, दूध और unflavored unflavored पानी की पारंपरिक hedonic स्वीकार्यता आकलन के पूरक हो सकता है मूल्यांकन करने के लिए है। इस वीडियो प्रोटोकॉल के इरादे AFEA कार्यप्रणाली स्थापित करने में मदद, एक संवेदी मूल्यांकन प्रयोगशाला में वीडियो पर कब्जा मापदंड (संवेदी बूथ सेटिंग) का मानकीकरण, और आबादी के अस्थायी भावनात्मक डेटा विश्लेषण के लिए एक विधि वर्णन करने के लिए है।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
आचार कथन: इस अध्ययन परियोजना शुरू करने से पहले वर्जीनिया टेक संस्थागत समीक्षा बोर्ड (आईआरबी) (आईआरबी 14-229) द्वारा पूर्व-अनुमोदित किया गया था।
सावधानी: मानव विषय अनुसंधान भागीदारी के लिए पूर्व सूचित सहमति की आवश्यकता है। आईआरबी अनुमोदन, अभी भी या वीडियो चित्र के उपयोग के लिए सहमति के अलावा भी प्रिंट, वीडियो, या ग्राफिक इमेजिंग के लिए किसी भी चित्र को रिहा करने से पहले आवश्यक है। इसके अतिरिक्त, खाद्य एलर्जी का परीक्षण करने से पहले खुलासा कर रहे हैं। प्रतिभागियों पैनल शुरू होने से पहले कहा जाता है कि वे किसी भी असहिष्णुता, एलर्जी या अन्य चिंताएं हैं।
नोट: अपवर्जन मानदंड: स्वचालित चेहरे की अभिव्यक्ति विश्लेषण मोटी फंसाया चश्मा, भारी दाढ़ी वाले चेहरे और त्वचा टोन के प्रति संवेदनशील है। प्रतिभागियों जो इन मानदंडों राशि में विफल रहा है वीडियो का एक बढ़ा जोखिम के कारण सॉफ्टवेयर विश्लेषण के साथ असंगत हैं। इस सॉफ्टवेयर के चेहरे लगाने के लिए अक्षमता को जिम्मेदार ठहराया है।
1. नमूना तैयार करना और प्रतिभागी भर्ती
- पेय या नरम तैयारभोजन के नमूने।
- कॉस्टेलो और क्लार्क (2009) 22 से 2% दूध का उपयोग डेयरी समाधान तेज और सुझाव जायके के साथ ही अन्य जायके तैयार करें। निम्नलिखित समाधान तैयार: (1) unflavored दूध (2% कम वसा वाले दूध); (2) unflavored पानी (पीने के पानी); (3) दूध में वेनिला निकालने स्वाद (0.02 ग्राम / एमएल) (नकली स्पष्ट वेनिला स्वाद); और (4) दूध में नमकीन स्वाद (0.004 ग्राम / मिलीलीटर आयोडीन युक्त नमक)।
नोट: ये समाधान प्रदर्शन प्रयोजनों के लिए उपयोग किया जाता है। - 2 आस्ट्रेलिया में आधा औंस aliquots (~ 15 ग्राम) प्रत्येक समाधान की डालो। पारदर्शी प्लास्टिक नमूना कप और रंग कोडित पलकों के साथ टोपी।
नोट: यह पारदर्शी कप का उपयोग करने के लिए सिफारिश की है, हालांकि, यह शोधकर्ता के विवेक पर निर्भर है।
- कॉस्टेलो और क्लार्क (2009) 22 से 2% दूध का उपयोग डेयरी समाधान तेज और सुझाव जायके के साथ ही अन्य जायके तैयार करें। निम्नलिखित समाधान तैयार: (1) unflavored दूध (2% कम वसा वाले दूध); (2) unflavored पानी (पीने के पानी); (3) दूध में वेनिला निकालने स्वाद (0.02 ग्राम / एमएल) (नकली स्पष्ट वेनिला स्वाद); और (4) दूध में नमकीन स्वाद (0.004 ग्राम / मिलीलीटर आयोडीन युक्त नमक)।
- कैंपस या स्थानीय समुदाय से भर्ती प्रतिभागियों को अध्ययन में भाग लेने के लिए।
नोट: प्रतिभागी नमूने का आकार एक अध्ययन के लिए आवश्यक शोधकर्ता के विवेक पर निर्भर है। हम 10 से 50 प्रतिभागियों की एक श्रृंखला की सलाह देते हैं। अध्ययन में भाग लेने के लिए पहले मानव विषय सहमति प्राप्त।
वीडियो पर कब्जा के लिए पैनल रूम की 2. तैयारी
नोट: इस प्रोटोकॉल एक संवेदी मूल्यांकन प्रयोगशाला में डेटा को पकड़ने के लिए है। इस प्रोटोकॉल एक संवेदी बूथ स्थापित करने के लिए AFEA डेटा पर कब्जा उपयोगी बनाना है।
- उन्हें (चेहरे स्तर) के सामने एक टचस्क्रीन पर नजर रखने के साथ अलग-अलग बूथों का प्रयोग उनके ध्यान आगे रखने के लिए और नीचे देख रोकने के लिए।
- वापस समर्थन के साथ समायोज्य ऊंचाई कुर्सियों का प्रयोग करें।
नोट: ये प्रतिभागियों खड़ी समायोजित और वीडियो को पकड़ने के लिए एक उपयुक्त श्रेणी में रखा जाना करने के लिए अनुमति देने के लिए आवश्यक हैं। समायोज्य वापस ऊंचाई समर्थन के साथ स्थिर कुर्सियों (कोई रोलिंग सुविधा) का प्रयोग करें ताकि भागीदार के आंदोलनों कम कर रहे हैं। - (; आर = 206; जी = 242, बी = 255 प्रदीपक 6504K) इष्टतम चेहरे भावनात्मक वीडियो को पकड़ने के लिए "100% दिन के उजाले" पर भूमि के ऊपर प्रकाश सेट करें।
नोट: तीव्र ग्रहण से बचने के लिए, फैलाना सामने प्रकाश आईडीई हैअल जबकि प्रकाश की तीव्रता या रंग के रूप में प्रासंगिक 20 नहीं है। अंत में, यह शोधकर्ता, व्यक्तिगत प्रोटोकॉल / कार्यप्रणाली, और पर्यावरण को पकड़ने के लिए प्रकाश व्यवस्था को नियंत्रित करने के विवेक पर निर्भर है। - रिकॉर्डिंग के लिए टचस्क्रीन पर नजर रखने के ऊपर एक समायोज्य कैमरा प्रत्यय।
- कम से कम 640 x 480 पिक्सल (या अधिक) 20 के एक संकल्प के साथ एक कैमरा का प्रयोग करें। खरीद और स्थापना 20 से पहले सॉफ्टवेयर प्रदाता के साथ आवश्यक कैमरा क्षमताओं पर चर्चा करें। नोट: पहलू अनुपात महत्वपूर्ण 20 नहीं है।
- स्थिरता के लिए दूसरा (या अन्य मानक गति) प्रति 30 फ्रेम करने के लिए कैमरे पर कब्जा गति सेट करें।
- कनेक्ट और मीडिया रिकॉर्डिंग सॉफ्टवेयर रिकॉर्ड और भागीदार वीडियो को बचाने के लिए कैमरे स्थापित करने के लिए किया जाता है।
3. प्रतिभागी समायोजन और मौखिक निर्देश
- एक समय में केवल एक भागीदार संवेदी बूथ में नमूने का मूल्यांकन किया है।
नोट: से अधिक परीक्षणएक ही समय में एक भागीदार परीक्षण वातावरण के साथ हस्तक्षेप और प्रतिभागी की एकाग्रता को बाधित या पूर्वाग्रह बना सकते हैं। - आगमन पर, प्रतिभागियों की प्रक्रिया और मानक संचालन प्रक्रियाओं के बारे में मौखिक निर्देश दे।
- प्रतिभागियों को सीधे ऊपर और कुर्सी के पीछे के खिलाफ बैठते है।
- इतना है कि भागीदार के चेहरे ठोड़ी पर या आंखों के आसपास कोई छाया के साथ वीडियो रिकॉर्डिंग के केंद्र में कब्जा कर लिया है, कुर्सी ऊंचाई, कुर्सी (कैमरे से दूरी) की स्थिति, और कैमरे के कोण समायोजित करें।
नोट: संवेदी बूथ में भागीदार के सिर लगभग 20 - 24 इंच कैमरा और चेहरे कैमरे के वीडियो फ़ीड में केंद्रित के साथ तुलना मॉनिटर से दूर। - के रूप में तैनात है और मॉनिटर प्रदर्शन की ओर का सामना करना पड़ ध्यान केंद्रित को हिदायत प्रतिभागियों बैठे रहते हैं। इसके अतिरिक्त, नमूना प्रति 30 सेकंड मूल्यांकन अवधि के दौरान किसी भी अचानक आंदोलनों के बाद नमूना खपत से परहेज करने के लिए प्रतिभागियों को हिदायत। पूरे पेय या खाद्य तरलीकृत नमूना उपभोग और निगल करने के लिए प्रतिभागी को निर्देश दें।
- प्रतिभागी को हिदायत जल्दी से स्थानांतरित करने के लिए ठोड़ी के नीचे और नीचे नमूना कप मेज पर तुरंत बाद नमूना मुंह में है। इस चेहरे का रोड़ा खत्म है। उन्हें याद दिलाना की निगरानी की ओर देख रखने के लिए।
नोट: नमूना देने के लिए नमूना वाहक शोधकर्ता के विवेक पर निर्भर है। एक भूसे या कप में इस्तेमाल किया जा सकता है। भले ही, प्रारंभिक चेहरे रोड़ा अपरिहार्य है क्योंकि चेहरे occluded या खपत के कारण विकृत हो जाएगा।
- प्रतिभागी को हिदायत निर्देशों का पालन करने के रूप में वे टचस्क्रीन मॉनिटर पर दिखाई देते हैं। नोट: के रूप में स्वचालित संवेदी सॉफ्टवेयर प्रोग्राम में निर्देश स्वचालित रूप से अनुक्रम कर रहे हैं।
वीडियो पर कब्जा के लिए 4. व्यक्ति भागीदार प्रक्रिया
- पुष्टि वीडियो कैमरा बेहतर भागीदार के चेहरे पर कब्जा है, जबकि भागीदार बैठा हैआराम से बूथ (नमूना प्रस्तुति से पहले) में कंप्यूटर मॉनीटर जिस पर वीडियो पर कब्जा प्रदर्शित किया जाता है देखने के द्वारा। कंप्यूटर मॉनीटर पर रिकॉर्ड बटन पर क्लिक करके रिकॉर्डिंग शुरू।
- उनकी तालू को साफ करने के लिए पानी के घूंट प्रतिभागियों को हिदायत।
- एक समय में उपचार के एक प्रदान, एक आधारभूत या नियंत्रण उपचार (unflavored पानी) के साथ शुरू। वीडियो के भीतर नमूना उपचार पहचान के लिए नमूना रंग कोड से संबंधित प्रत्येक नमूना के शीर्ष पर रखा एक अनूठा रंग का सूचकांक कार्ड द्वारा एक नमूना पहचानें।
नोट: टचस्क्रीन मॉनिटर पर प्रोग्राम मार्गदर्शन प्रतिभागियों को निर्देश देता है। निर्देश प्रत्येक उपचार के नमूने के लिए मानकीकृत कदम की एक श्रृंखला के माध्यम से प्रतिभागी को प्रत्यक्ष। - के माध्यम से टचस्क्रीन पर नजर रखने, भाग लेने के लिए प्रत्यक्ष:
- वीडियो में नमूना पहचान के लिए जुड़े रंग सूचकांक कार्ड पूर्व खपत को पकड़ो।
नोट: रंग कार्ड एक तरह से शोधकर्ताओं ने एक वीडियो में उपचार की पहचान कर सकते हैंएन डी नमूना मूल्यांकन के लिए उचित समय सीमा (समय शून्य) को चिह्नित। - संक्षेप में कार्ड धारण करने के बाद, ट्रे पर वापस कार्ड जगह है।
- पूरी तरह से नमूना उपभोग करते हैं और लगभग 30 सेकंड, मॉनिटर पर प्रोग्राम मार्गदर्शन के माध्यम से लागू इंतजार है, जबकि कैमरे की ओर का सामना करना पड़।
नोट: 30 सेकंड नियंत्रित नमूना अवधि एक समय अवधि पूरी नमूना मूल्यांकन अवधि के लिए पर्याप्त मात्रा में शामिल हैं (यानी, सूचकांक कार्ड दिखा रहा है, एक नमूना (ढक्कन हटाने), खपत, और भावनात्मक कब्जा खोलने)। - (टचस्क्रीन मॉनिटर पर उनकी स्वीकार्यता hedonic स्कोर दर्ज 1 = नापसंद अत्यंत, 2 = बहुत ज्यादा है, 3 = मामूली नापसंद नापसंद करते हैं, 4 = नापसंद थोड़ा, 5 = न की तरह है और न ही नापसंद करते हैं, 6 = थोड़ा तरह, 7 = मामूली तरह, 8 = की तरह बहुत ज्यादा है, जैसे अत्यंत 9 =)।
- अगले नमूना प्रक्रिया से पहले पीने के पानी के साथ मुँह कुल्ला।
- वीडियो में नमूना पहचान के लिए जुड़े रंग सूचकांक कार्ड पूर्व खपत को पकड़ो।
5. स्वचालित चेहरे की अभिव्यक्ति विश्लेषण विकल्पों का मूल्यांकन
नोट: कई चेहरे की अभिव्यक्ति विश्लेषण सॉफ्टवेयर प्रोग्राम मौजूद हैं। सॉफ्टवेयर पर है और कार्यों भिन्न हो सकते हैं। यह निर्माता के दिशा निर्देशों का पालन उपयोगकर्ता और संदर्भ पुस्तिका 20 के लिए महत्वपूर्ण है।
- एक मीडिया प्रारूप में रिकॉर्डिंग बचाने के लिए और स्वचालित चेहरे की अभिव्यक्ति विश्लेषण सॉफ्टवेयर के लिए स्थानांतरण।
- स्वचालित चेहरे विश्लेषण सॉफ्टवेयर का उपयोग भागीदार वीडियो का विश्लेषण।
- कंप्यूटर के डेस्कटॉप पर सॉफ्टवेयर आइकन पर डबल क्लिक करें।
- एक बार प्रोग्राम खुला है, "फाइल", "परियोजना ..." क्लिक करें "नया ...", और चुनें
- पॉप अप विंडो में प्रोजेक्ट नाम है और इस परियोजना को बचाने के।
- (एक (+) पर हस्ताक्षर के साथ व्यक्ति) "प्रतिभागियों को जोड़ें" आइकन पर क्लिक करके परियोजना के लिए प्रतिभागियों को जोड़ें। अधिक प्रतिभागियों को इस कदम को दोहराने से जोड़ा जा सकता है।
- विश्लेषण के लिए संबंधित भाग लेने के लिए प्रतिभागी की वीडियो जोड़ें।
- स्क्रीन के बाईं ओर पर फिल्म रील वाई के आइकन पर क्लिक करेंवें एक प्लस (+) पर हस्ताक्षर के लिए एक वीडियो का विश्लेषण करने के लिए जोड़ने के लिए।
- जोड़ने के लिए वीडियो ब्राउज़ करने के लिए ब्याज की भागीदार के तहत "मैग्नीफाइंग ग्लास" पर क्लिक करें।
- सॉफ्टवेयर में निरंतर अंशांकन विश्लेषण सेटिंग के तहत वीडियो फ्रेम-दर-फ्रेम का विश्लेषण।
- प्रत्येक प्रतिभागी वीडियो के लिए "सेटिंग" टैब के तहत विंडो के तल पर सेटिंग्स को समायोजित करने के लिए, पेंसिल आइकन पर क्लिक करें।
- सेट जनरल को "सामना मॉडल"। हाँ करने के लिए "smoothen वर्गीकरण" सेट। "नमूना दर" सेट हर फ्रेम करने के लिए।
- हाँ करने के लिए नहीं, सेट करने के लिए "छवि रोटेशन" "सतत अंशांकन" सेट। कोई नहीं करने के लिए "चयनित अंशांकन" सेट।
- परियोजना सेटिंग्स सहेजें।
- परियोजना वीडियो का विश्लेषण करने के लिए बैच विश्लेषण आइकन (एक ही लाल और काले रंग के लक्ष्य की तरह प्रतीक) दबाएँ।
- परिणामों को बचाने के लिए एक बार विश्लेषण पूरा हो गया है।
नोट: अन्य वीडियो सेटिंग्स यदि researc सॉफ्टवेयर में मौजूदउसकी पसंद एक और विश्लेषण विधि वारंट। - वीडियो विफलताओं पर विचार करें, तो गंभीर चेहरे अवरोध या अक्षमता चेहरे नक्शा करने के लिए निर्दिष्ट के बाद खपत खिड़की (चित्रा 1) के दौरान बनी रहती है। इसके अतिरिक्त, मॉडल में विफल रहता है, तो डेटा कहेंगे "FIT_FAILED" या "FIND_FAILED" निर्यात आउटपुट फाइल में (चित्रा 2)। इस खो डेटा का प्रतिनिधित्व करता है के बाद से सॉफ्टवेयर को वर्गीकृत या प्रतिभागी की भावनाओं का विश्लेषण नहीं कर सकते।
नोट: AFEA प्रत्येक भावना के लिए 1 (पूरी तरह से व्यक्त) करने के लिए, तटस्थ खुश, निराश, उदास, गुस्सा, आश्चर्य और डर से 0 पैमाने पर (नहीं व्यक्त) चेहरे की मांसपेशियों की गति अनुवाद।
- प्रत्येक प्रतिभागी वीडियो के लिए "सेटिंग" टैब के तहत विंडो के तल पर सेटिंग्स को समायोजित करने के लिए, पेंसिल आइकन पर क्लिक करें।
- आगे के विश्लेषण के लिए लॉग इन फ़ाइलों (.txt) के रूप में AFEA डेटा उत्पादन निर्यात करें।
- एक बार जब विश्लेषण पूरा कर रहे हैं, पूरी परियोजना निर्यात।
- "फाइल", "निर्यात", "निर्यात परियोजना परिणाम" पर क्लिक करें।
- जब एक खिड़की खोलता है, जहां निर्यात shou के स्थान का चयनएलडी बचाया और एक फ़ोल्डर में लॉग इन फ़ाइलों (.txt) को बचाने किया।
- एक डेटा स्प्रेडशीट के लिए प्रत्येक भागीदार लॉग जीवन कन्वर्ट (.csv या .xlsx) प्रासंगिक डेटा निकालने के लिए।
- ओपन डेटा स्प्रेडशीट सॉफ्टवेयर और "डाटा" टैब का चयन करें।
- "डाटा" टैब पर, "बाहरी डेटा प्राप्त" समूह में, "पाठ से" पर क्लिक करें।
- "पता पट्टी", की स्थिति जानें, आयात करने के लिए भागीदार पाठ फ़ाइल डबल-क्लिक करें और स्क्रीन विज़ार्ड के निर्देशों का पालन करें।
- सभी प्रासंगिक भागीदार फ़ाइलों के लिए निर्यात प्रक्रिया को जारी रखें।
- एक बार जब विश्लेषण पूरा कर रहे हैं, पूरी परियोजना निर्यात।
6. डेटा विश्लेषण के लिए टाइमस्टैम्प प्रतिभागी वीडियो
- AFEA सॉफ्टवेयर का उपयोग करना, स्वयं एक भागीदार के वीडियो की समीक्षा करने और प्रत्येक नमूना के लिए पोस्ट-खपत बार शून्य की पहचान। एक डेटा स्प्रेडशीट में टाइमस्टैम्प रिकॉर्ड। पोस्ट-खपत परिभाषित किया गया है जब नमूना कप में भाग लेने की ठोड़ी के नीचे OC है और अबचेहरे cludes।
नोट: टाइमस्टैम्प के स्थान के मूल्यांकन के लिए महत्वपूर्ण है। इस मुद्दे पर जहां कप नहीं रह चेहरे occludes इष्टतम सिफारिश है और timestamps सभी प्रतिभागियों के लिए अनुरूप होना चाहिए। - वीडियो से प्रासंगिक डेटा निकालने के लिए एक संदर्भ के रूप में टाइमस्टैम्प डेटा (.csv) स्प्रेडशीट बचाओ।
नोट: प्रतिभागी वीडियो के रूप में भी "घटना चिह्नित" सॉफ्टवेयर में आंतरिक रूप से कोडित किया जा सकता है।
7. समय श्रृंखला भावनात्मक विश्लेषण
नोट: "आधारभूत" पर विचार करें नियंत्रण (यानी, इस उदाहरण में unflavored पानी) हो सकता है। शोधकर्ता एक अलग "आधारभूत उपचार प्रोत्साहन" या बनती तुलना जांच के हितों पर निर्भर के लिए एक "प्रोत्साहन के बिना आधारभूत समय" बनाने की क्षमता है। विधि एक बनती सांख्यिकीय परीक्षण का उपयोग द्वारा प्रस्तावित एक "डिफ़ॉल्ट" राज्य के लिए खातों। दूसरे शब्दों में, प्रक्रिया सांख्यिकीय अवरुद्ध उपयोग करता है (यानी,एक बनती परीक्षण) प्रत्येक भागीदार के डिफ़ॉल्ट उपस्थिति के लिए समायोजित करने के लिए और इसलिए प्रतिभागियों भर परिवर्तनशीलता कम कर देता है।
- निर्यात फ़ाइलों (.csv या .xlsx) से प्रासंगिक डेटा निकालें।
- अध्ययन मूल्यांकन (सेकंड) के लिए प्रासंगिक एक समय सीमा को पहचानें।
- भागीदार टाइमस्टैम्प (समय शून्य) के परामर्श के निर्यात भागीदार फाइलों से संबंधित डेटा (समय सीमा) मैन्युअल निकाल सकते हैं।
- चुनिंदा समय सीमा (सेकंड) एक नया डेटा स्प्रेडशीट में के लिए प्रत्येक भागीदार के उपचार डेटा (भागीदार नंबर, उपचार, मूल वीडियो समय, और भावनाओं प्रतिक्रिया) भावना प्रति (खुश, तटस्थ, दुख की बात है, गुस्सा, आश्चर्य है, डर लगता है, और निराश) संकलन भविष्य के विश्लेषण (चित्रा 3) के लिए।
- सभी प्रतिभागियों के लिए इस प्रक्रिया को जारी रखें।
- प्रत्येक प्रतिभागी को उपचार जोड़ी के लिए टाइमस्टैम्प फ़ाइल से इसी समय शून्य को पहचानें और प्रत्यक्ष तुलना के लिए एक सही समय "0" करने के लिए वीडियो समय समायोजित (
नोट: प्रतिभागी डेटा एक सतत वीडियो में एकत्र किया जाता है इसलिए प्रत्येक उपचार "समय शून्य" अलग है (: 13.5 और unflavored दूध वीडियो शून्य समय 03 है: यानी, unflavored पानी वीडियो समय शून्य 02 15.4)। चित्रा 4 में अलग-अलग होने के कारण उपचार भावनात्मक प्रतिक्रिया डेटा का सीधा समय की तुलना के लिए आदेश में: "00.0 0" या अन्य मानक शुरू समय उपचार "समय शून्य", वीडियो बार पुनः समायोजन और कम से शुरू करने के लिए पुनः संगठित होने की जरूरत है। - प्रत्येक प्रतिभागी, भावना, और समायोजित समय बिंदु के लिए, बनती उपचार (जैसे, unflavored दूध) और नियंत्रण उपचार (जैसे, unflavored पानी) मात्रात्मक भावनात्मक स्कोर निकाल सकते हैं। दूसरे शब्दों में, प्रत्येक भावना (चित्रा 5) के लिए प्रतिक्रियाओं का एक भागीदार के उपचार और नियंत्रण समय श्रृंखला संरेखित।
- सभी प्रतिभागी की जानकारी (भागीदार, समायोजित समय, और बनती उपचार संकलित करें(जैसे, unflavored पानी और unflavored दूध) हर समय बिंदु पर (चित्रा 6)।
नोट: नीचे दिए गए चरणों हाथ से एक बनती विलकॉक्स परीक्षण के लिए कदम प्रदर्शित करता है। अधिकांश डेटा विश्लेषण सॉफ्टवेयर प्रोग्राम स्वचालित रूप से ऐसा करेगा। यह एक सांख्यिकीविद् के साथ सांख्यिकीय विश्लेषण की प्रक्रिया पर चर्चा करने के लिए सिफारिश की है। - एक बार नमूने रीसेट और नए समायोजित वीडियो समय के साथ जुड़ रहे हैं, सीधे एक संबंधित नमूना के भावनात्मक परिणाम और नियंत्रण (unflavored पानी) प्रतिभागियों भर अनुक्रमिक बनती nonparametric Wilcoxon परीक्षण का उपयोग कर (चित्रा 7) के बीच तुलना करें।
नोट: नमूनों की नई समय संरेखण 5 सेकंड के बाद खपत समय सीमा के भीतर प्रत्यक्ष तुलना के लिए अनुमति देगा। एक बनती अवलोकन एक उपचार में मौजूद नहीं है, तो उस समय बिंदु तुलना से भागीदार ड्रॉप।- डेटा का उपयोग कर spreadshe नियंत्रण और प्रत्येक बनती तुलना के लिए संबंधित नमूना के बीच अंतर की गणनाएट प्रबंधन सॉफ्टवेयर।
नोट: तुलना सॉफ्टवेयर में भावनात्मक विश्लेषण के लिए चयनित फ्रेम दर पर निर्भर हो जाएगा। प्रोटोकॉल 5 सेकंड (चयनित समय सीमा) के लिए प्रति सेकंड 30 व्यक्ति तुलना दर्शाता है।
नोट: उपयोग चित्रा 7 कॉलम और चरणों के लिए एक संदर्भ के रूप में।- नियंत्रण (जैसे, unflavored पानी) अंतर को निर्धारित करने के मान से दूध (जैसे, unflavored दूध) का मूल्य घटाना। शीर्षक "उपचार अंतर" एक नया स्तंभ, प्रवेश "= (सी 2) - (डी 2)" में डेटा स्प्रेडशीट प्रबंधन सॉफ्टवेयर में, जहां "सी 2" नियंत्रण भावनात्मक मूल्यों और "डी 2" चयनित उपचार भावनात्मक मूल्यों है। हर समय बिंदुओं के लिए इस प्रक्रिया को जारी रखें।
- उपचार के अंतर के निरपेक्ष मूल्य की गणना। एक नया स्तंभ में डेटा स्प्रेडशीट प्रबंधन सॉफ्टवेयर में दर्ज "= ABS (E2)", जहां "" E2 उपचार अंतर है। के लिए इस प्रक्रिया को जारी रखेंसभी समय अंक।
- उपचार के अंतर के पद के लिए निर्धारित। एक नया स्तंभ में डेटा स्प्रेडशीट प्रबंधन सॉफ्टवेयर में दर्ज "= रैंक (G2, $ जी $ 2: $ जी $ 25, 1)" जहां "G2" निरपेक्ष अंतर है और "1" "आरोही" है। हर समय बिंदुओं के लिए इस प्रक्रिया को जारी रखें।
- स्प्रेडशीट पर रैंक आदेश के पद पर हस्ताक्षर किए निर्धारित करते हैं। नकारात्मक करने के लिए हस्ताक्षर करता है, तो इलाज अंतर नकारात्मक था (स्तंभ मैं) बदलें।
- रैंक मूल्यों का I25): I25, "> 0", I2: I25) और नकारात्मक योग = SUMIF (I2: I25, "<0", I2 सकारात्मक योग (= SUMIF (I2 की गणना।
- परीक्षण आंकड़ा निर्धारित करते हैं। परीक्षण आंकड़ा निरपेक्ष मूल्य कम योग है।
- Wilcoxon हस्ताक्षर वें स्थान पर टेस्ट आँकड़ा के लिए सांख्यिकीय टेबल नंबर का उपयोग कर की टिप्पणियों पर विशिष्ट समय और एक चयनित अल्फा मूल्य महत्वपूर्ण मूल्य निर्धारित करने के लिए शामिल किए गए परामर्श करें।
- यदि परीक्षण आंकड़ा कम है की तुलना में महत्वपूर्ण मूल्य टी अस्वीकारवह शून्य परिकल्पना। यदि यह अधिक है, अशक्त परिकल्पना स्वीकार करते हैं।
- डेटा का उपयोग कर spreadshe नियंत्रण और प्रत्येक बनती तुलना के लिए संबंधित नमूना के बीच अंतर की गणनाएट प्रबंधन सॉफ्टवेयर।
- समय के लिए जुड़े उपचार ग्राफ (यानी, unflavored दूध unflavored पानी की तुलना में) पर परिणाम ग्राफ जब शून्य परिकल्पना को अस्वीकार कर दिया है। जो उपचार अधिक से अधिक भावना (8 चित्रा) है निर्धारित करने के लिए अंतर के हस्ताक्षर का प्रयोग करें।
- डेटा स्प्रेडशीट प्रबंधन सॉफ्टवेयर में एक ग्राफ उपस्थिति या महत्व के अभाव के मूल्यों का उपयोग कर बना।
- "डालें" टैब पर क्लिक करें।
- चुनें "रेखा"
- सही ग्राफ बॉक्स पर क्लिक करें।
- "डेटा का चयन करें" क्लिक करें और स्क्रीन का चयन और ग्राफ प्रासंगिक डेटा (चित्रा 8) करने के लिए संकेत का पालन करें।
नोट: रेखांकन भावनात्मक परिणाम पेश करेंगे जहां नमूना या नियंत्रण उच्च और महत्वपूर्ण है। ग्राफ़ निर्भर, भावना विचार करने के लिए कैसे प्रतिभागी की भावनाओं की क्षमता की अनुमति है कि विशिष्ट समय में अधिक हैदो नमूनों के बीच 5 सेकंड समय अवधि में विकसित।
नोट: एक सांख्यिकीविद् के साथ सांख्यिकीय समर्थन अत्यधिक प्रासंगिक डेटा निकालने के लिए सिफारिश की है। सांख्यिकीय कोडिंग के विकास भावनात्मक परिणामों का विश्लेषण करने के लिए आवश्यक है।
- डेटा स्प्रेडशीट प्रबंधन सॉफ्टवेयर में एक ग्राफ उपस्थिति या महत्व के अभाव के मूल्यों का उपयोग कर बना।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
विधि AFEA डेटा संग्रह के लिए एक मानक प्रोटोकॉल का प्रस्ताव है। सुझाव प्रोटोकॉल कदम का पालन कर रहे हैं, तो व्यर्थ भावनात्मक डेटा निर्गम (चित्रा 1) गरीब डेटा संग्रह से उत्पन्न (चित्रा 2: एक; चित्र बाएं) सीमित हो सकती है। यदि लॉग फ़ाइलें (.txt) मुख्य रूप से "FIT_FAILED" और "FIND_FAILED" होते हैं के रूप में इस बुरी डेटा (चित्रा 1) है समय श्रृंखला विश्लेषण के लिए उपयोग नहीं किया जा सकता। इसके अलावा, विधि एक समय सीमा से अधिक भावनात्मक डेटा उत्पादन के दो उपचार के बीच सीधा सांख्यिकीय तुलना एक भावनात्मक प्रोफ़ाइल स्थापित करने के लिए एक प्रोटोकॉल भी शामिल है। समय श्रृंखला विश्लेषण समय के साथ भावनात्मक प्रवृत्तियों प्रदान कर सकते हैं और hedonic स्वीकार्यता परिणाम के लिए एक मूल्य वर्धित आयाम प्रदान कर सकते हैं। इसके अतिरिक्त, समय श्रृंखला विश्लेषण समय है, जो खाने के अनुभव के दौरान मूल्यवान है पर भावनात्मक स्तर में परिवर्तन दिखा सकते हैं।
(9 चित्रा) "थोड़ा पसंद है"। Hedonic परिणाम अनुमान है कि वहाँ unflavored दूध, unflavored पानी और दूध में वेनिला निकालने स्वाद के बीच कोई मतभेद स्वीकार्यता नहीं थे। हालांकि, AFEA समय श्रृंखला विश्लेषण संकेत दिया unflavored दूध उत्पन्न कम निराश (पी <0.025, 0 सेकंड) आश्चर्य (पी <0.025; 0-2.0 सेकंड), कम शिरोमणि अकाली दल (पी <0.025; 2.0-2.5 सेकंड) और कम तटस्थ (P <0.025; ~ 3.0-3.5 सेकंड) प्रतिक्रियाओं से unflavored पानी था (चित्रा 10)। इसके अतिरिक्त, दूध में वेनिला निकालने स्वाद सिर्फ 5.0 सेकंड (पी <0.025) और कम दुख की बात है इससे पहले कि अधिक खुश भाव पेश किया (पी <0.025; 2.0-3.0 और 5.0 सेकंड) unflavored पानी की तुलना में (11 चित्रा)। वेनिला, एक गंध के रूप में, शब्दों के साथ संबद्ध किया गया है "आराम", "शांत", "आश्वस्त", "खुशी", और# 34;। भलाई "," सुखद आश्चर्य "23 और" सुखद "24 के दूध में नमकीन स्वाद कम (पी <0.05) मतलब hedonic स्वीकार्यता स्कोर (मामूली नापसंद) (9 चित्रा) और दूध में नमकीन स्वाद था और अधिक घृणा उत्पन्न (पी <0.025) बाद (3.0-5.0 सेकंड) unflavored पानी की तुलना में (चित्रा 12)। तीव्र नमकीन घृणा के साथ संबद्ध किया गया है और 25, 26 हैरान कर दिया। हालांकि, कुछ अध्ययनों में कहा गया है कि नमकीन स्वाद, चेहरे की प्रतिक्रिया 7 प्रकाश में लाना नहीं है 27 -29।
चित्रा 1. उप इष्टतम डेटा पर कब्जा का उदाहरण AFEA सॉफ्टवेयर निर्यात आउटपुट फाइल [FIT_FAILED में कच्चे भावनात्मक प्रतिक्रिया डेटा अंक के नुकसान में जिसके परिणामस्वरूप के साथ भागीदार असंगति के कारण; FIND_FAILED]। वीडियो विफलताओं होती है जब गंभीर चेहरे अवरोध या अक्षमता चेहरे persi नक्शा करने के लिए निर्दिष्ट के बाद खपत खिड़की के दौरान अनुसूचित जनजातियों। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
भागीदार सॉफ्टवेयर मॉडलिंग के कारण चित्रा 2. उप इष्टतम डेटा पर कब्जा का उदाहरण है। आंकड़ा भागीदार सॉफ्टवेयर मॉडलिंग असंगति और चेहरे मानचित्रण की विफलता भावनात्मक प्रतिक्रिया (ए) का निर्धारण करने के कारण उप इष्टतम डेटा पर कब्जा प्रस्तुत करता है। सफल फिट मॉडलिंग और प्रतिभागी की भावनात्मक प्रतिक्रिया (बी) पर कब्जा करने की क्षमता का उदाहरण है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
6fig3.jpg "/>
चित्रा 3. एक नया डेटा स्प्रेडशीट में संकलित निकाले भागीदार डेटा का उदाहरण है। प्रतिभागी डेटा (भागीदार नंबर, उपचार, मूल वीडियो समय, और भावनाओं प्रतिक्रिया) भावना (खुश, तटस्थ, दुख की बात है, गुस्सा, आश्चर्य है, डर लगता है, और निराश प्रति पहचान की है ) का चयन करने के लिए समय सीमा (सेकंड)। यह स्प्रैडशीट बाद के विश्लेषण के लिए उपयोग किया जाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 4. बाद के विश्लेषण के लिए संकलित निकाले भागीदार डेटा का उदाहरण है। निकाली भागीदार डेटा (A1 और बी 1) संकलित किया गया है (A2 और बी 2), रेखांकन (ए 3 और बी 3) और गठबंधन (ए 4 और बी 4) प्रत्यक्ष तुलना के लिए एक दृश्य के रूप में। वहाँ हैpective बार शून्य पर नियंत्रण के लिए (ए 4: आश्चर्य Unflavored पानी) और उपचार (बी 4: आश्चर्य Unflavored दूध) हैरान भावनात्मक परिणामों की तुलना के लिए प्रदर्शित कर रहे हैं। इस उदाहरण का प्रतिनिधित्व करता है और प्रत्येक भागीदार उपचार जोड़ी के लिए टाइमस्टैम्प फ़ाइल से इसी समय शून्य को पहचानती है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
।। चित्रा 5. समायोजित समय सीमा के साथ निकाली गई भागीदार डेटा का उदाहरण निकाले भागीदार डेटा एक सच "समय शून्य" (A1 और बी 1) के साथ समायोजित समय सीमा के साथ प्रस्तुत किया है समय समायोजन एक नियंत्रण (ए के बीच प्रत्यक्ष तुलना के लिए अनुमति देता है: हैरान unflavored जल) और एक उपचार (बी 2: आश्चर्य Unfla vored दूध) (ए 2 और बी 2)। इस उदाहरण का प्रतिनिधित्व करता है और प्रत्येक भागीदार उपचार जोड़ी के लिए टाइमस्टैम्प फ़ाइल से इसी सच "समय शून्य" (समायोजित) को दिखाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 6 सभी प्रतिभागियों को 'डाटा संकलन के लिए प्रक्रिया का उदाहरण है। भागीदार, समायोजित समय, और बनती उपचार (जैसे, unflavored पानी और unflavored दूध) हर समय बिंदु पर सांख्यिकीय विश्लेषण के लिए तैयार करने के लिए संकलित किया गया है। एक देखने के लिए यहाँ क्लिक करें यह आंकड़ा का बड़ा संस्करण।
es / ftp_upload / 54046 / 54046fig7.jpg "/>
चित्रा 7. डेटा स्प्रेडशीट उदाहरण के लिए एक नियंत्रण (Unflavored जल) और एक उपचार (Unflavored दूध) एक विशिष्ट समय बिंदु पर प्रतिभागियों भर Wilcoxon परीक्षण का उपयोग की तुलना। आंकड़ा एक संबंधित नमूना और नियंत्रण के भावनात्मक परिणाम के बीच सीधी तुलना (unflavored पानी का प्रतिनिधित्व करता है ) प्रतिभागियों भर nonparametric Wilcoxon परीक्षण बनती अनुक्रमिक इस्तेमाल करते हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
8 चित्रा डेटा स्प्रेडशीट का उदाहरण जुड़े उपचार ग्राफ पर परिणाम अगर (पी <0.025) ग्राफ (यानी, unflavored दूध unflavored पानी की तुलना में)। अनुक्रमिक का परिणाम भागीदारी भर nonparametric Wilcoxon परीक्षण बनतीएनटीएस बार जहां शून्य परिकल्पना को अस्वीकार कर दिया गया है के लिए रेखांकन कर रहे हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
9 चित्रा स्वीकार्यता मीन (hedonic) unflavored पानी के स्कोर, unflavored दूध, दूध और दूध पेय समाधान। स्वीकार्यता एक 9 सूत्री hedonic पैमाने पर आधारित था में नमकीन स्वाद में वेनिला निकालने स्वाद (1 = नापसंद अत्यंत, 5 = न की तरह है और न ही नापसंद करते हैं, अत्यंत तरह 9 =; मतलब +/- एसडी) 1। उपचार का मतलब के साथ विभिन्न superscripts काफी (पी <0.05) को पसंद करने में मतभेद है। Unflavored दूध, दूध में पानी unflavored और वेनिला निकालने स्वाद अलग नहीं (p> 0.05) मतलब स्वीकार्यता स्कोर में थे और मूल्यांकन किया गया है "के रूप में थोड़ा पसंद है"। दूध में नमकीन स्वाद एक कम (पी थी <0.05) मतलब स्वीकार्यता स्कोर (मामूली नापसंद)। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 10 समय श्रृंखला unflavored दूध और पानी unflavored। Unflavored दूध और पानी unflavored (आधारभूत) के बीच अनुक्रमिक बनती nonparametric Wilcoxon परीक्षणों के आधार पर की तुलना में 5.0 सेकंड से अधिक स्वचालित चेहरे की अभिव्यक्ति विश्लेषण डेटा पर ढेर सारे भावनाओं का रेखांकन, परिणाम संबंधित उपचार ग्राफ पर प्लॉट किए जाते हैं यदि उपचार मंझला उच्च और प्रत्येक भावना के लिए अधिक से अधिक महत्व (पी <0.025) की है। एक लाइन की उपस्थिति <, विशिष्ट समय इस मुद्दे पर जहां मंझला अधिक है (0.025 जबकि एक लाइन के अभाव में एक विशिष्ट समय बिंदु (पी में कोई फर्क इंगित करता है एक महत्वपूर्ण अंतर पी)> इंगित करता है 0.025)। अनुपस्थितिunflavored दूध में लाइनों की (ए) unflavored पानी (पी <0.025) 5.0 सेकंड से अधिक की तुलना में कोई भावनात्मक वर्गीकरण का पता चलता है। Unflavored पानी (बी) में, 0 सेकंड में unflavored दूध प्रकट निराश (क्रिमसन लाइन) की तुलना में भावनात्मक परिणाम आश्चर्यचकित (नारंगी लाइन) होता है के बीच 0 - 1.5 सेकंड, शिरोमणि अकाली दल (ग्रीन लाइन) लगभग 2.5 सेकंड, और तटस्थ (लाल होता है लाइन) करीब 3 होता है -। 3.5 सेकंड (पी <0.025) यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
5.0 सेकंड में दूध और पानी unflavored (आधारभूत)। अनुक्रमिक आधार पर वेनिला निकालने में स्वाद की तुलना से अधिक स्वचालित चेहरे की अभिव्यक्ति विश्लेषण डेटा के आधार पर वर्गीकृत भावनाओं का आंकड़ा 11. समय श्रृंखला रेखांकन बनती बीच nonparametric Wilcoxon परीक्षणदूध और unflavored पानी में वेनिला निकालने स्वाद, परिणाम संबंधित उपचार ग्राफ पर प्लॉट किए जाते हैं, तो उपचार मंझला अधिक है और हर भावना के लिए अधिक से अधिक महत्व (पी <0.025) की। एक लाइन की उपस्थिति <, विशिष्ट समय इस मुद्दे पर जहां मंझला अधिक है (0.025 जबकि एक लाइन के अभाव में एक विशिष्ट समय बिंदु (पी में कोई फर्क इंगित करता है एक महत्वपूर्ण अंतर पी)> इंगित करता है 0.025)। 2.5 और 5 सेकंड (ग्रीन लाइन) (पी <0.025) -। दूध (ए) में वेनिला निकालने स्वाद सिर्फ 5 सेकंड (ब्लू लाइन), जबकि unflavored पानी (बी) के लगभग 2 अधिक दुख की बात को प्रदर्शित करता है से पहले खुश चलता कृपया देखने के लिए यहाँ क्लिक करें यह आंकड़ा का बड़ा संस्करण।
चित्रा 12. समय श्रृंखला ढेर सारे भावनाओं का रेखांकन स्वचालित चेहरे की अभिव्यक्ति के आधार परदूध और पानी unflavored। दूध और पानी unflavored (आधारभूत) में नमकीन स्वाद के बीच अनुक्रमिक बनती nonparametric Wilcoxon परीक्षणों के आधार पर में नमकीन स्वाद की तुलना सायन विश्लेषण डेटा 5.0 सेकंड, परिणाम संबंधित उपचार ग्राफ पर प्लॉट किए जाते हैं, तो उपचार मंझला उच्च और अधिक से अधिक का है महत्व (पी <0.025) प्रत्येक भावना के लिए। एक लाइन की उपस्थिति <, विशिष्ट समय इस मुद्दे पर जहां मंझला अधिक है (0.025 जबकि एक लाइन के अभाव में एक विशिष्ट समय बिंदु (पी में कोई फर्क इंगित करता है एक महत्वपूर्ण अंतर पी)> इंगित करता है 0.025)। 5 सेकंड (क्रिमसन लाइन), जबकि unflavored पानी (बी) के शुरुआत (क्रिमसन लाइन) पर घृणा और 2 से अधिक तटस्थ है - - 5 सेकंड (लाल रेखा) (पी <0.025 दूध (ए) में नमकीन स्वाद 3 से महत्वपूर्ण घृणा है )। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
Subscription Required. Please recommend JoVE to your librarian.
Discussion
खाद्य और पेय पदार्थ से संबंधित साहित्य में AFEA आवेदन बहुत सीमित 1-11 है। भोजन करने के लिए आवेदन पद्धति और डेटा की व्याख्या की स्थापना के लिए एक अवसर पैदा करने, नया है। Arnade (2013) 7 चॉकलेट दूध और सफेद दूध वक्र विश्लेषण और विचरण के विश्लेषण के तहत क्षेत्र का उपयोग करने के लिए अलग-अलग भावनात्मक प्रतिक्रिया के बीच उच्च व्यक्तिगत परिवर्तनशीलता पाया। हालांकि, यहां तक भागीदार परिवर्तनशीलता के साथ, प्रतिभागियों को एक खुश प्रतिक्रिया अब उत्पन्न जबकि दुखी और निराश कम समय प्रतिक्रिया 7 था। एक अलग अध्ययन में बुनियादी स्वाद के उच्च और कम मात्रा का उपयोग करते हुए, Arnade (2013) 7, पाया गया कि बुनियादी स्वाद के बीच भावनात्मक प्रतिक्रिया के साथ ही बुनियादी स्वाद तीव्रता (उच्च और निम्न तीव्रता) के स्तर को दोनों के बीच में मतभेद, के रूप में महत्वपूर्ण नहीं थे उम्मीद के रूप में है, जिससे वर्तमान AFEA कार्यप्रणाली और डेटा विश्लेषण की सटीकता पर सवाल उठाया। खाद्य और पेय पदार्थ का संवेदी मूल्यांकन एक जटिल और डायना हैmic प्रतिक्रिया प्रक्रिया 30। अस्थायी परिवर्तन मौखिक प्रसंस्करण भर है और इस तरह निगल संभावित समय 30 से अधिक उत्तेजनाओं की स्वीकार्यता को प्रभावित हो सकता है। इस कारण से, यह पूरे खाने अनुभव भर मूल्यांकनकर्ता प्रतिक्रिया को मापने के लिए फायदेमंद हो सकती है। विशिष्ट मौखिक प्रसंस्करण बार सुझाव दिया गया है 31 (जीभ, चबाना, निगल, आदि के साथ आरंभिक संपर्क), लेकिन कोई भी मानकीकृत कर रहे हैं और कई बार बड़े पैमाने पर परियोजना और शोधकर्ता के विवेक 30 पर निर्भर हैं।
प्रस्तावित भावनात्मक समय श्रृंखला विश्लेषण भावनात्मक परिवर्तन और नियंत्रण (unflavored पानी) और संबंधित उपचार के बीच सांख्यिकीय मतभेद का पता लगाने में सक्षम था। इसके अलावा, स्वीकार्यता के साथ जुड़े भावनात्मक प्रोफाइल खाद्य पदार्थ और पेय पदार्थों से संबंधित व्यवहार की आशंका में सहायता कर सकते हैं। परिणाम बताते हैं कि अलग पहचाना समय श्रृंखला के रुझान के दूध में जायके से संबंधित AFEA के साथ मौजूद हैं (आंकड़े 10 11, और 12)। विशेषता भावनाओं को एकीकृत करके एक जनसंख्या भर में खाद्य स्वीकार्यता फर्क में समय श्रृंखला विश्लेषण सहायता (चित्रा 10, 11, और 12) के रूप में अच्छी तरह से समर्थन hedonic स्वीकार्यता के रुझान (9 चित्रा)। वेग एट अल। 8 मनाया मिठास और पानी आधारभूत समय श्रृंखला विश्लेषण (5 सेकंड) का उपयोग कर के बीच मतभेद है, और यह भी पाया गया है कि समय की श्रृंखला रेखांकन के उपयोग डेटा और परिणाम के बेहतर व्याख्या के लिए प्रदान की है। इसके अलावा, भावनात्मक परिवर्तन से अधिक समय और भावनात्मक प्रतिक्रिया उपचार मतभेद अलग समय अंक या अंतराल पर निर्धारित किया जा सकता मनाया जा सकता है। उदाहरण के लिए, वेग एट अल। 8 ने कहा कि दृष्टिकोण भावनाओं (, गुस्से में खुश और आश्चर्यचकित) कृत्रिम स्वीटनर-पानी तुलना के बीच मनाया गया लेकिन 5 सेकंड अवलोकन खिड़की पर अलग अलग समय पर मनाया गया। तथापि,वेग एट अल। 8 अभिव्यक्ति की दिशात्मकता स्थापित नहीं किया था, यह मुश्किल नियंत्रण (पानी) और उपचार (unsweetened चाय) उनकी चित्रमय व्याख्या और प्रस्तुति का उपयोग कर के बीच भावनात्मक अंतर को समझने के लिए कर रही है। संशोधित और बेहतर समय श्रृंखला विश्लेषण हमारे अध्ययन में प्रस्तुत पद्धति सांख्यिकीय अंतर दिशात्मकता के लिए अनुमति देता है। दिशात्मकता और परिणाम की साजिश रचने के शोधकर्ताओं कल्पना करने के लिए जहां सांख्यिकीय प्रासंगिक भावनात्मक परिवर्तन चयनित समय सीमा से अधिक पाए जाते हैं अनुमति देता है।
वीडियो विश्लेषण विफलताओं को कम करना मान्य डेटा प्राप्त करने और प्रभावी रूप से समय और कर्मियों संसाधनों का उपयोग करने के लिए आवश्यक है। महत्वपूर्ण कदम और प्रोटोकॉल में समस्या निवारण चरणों भागीदार संवेदी पर्यावरण (प्रकाश व्यवस्था, वीडियो कैमरा कोण, कुर्सी ऊंचाई, पूरी तरह भागीदार मार्गदर्शन निर्देश, आदि) के अनुकूलन शामिल हैं। इसके अलावा, प्रतिभागियों को जांच की और बाहर रखा जाना चाहिए अगर वे एक सॉफ्टवेयर इंक में गिरावटompatibility श्रेणी (यानी, मोटी फंसाया चश्मा, भारी दाढ़ी वाले चेहरे और त्वचा टोन) (चित्रा 2)। इन कारकों AFEA फिट मॉडलिंग, भावनात्मक वर्गीकरण, और डेटा उत्पादन को प्रभावित करती है। एक भागीदार के डेटा उत्पादन का एक महत्वपूर्ण भाग "FIT_FAILED" और "FIND_FAILED" के होते हैं, तो डेटा समय श्रृंखला विश्लेषण (चित्रा 1) में शामिल करने के लिए संघर्ष शुरू किया जाना चाहिए। यदि डेटा उत्पादन लॉग इन फ़ाइलों को मुख्य रूप से "FIT_FAILED" और "FIND_FAILED" होते हैं के रूप में इस बुरी डेटा (चित्रा 1) है समय श्रृंखला विश्लेषण के लिए उपयोग नहीं किया जा सकता। प्रकाश सेटिंग के कारण चेहरे पर ग्रहण गंभीर रूप से वीडियो पर कब्जा गुणवत्ता को बाधित कर सकता है, गरीब वीडियो संग्रह में जिसके परिणामस्वरूप। तीव्र ग्रहण से बचने के लिए, फैलाना सामने प्रकाश आदर्श है, जबकि प्रकाश की तीव्रता या रंग के रूप में प्रासंगिक 20 नहीं है। तीव्र उपरि प्रकाश कम किया जाना चाहिए क्योंकि यह चेहरा 20 पर छाया को बढ़ावा देने के कर सकते हैं। पीछे एक काले रंग की पृष्ठभूमिप्रतिभागी को 20 सिफारिश की है। यह AFEA सॉफ्टवेयर निर्माता से सुझाव दिया है एक खिड़की के सामने सेटअप करने के लिए जगह फैलाना दिन प्रकाश 20 है। इसके अलावा, अगर एक कंप्यूटर मॉनीटर का उपयोग कर, दो रोशनी रोशनी और छाया में कमी 20 के लिए उपयोगकर्ता के चेहरे के दोनों ओर पर रखा जा सकता है। इसके अतिरिक्त, पेशेवर फोटो रोशनी अवांछनीय पर्यावरण प्रज्जवलित 20 प्रतिक्रिया करने के लिए इस्तेमाल किया जा सकता है। अंत में, यह शोधकर्ता, व्यक्तिगत प्रोटोकॉल / कार्यप्रणाली, और पर्यावरण को पकड़ने के लिए प्रकाश व्यवस्था को नियंत्रित करने के विवेक पर निर्भर है। यह डेटा पर कब्जा पर्यावरण और खरीद और स्थापना से पहले सॉफ्टवेयर प्रदाता के साथ उपकरणों पर चर्चा करने के लिए सिफारिश की है। इसके अलावा, कुर्सी ऊंचाई और कैमरे के कोण प्रत्येक भागीदार के लिए व्यक्तिगत रूप से समायोजित करने के लिए महत्वपूर्ण हैं। प्रतिभागी को आराम से, लेकिन एक ऊंचाई जहां कैमरा सीधे चेहरे पर है पर होना चाहिए। चेहरे पर कैमरे के कोण को कम करने के लिए कोई प्रयास वायुसेना के अनुकूलन के लिए प्रोत्साहित किया जाता हैईए वीडियो पर कब्जा। अंत में, यह पूर्व नमूना लेने के लिए प्रतिभागियों को मौखिक निर्देश देने के लिए आवश्यक है। वीडियो पर कब्जा दौरान प्रतिभागी व्यवहार चेहरे रोड़ा, आंदोलनों, और कैमरे के परिहार के कारण डेटा संग्रह सीमित कर सकता है।
एक अध्ययन के लिए आवश्यक भागीदार नमूना आकार के लिए, लेखकों 10 से 50 प्रतिभागियों की एक श्रृंखला की सलाह देते हैं। हालांकि एक छोटी संख्या लगभग कोई सांख्यिकीय शक्ति प्रदान करेगा, कम से कम 2 प्रतिभागियों समय श्रृंखला विश्लेषण के लिए सामान्य में जरूरत है। प्रतिभागी परिवर्तनशीलता अधिक है, और इस शोध के प्रारंभिक दौर में कोई मार्गदर्शन नमूना आकार के साथ की पेशकश करने के लिए नहीं है। नमूना आकार जायके, स्वाद तीव्रता के आधार पर भिन्न है, और उम्मीद की उपचार स्वीकार्यता होगा। छोटे स्वाद मतभेदों के साथ नमूने अधिक प्रतिभागियों की आवश्यकता होगी। 30 सेकंड नियंत्रित नमूना अवधि एक समय अवधि पूरी नमूना मूल्यांकन अवधि के लिए पर्याप्त है (यानी, सूचकांक कार्ड दिखा रहा है, एक नमूना (ढक्कन हटाने) खोलने, खपत शामिलमोर्चे, और भावनात्मक कब्जा)। पूरे 30 सेकंड डेटा विश्लेषण में उपयोग नहीं किया है। इस नामित 30 सेकंड कब्जा समय के लाभ के शोधकर्ता उचित मूल्यांकन के समय डेटा विश्लेषण में इस्तेमाल किया जा करने के लिए तय कर सकते हैं कि है। 30 सेकंड समय खिड़की, जबकि कोडिंग या वीडियो timestamping एक वीडियो नमूना के दौरान ब्याज की एक समय सीमा के चयन में सहायता कर सकते हैं। अंत में, समय खिड़की शोधकर्ता के विवेक पर निर्भर है। हमारे उदाहरण में, हम 5 सेकंड के नमूने खिड़की के बाद खपत का इस्तेमाल किया। इसके अलावा, वर्तमान कार्यप्रणाली जब नमूना कप नहीं रह (ठोड़ी पर कप) चेहरा occludes बार शून्य को परिभाषित करता है। यह खपत और नमूना कप चेहरे की जानकारी देने के लिए कारण रोड़ा और बदलते भावनाओं के बीच के समय को कम करने के लिए महत्वपूर्ण है। प्रारंभिक समय जहां नमूना बनाता जीभ के साथ संपर्क अविश्वसनीय डेटा है नमूना कप चेहरे रोड़ा के कारण (चित्रा 1 देखें)। इसलिए, इस मुद्दे पर जहां कप नहीं रह चेहरे occludes इष्टतम recommendatio हैएन। Timestamps सभी प्रतिभागियों के लिए अनुरूप होना चाहिए। रंग कार्ड शोधकर्ताओं वीडियो में उपचार की पहचान करने और नमूना मूल्यांकन के लिए उचित समय सीमा (समय शून्य) को चिह्नित करने के लिए एक सुविधाजनक तरीका है। रंग कार्ड विशेष रूप से उपयोगी है, तो उपचार यादृच्छिक क्रम में हैं और निरंतर वीडियो में नमूना पहचान का एक अतिरिक्त सत्यापन के रूप में काम कर रहे हैं।
इस तकनीक की सीमाओं मौजूद प्रतिभागियों भागीदार के चेहरे पर निर्देश या अपरिहार्य ग्रहण का पालन नहीं कर सकते चेहरे फिट मॉडल विफलताओं (चित्रा 2) का कारण हो सकता है। हालांकि, सुझाव महत्वपूर्ण कदम को कम करने और इन हस्तक्षेप को कम करने के तरीके प्रदान करते हैं। इसके अतिरिक्त, समय श्रृंखला विश्लेषण मुख्य रूप से "FIT_FAILED" और "FIND_FAILED" (चित्रा 1) युक्त फाइलों के साथ लॉग इन फ़ाइलों को निर्यात पढ़ा नहीं होगा। ये फ़ाइल बचाया नहीं जा सकता है और न समय श्रृंखला विश्लेषण में शामिल होने के लिए सक्षम हो जाएगा। इसके अलावा, भोजन और Bevera की खपतGES अभी भी इस तरह से भावनात्मक वर्गीकरण को विकृत करने में चेहरे की संरचना को बदल सकता है। हार्ड या chewy खाद्य पदार्थ व्यापक जबड़े गति की आवश्यकता होती है। एक पीने के भूसे और संबद्ध चूसने का प्रयोग करें, चेहरे भी रोड़ा (पुआल) का कारण बनता है और चेहरा (चूसने) को विकृत। इस अवलोकन हमारी प्रयोगशाला अनुसंधान से प्रारंभिक आंकड़ों पर आधारित है। सॉफ्टवेयर चेहरे मॉडल चबाने (या चूसने) और मोटर भावनात्मक वर्गीकरण के साथ जुड़े भाव के बीच मतभेदों को विचार नहीं कर सकते। खाद्य और पेय पदार्थ के नमूनों के साथ, चेहरे रोड़ा के लिए अवसर वीडियो और तस्वीरों को देखने की तुलना में अधिक है। प्रतिभागियों सामना करने के लिए नमूना लाने और चेहरे इस प्रकार सॉफ्टवेयर मॉडल दखल और संभावित मूल्यवान भावनात्मक जानकारी (चित्रा 1 देखें) को कम से कंटेनर को दूर करना होगा। जैसा कि पहले उल्लेख, भावनाओं को जल्दी और एक छोटी अवधि के लिए होता है। यह भावनाओं पर कब्जा करने के प्रयास में रोड़ा चेहरे को कम करने के लिए महत्वपूर्ण है। प्रस्तावित methodolसादृश्य समय के पार भावनात्मक अवधि में भावनात्मक पैटर्न में बदलाव और परिवर्तन खोजने के लिए एक दूसरे से एक तीसवां की तुलना में इलाज के लिए बनाता है। प्रस्तावित पद्धति के साथ, भावनात्मक दीर्घायु के पैटर्न महत्वपूर्ण हैं। दुर्भाग्य से, भावनात्मक वर्गीकरण समस्याएँ उत्पन्न हो सकती है। सबसे विशेष रूप से वहाँ एक समस्या खुश और घृणा 6, 9, 32, 33, 34 categorizing है। बार बार, इस 6, 32, 33, 34 मुस्कुरा द्वारा उनकी अरुचि या हैरान भावना मास्किंग प्रतिभागियों के कारण हो सकता है कि एक "सामाजिक की वजह से है प्रदर्शन नियम "32। इसके अलावा, AFEA सॉफ्टवेयर (, तटस्थ खुश, दुखी, डर को हैरान कर दिया, नाराज और निराश) सात भावनात्मक श्रेणियों के लिए सीमित है। से सार्वभौमिक भावनाओं और वर्गीकरण की वर्तमान AFEA वर्गीकरण एक खाद्य या पेय उत्तेजनाओं के जवाब में अलग हो सकता है खाद्य और पेय पदार्थ के लिए भावनात्मक प्रतिक्रिया और अधिक जटिल हो सकता है। मैनुअल FACS कोडिंग का उपयोग कर gustofacial और करने के लिए लागू किया गया है बुनियादी स्वाद के olfactofacial प्रतिक्रियाओं औरodors के एक वर्गीकरण और काफी संवेदनशील ऑस्ट्रेलिया 32 के संबंध में उपचार मतभेद का पता लगाने के लिए किया जा करने के लिए दिखाई दिया। FACS थकाऊ और बहुत समय लगता है, लेकिन है, अभाव या ऑस्ट्रेलिया की उपस्थिति के अस्थायी आवेदन जटिल प्रतिक्रियाएं कि AFEA सही ढंग से या यदि भावनात्मक परिणाम अप्रत्याशित हैं वर्गीकृत नहीं हो सकता है के साथ सहायता करने के लिए उपयोगी हो सकता है। समय श्रृंखला डेटा चेहरे वर्गीकरण एक साथ और महत्वपूर्ण अभिव्यक्ति के साथ घटित करने के लिए अनुमति देता है, सावधानी भावनात्मक जटिलता के कारण एक भी भावना में अनुवाद परिणामों के साथ इस्तेमाल किया जाना चाहिए।
प्रस्तावित पद्धति और डेटा विश्लेषण तकनीक अन्य पेय पदार्थों और सॉफ्ट खाद्य पदार्थों के लिए लागू किया जा सकता है। AFEA सॉफ्टवेयर के स्वाद के लिए भावनाओं और unflavored नमूनों की पहचान करने में सक्षम था। प्रस्तावित पद्धति और लौकिक विश्लेषण जिससे निहित प्रतिक्रियाओं निस्र्पक भावनात्मक प्रतिक्रियाओं और भोजन से संबंधित आबादी के व्यवहार में नए अग्रिमों प्रदान करने के साथ सहायता कर सकते हैं। वें के भविष्य अनुप्रयोगोंतकनीक अन्य पेय श्रेणियों या नरम खाद्य पदार्थों में विस्तार हो सकता है। हम भावनात्मक प्रतिक्रिया और डेटा विश्लेषण प्रणाली के लिए वीडियो पर कब्जा पाने के लिए कार्यप्रणाली का प्रदर्शन किया है। हम दोनों भावनात्मक AFEA कब्जा है और भावुक समय श्रृंखला विश्लेषण के लिए एक मानक दृष्टिकोण पैदा करना है। विधि दृष्टिकोण हमारे अनुसंधान के क्षेत्र में सफलता दिखाया गया है। हम विस्तार और खाद्य और पेय पदार्थ और विकल्प और व्यवहार करने के लिए रिश्ते के लिए भावनात्मक प्रतिक्रिया के मूल्यांकन के लिए इस दृष्टिकोण को लागू करने की उम्मीद है।
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| 2% Reduced Fat Milk | Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC | na | for solutions |
| Drinking Water | Kroger Brand, Cincinnati, OH | na | for solutions |
| Imitation Clear Vanilla Flavor | Kroger Brand, Cincinnati, OH | na | for solutions |
| Iodized Salt | Kroger Brand, Cincinnati, OH | na | for solutions |
| FaceReader 6 | Noldus Information Technology, Wageningen, The Netherlands | na | For Facial Analysis |
| Sensory Information Management System (SIMS) 2000 | Sensory Computer Systems, Berkeley Heights, NJ | Version 6 | For Sensory Data Capture |
| Rhapsody | Acuity Brands Lighting, Inc., Conyers, GA | For Environment Illumination | |
| R Version | R Core Team 2015 | 3.1.1 | For Statistical Analysis |
| Microsoft Office | Microsoft | na | For Statistical Analysis |
| JMP | Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC | na | For Statistical Analysis |
| Media Recorder 2.5 | Noldus Information Technology, Wageningen, The Netherlands | na | For capturing participants sensory evaluation |
| Axis M1054 Camera | Axis Communications, Lund, Sweden | na | |
| Beverage | na | Beverage or soft food for evaluation |
References
- De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
- De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628 (2012).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
- Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
- Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
- Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , Virginia Tech. Blacksburg. 1-187 (2013).
- Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
- Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, , (2014).
- Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
- Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
- Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
- Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , Consulting Psychologists Press. Palo Alto, California. (1978).
- Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
- Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
- FaceReader 5™ Technical Specifications. , Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
- Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. , University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
- Bishop, C. M. Neural networks for pattern recognition. , Oxford University Press. New York. (1995).
- Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
- Noldus Information Technology. FaceReader Reference Manual Version 6. , Wageningen, The Netherlands. (2014).
- Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008).
- Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. , 2nd, Springer. New York. 551-560 (2009).
- Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
- Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
- Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
- Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
- Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
- Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg , Oxford University Press, Inc. New York. 302-327 (1997).
- Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987).
- Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
- Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
- Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
- Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. , University of Nebraska Press. Lincoln (NE). 207-283 (1971).
- Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).
