0

0
1

文字

分享

0
0
1

聽聲音(十一):為什麼你在洗澡的時候唱歌比較好聽?

Muzik Online
・2015/02/16 ・1750字 ・閱讀時間約 3 分鐘 ・SR值 479 ・五年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

作者 官大為(Wiwi)

在上篇文章,我們說明了聲音的「低速」〈註1〉特性,並且解釋了為什麼救護車經過你的時候會低半音,以及救護車如果開到時速 1225 公里時,你會聽到什麼聲音。
聽聲音(十):為什麼救護車經過的時候會低半音?

今天的故事依然還是跟聲音在空氣中的傳播有關。聲音一旦產生之後,如果沒有東西擋住它,它就會往四面八方擴散,但如果聲音撞到牆壁的話呢?

跟光照到物體後的現象一樣,有些物體(例如像鏡子)會反射大部份的光線,而有些物體(例如像黑布)會吸收大部份的光線。聲音的情況也是如此,堅硬而光滑的表面(像是磁磚)會反射比較多的聲音,而柔軟的表面(像是地毯)會吸收比較多的聲音。

浴室歌手

不曉得你有沒有在洗澡的時候唱歌的習慣?我自己是沒有啦,不過如果你曾經在浴室或電梯裡唱過歌的話,你應該會發現你唱歌變好聽了。

這是因為大部份浴室牆壁材質都是磁磚,而磁磚通常都很硬、很光滑。聲音在撞到像這樣子的堅硬表面後,只會有一小部分會被吸收掉,剩下的聲音會被反射出去,撞到另一面牆壁,然後下一面牆壁再吸收一點點聲音,把剩下的反射出去撞到下一面牆壁⋯⋯

因為磁磚不太會吸收聲音的緣故,所以每次反射消耗掉的能量很少,聲音就可以繼續反射比較久。也就是說我們在浴室裡唱歌的「殘響」(reverberation)時間,會比我們家中的其他空間來得長,聽起來就會好像在唱片中的效果一樣。

所以殘響有多長?

一般用來敘述殘響有多長的方式叫做「RT60」,RT60 的意思是「一個聲音發出後,它的反射的音量減弱 60 分貝所需的時間」。

你甚至可以用數學算出一個空間的 RT60 有多長,到下面這個網站,輸入你空間的長寬高、六面牆壁的材質以及窗戶大小,它就會告訴你那個空間的殘響時間。http://www.sae.edu

當然殘響時間並不是越長就越好,而是要看空間的用途而定。

一般說來,演講用場地最理想的殘響時間大約是 1 秒左右,太短的話聲音會很「乾」、而且後排聽起來會很小聲,太長的話則是會被回音淹沒而聽不清楚講者在說什麼。

而音樂表演用的場地,尤其是演奏浪漫時期的交響曲時,理想的殘響時間大約是 2 秒鐘,這樣你會覺得聲音聽起來比較「飽滿」。如果同時要作為演講和音樂表演使用的場地,可能就得折衷到 1.5 秒左右了。

所以設計展演空間的人,就必須要考慮空間的容積、形狀、牆壁表面的材質和其他因素,來把殘響時間調整成合乎需求。

那我們的國家音樂廳和國家演奏廳的殘響時間呢?我嘗試過去找官方的測試資料,可惜我找不到。但根據以下幾篇文章,分別是 1.7-2.1 秒和 1.4 秒,剛好就是很適合交響樂和室內樂演出的殘響時間〈註2〉。
淺談音樂廳設計
音樂廳解析/為了完美殘響 音樂廳機關處處
你可以到以下這個網址,查看幾個有名音樂廳的殘響長度:http://www.concerthalls.org

聽聽看

我現在要播放講話、鋼琴演奏、爵士鼓的片段各一個,並用電腦模擬不同空間的殘響效果,聽聽看,哪一種空間比較適合哪一種用途呢?

室外(沒有回音):
講話:

鋼琴:

爵士鼓:

小房間(0.4 秒):
講話:

鋼琴:

爵士鼓:

廁所(1 秒):
講話:

鋼琴:

爵士鼓:

音樂廳(2.5 秒):
講話:

鋼琴:

爵士鼓:

大教堂(6 秒):
講話:

鋼琴:

爵士鼓:

  • 註1:聲音在空氣中的速度大約是 340 公尺/秒,我說它「低速」是相對於光速而言。
  • 註2:其實殘響時間在每個頻率並不是相等的,高頻率的聲音殘響通常會比較短,而低頻率比較長。

轉載自MUZiK ONLiNE 名家隨筆

文章難易度
Muzik Online
25 篇文章 ・ 4 位粉絲
MUZIK ONLINE是世界上第一個以古典音樂為核心素材,結合科技與社群功能的線上收聽平台。它把古典音樂化為易於接近的數位內容,史無前例地,讓專業人士、入門者、或不排斥音樂的朋友們之間,建立起對話的共通頻道。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

1
0

文字

分享

0
1
0
舞池太冷該怎麼炒熱氣氛?DJ 請下點聽不到的低頻 BASS!
Peggy Sha
・2022/12/07 ・1637字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

「Despacito~Quiero respirar tu cuello despacito~」聽到這段旋律,你是不是也開始不由自主地跟著搖擺了呢?跟著音樂一起流動實在是再自然不過的事了,不過,假設你完全聽不到這些動感「音樂」,它還能發揮同樣的效果嗎?

科學家也想知道這個問題的答案,於是乎,他們把實驗室搬到舞池啦!

人會跟著聽不到的低頻音樂動次動嗎? 圖/GIPHY

超酷的實驗,就要在超酷的表演廳進行!

沒錯!最近發表在《當代生物學》(Current Biology)期刊上的研究就是這麼嗨!這份研究的第一作者是來自麥克馬斯特大學(McMaster University)的神經科學家 Daniel Cameron,他本身就是個音樂愛好者,除了會打鼓外,研究的主要方向也離不開音樂,總是在探索音樂和人類間的互動關係。

想要從事如此動感的實驗,一般的研究室可沒辦法進行,研究者們選擇的地點是麥克馬斯特大學裡面的「LIVELab」,這個地方算是個研究型表演劇院,裡面既能進行各式演出,也能同時進行各種測試和研究。

LIVELab 介紹影片。影/YouTube

劇場裡不僅有 3D 動作捕捉系統,還有可以模擬各種音樂環境的超強大 Meyer 音響系統,最重要的是,它還配備了本次研究的主角──能產生極低頻率的喇叭!普遍來說,我們耳朵能聽到的聲音頻率介在 20 Hz~20,000 Hz 之間,更高或更低都聽不見,那麼,問題來了:聽不見的聲音,還會對我們產生影響嗎?

偷偷來點低頻音,大家真的會感受得到嗎?

為了尋找答案,研究者邀請加拿大的電子音樂雙人組合「 Orphx」到 LIVELab 辦了場表演,並招募了一群實驗參與者來參加。想聽這場演出,需要比平常多一點點的準備。

首先,觀眾需要戴上運動感應頭帶,用以偵測舞蹈動作;再來,觀眾在參加前和參加後都需要填寫調查表,好衡量他們對於演出的喜愛程度、相關生理感受,並確認他們沒有聽到那些偷偷塞進去的低頻聲音。

加拿大的電子音樂組合 Orphx 在 2008 年的現場表演照片。圖/Wikipedia

在整整 45 分鐘的演出中,研究人員會悄悄在幕後控制撥放低頻聲音的喇叭 ,這些喇叭會撥放 8~37 Hz 間的聲音,每兩分鐘開關一次,結果發現,當喇叭開著、放出低音的時候,觀眾的運動量竟然增加了近 12%!

為什麼我們聽不到低音卻還是想跳舞?聲音能被「感受」嗎?

不過,為什麼這些超低聲音會讓人們更愛跳舞呢?研究者們現在還不知道確切的生理運作機制,但他們有些推測。研究者認為,低頻聲音雖然無法被聽見,也不會讓大腦中處理聲音的部分變得活躍,但是,卻能被神經系統的其他部分接收到。

Cameron 表示,我們腦中的前庭系統,也就是專門負責平衡感和空間感的感覺系統對於低頻刺激非常敏感。另一方面,觸覺也扮演了很重要的角色,我們身上的機械性受器(mechanoreceptor)同樣對於低頻的刺激很敏感,會隨著震動而移動,這也就是為什麼,當你站在很大聲的音響前方時,會感覺全身彷彿都在跟著震動。

圖/Pexels

或許,就是這些系統,讓我們能夠用不同的方式來「感受」到音樂、接收我們聽不見的低頻聲音。

如果想要完整了解背後的機制,勢必還要多辦幾場這樣的「科學音樂表演」,但在那之前,如果大家想要讓舞池嗨一些的話,低頻音催下去就對啦!

參考資料

  1. Want to fire up the dance floor? Play low-frequency bass
  2. Cameron, D. J., Dotov, D., Flaten, E., Bosnyak, D., Hove, M. J., & Trainor, L. J. (2022). Undetectable very-low frequency sound increases dancing at a live concert. Current Biology32(21), R1222-R1223.
  3. Low-Frequency Bass Encourages Dancing
  4. Inaudible, low-frequency bass makes people boogie more on the dancefloor

0

4
3

文字

分享

0
4
3
口罩影響幼兒「讀」懂情緒?口罩新生代:幼兒情緒 3 大關鍵發現
雞湯來了
・2022/10/02 ・2250字 ・閱讀時間約 4 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 文/雞湯來了特派員 林威廷
  • 校稿/雞湯來了 陳世芃
  • 製圖/雞湯來了 黃珮甄、雞湯來了實習生 翁欣容
  • 編輯/雞湯來了 蕭子喬
圖/雞湯來了

自從 COVID-19 疫情爆發,戴口罩已成為日常生活的新常態。口罩遮住了人們大部分的臉,讓彼此看不到完整長相,更看不到豐富的臉部表情。究竟,這是否對人與人之間的互動有深遠的影響?

更值得注意的是,臉部表情屬於肢體語言的一部份,是言語溝通之外,辨識與表達情緒相當重要的管道。各級學校教師和照護中心人員,為了避免傳播病毒,多會戴上口罩。

然而,在這種環境下成長,年紀還小且對於情緒辨識還在初步學習中的幼兒,是否會因此失去與人正常互動和判斷情緒的機會呢?對於他們情緒辨識的發展,又有什麼影響呢?

「口罩是否會影響幼兒判斷他人情緒」一題,雞湯來了綜整多篇研究,發現西方相關研究較多,而結果其實眾說紛紜。許多研究藉由不同實驗設計,不同切入視角、樣本對照,便得出了不同結果。不過,我們也因而從中歸納出幾個關於口罩新生代幼兒情緒發展的重要發現。

關鍵發現 1|年齡發展階段:3-5 歲最受口罩影響

2021 年 5 月一組研究團隊發表一篇研究,他們測試「3-5 歲幼兒」、「6-8 歲兒童」和「成人」三個群體判斷人臉情緒的正確率:他們準備了不同情緒的人臉,將人臉的照片後製放上口罩,讓這三群人判斷情緒。

圖/雞湯來了

結果發現:不同年齡層的群體中,「3-5 歲幼兒」面對戴或沒戴口罩的人,回答對方情緒的「答對與否」比例差距最大,可說上述三種對象中最受口罩遮臉影響的群體。研究也推論,因為「3-5 歲幼兒」判斷情緒的主要來源仍是臉部表情;6 到 8 歲兒童和成人,則較懂得運用其他情境線索來判斷情緒。

圖/雞湯來了

關鍵發現 2|容易被混淆的情緒:生氣與難過

另一篇 2021 年 11 月的研究,從 9 間照護中心招募 276 位 3-6 歲的幼兒, 讓他們判斷 15 個演員所拍的 90 張人臉照片的情緒。這些幼兒判斷「照片中沒戴口罩的人之情緒」正確率為 70.6%,若將照片換成戴上口罩的人,這些幼兒判斷的正確率仍為 66.9%!

特別的是,有約 25% 無法區分生氣和難過這兩種情緒,占了辨識情緒錯誤之中的多數,可見對於幼兒而言,「生氣」和「難過」在臉部表情上有許多相似的特徵,如何進一步區分情緒,是可以進一步討論的課題。

圖/雞湯來了

關鍵發現 3|表情之外的辨識來源:聲音的判斷力

其實在疫情之前,2019 年就有研究團隊關注過幼兒的情緒判斷能力。他們不只關心臉部表情,也關注聲音。他們讓 313 位就讀幼兒園的 3-6 歲幼兒:分別透過觀察「臉部表情」和「聽聲音」來判斷情緒。

結果發現:觀察「臉部表情」的視覺判斷正確率最高達 8 成,但以「聽聲音」聽覺判斷的正確率只有 5-6 成。由此可知,對於幼兒而言,視覺很可能比聽覺更容易判斷情緒。

研究也進一步分析,發現觀察「臉部表情」時,「開心」的情緒比起「生氣和難過」更容易透過視覺判斷出來;但若只有「聽聲音」的話,悲傷的情緒比較容易被察覺。

圖/雞湯來了

幼兒情緒教育可以怎麼做?疫情之下把握可控的 2 個安心實踐

由上述的幾項研究結果,我們可以發現兩個重點:

  1. 喜怒哀樂,判斷各種情緒的難易度不同
    幼兒判斷不同情緒的能力程度是有差異性的,差異性的原因可能來自於年齡,或者為情緒的不同性質,比如說幼兒最容易辨識開心,但容易混淆難過與生氣。
  2. 除了表情,還有多種判斷情緒的來源
    判斷情緒的依據不只有臉部表情,肢體、聲音語調、各種情境線索也能幫助我們判斷情緒。

或許,在口罩還是一種日常必須之時,我們可以多著眼於其他「可控」的因素,例如引導孩子判斷情緒的多元方法,從聲音、其他肢體語言等判斷;又或者更進一步和孩子透過故事或案例,討論生氣與難過的的差異,嘗試學習更多口罩日常的情緒辨識之道。

圖/雞湯來了

大人可以透過繪本共讀的方式,討論繪本中的角色在故事中的情境中「產生了什麼情緒」、「為什麼會產生這樣的情緒」。共讀討論時,不只從圖片中角色的表情,還可以從書中角色的肢體動作、其他角色的反應等多元脈絡,練習判斷角色的情緒類型和產生原因。

甚至,我們可以進一步在日常生活中,引導孩子正視自己的情緒、接納並以合適的方式表達情緒。同時引導幼兒觀察目前身處的情境,例如現在是什麼場合、現場的人們在做什麼、我應該如何表現等等。

相關推薦:繪本推薦與引導孩子情緒的方法

延伸閱讀:雞湯來了

參考資料

  1. Covic, A., von Steinbüchel, N., & Kiese-Himmel, C. (2020). Emotion Recognition in Kindergarten Children. Folia phoniatrica et logopaedica : official organ of the International Association of Logopedics and Phoniatrics (IALP), 72(4), 273–281.
  2. Gori, M., Schiatti, L., & Amadeo, M. B. (2021). Masking Emotions: Face Masks Impair How We Read Emotions. Frontiers in psychology, 12, 669432.
  3. Schneider J., Sandoz V., Equey L., Williams-Smith J., Horsch A., Bickle Graz M. (2022) The Role of Face Masks in the Recognition of Emotions by Preschool Children. JAMA Pediatr. 176(1): 96-98.
雞湯來了
49 篇文章 ・ 461 位粉絲
幸福,如何選擇?雞湯來了相信我們值得擁有更優質的家人關係。致力提供科學研究證實的家庭知識,讓您在家庭生活的日常、人生選擇的關卡,找到適合的方向。雞湯來了官網、雞湯來了FB