面部表情还是肢体语言：如何判断网球运动员比赛情境中的情绪变化？

王丽岩，陈梦飞，王洪彪*

通过对表情判别来认识情绪的本质一直是情绪研究中的一个重要课题，表情是情绪的一种外显形式，主要包含面部表情、肢体语言、语音语调等。关于面部表情的研究认为，不同的面部表情伴随着不同的情绪体验（Ekman et al.，1981）。Kraut（1982）研究表明，参与者能够准确判断所显示的情绪类别，评定诸如快乐或悲伤等情绪的程度，辨别被试体验受到刺激的冲击强度。Deckersm（1987）发现，快乐和厌恶情绪引发的面部表情的客观判断与被试的主观报告相一致。Rosenberg等（1995）指出，不同文化的个体对于尴尬的面部表情活动有着相似的描述。Matsumoto等（2006）对2004年雅典奥运会获奖运动员的自发性面部表情进行研究，发现不同文化背景下的被试在情绪唤醒情景中做出相似的面部表情，并且具有普遍性。Phocbe等（2009）选取年轻组（18～26岁）和老年组（65～83岁）的被试，对阈下愤怒和高兴的面部表情进行识别研究，发现两组被试均能模仿出愤怒和高兴表情，说明即使被试意识不到面孔情绪的存在，也仍然可以识别出这种情绪。

但生活中的面部表情不尽相同，依据面部表情并不能做到对情绪的完全准确判断。Battaglia等（2010）对8～11岁的学生进行高兴、愤怒、恐惧、厌恶和惊奇5种基本情绪的面部表情识别，发现学生并不能很好地识别出愤怒的表情。Isaacowitz等（2007）对不同年龄段的正常人群进行愤怒和恐惧面部表情的识别，发现年轻组被试（18～39岁）、中年组被试（40～59岁）和老年组被试（60～68）在识别愤怒情绪方面存在显著性差异。Lambrecht等（2012）对不同年龄阶段的正常人群进行面部识别研究，发现随着年龄增高，对表情的识别能力逐渐下降。张松林（2013）运用Face Reader 4.0面部表情分析系统对高水运动员临场竞技心理状态的面部表情特征进行测评，发现不同类型项目的运动员在竞技中面部表情所表现出的情绪唤醒强度和情绪类型具有显著差异。在研究情绪的识别中更多将情绪线索定位到面部表情而鲜见肢体语言对情绪识别的影响（Bänziger et al.，2010；Dael et al.，2012；de Gelder，2006），但肢体语言在情绪识别中同样传递着较为重要的信息，肢体语言不仅可以传递表达者的情绪状态，而且更可以表明其动作意图（Sprengel‐meyer et al.，1999）。Ekman等（1974）认为，肢体语言在传递情绪性质的同时，身体动作更能够准确传递情绪性质的强烈程度信息。因此，以体育运动中的网球项目为例，探讨肢体语言在网球运动中运动员情绪识别方面的重要性，并进一步探索网球运动情境中运动员情绪识别的关键因素。

本研究猜想，面部表情在情绪识别时存在重叠机制，且肢体语言所传达的情绪信息能够帮助人们消除在识别情绪时面部表情所产生的歧义，并通过实验探讨以下两个问题：1）面部表情和肢体语言在网球运动情境中情绪判断的作用；2）肢体语言中身体线索诸多动作姿势中，手势线索对网球运动情境中情绪识别的影响。

1 实验1：网球运动情景中情绪图片的有效性

1.1 目的

验证网球运动情景中情绪图片的有效性。邀请网球运动专家、心理专家和网球运动专项学生（以下简称熟手）对网球运动情景图片的效价和唤醒度进行评价，最终筛选出专家和熟手对情绪图片判断的认同率均大于75%的运动情景图片，并使用筛选后的图片对普通大学生进行情绪诱发以验证筛选出的网球运动情景图片的有效性。

1.2 方法

1.2.1 参与者

实验参与者共76名，其中网球运动专家（某体育学院网球国家级教练员）和运动心理学专家（某体育学院运动心理学博士，副教授以上职称）各3名，运动训练专业网球专修学生运动员30名［男、女各15名，年龄23±0.8岁，要求ITN国际网球水平等级测试达7.0（含）以上］，普通大学生40名（男、女各20名，年龄22±0.6岁）。

1.2.2 实验材料

实验过程中使用的原始网球运动情景图片来自2016年四大满贯网球公开赛比赛视频，使用Adobe Pre‐miere Pro视频处理软件对比赛过程中运动员得失分后即时状态的慢动作回放进行逐帧定位并导出图片，在导出时根据网球运动过程中运动员的实际得失分情况将图片标记为正性（高兴、兴奋、胜利等）或负性（沮丧、失败、愤怒等），以此作为研究的理论分析结果。为了避免球星效应对情绪识别的影响，在比赛视频选择方面尽可能大范围选择低排位的职业运动员。使用Photoshop图片处理软件对截取图片的属性进行统一处理，图片分辨率为1 024×768 dpi，颜色模式为RGB。最终共获得初始刺激图片635张。

1.2.3 实验任务

实验主要分为3个相继完成的任务。第1个任务：邀请6名专家对初始刺激材料的正负性进行评价。运用E-prime 2.0软件对初始刺激材料进行呈现，当认为图片为正性按“J”键，如果认为是负性按“F”键。实验要求专家对图片的正负性进行快速打分，为了避免疲劳效应的影响，每判断200张图片休息1次，休息时间由专家自主决定（图1）。

图1 专家实验流程图Figure 1.Expert Group Subjects Experiment Flow Chart

第2个任务：30名熟手对图片的正负性、效价和唤醒度进行评价，其中效价和唤醒度均为1～9等级评价，效价（valence）为“看到网球比赛场景中运动员情绪，你觉得运动员愉快还是不愉快”，愉快程度越高，评分越接近9，反之越接近1。效价1～4代表情绪图片为负性，数字越小代表负性情绪越强，6～9代表情绪图片为正性，数字越大代表正性情绪越强，5为中性图片（场地、器材等），实验中的网球情景图片不存在中性图片，不做选择；唤醒度（arousal）为“看到网球比赛场景中运动员情绪，你觉得运动员激动还是提不起精神”，激动程度越高，评分越接近9，反之越接近1，数字越大表示唤醒度越高，反之越低。实验过程中刺激图片随机呈现，当刺激图片呈现时参与者先对图片的正负性进行评价，然后依次对图片的效价和唤醒度进行打分（图2）。

图2 网球专项参与者实验流程图Figure 2.Special Tennis Participant Experiment Flow Chart

第3个任务：首先对第1个任务和第2个任务实验结果进行分析，筛选出专家和网球专项参与者对图片正负性评价结果一致认同率达75%以上，且与理论分析结果相一致的图片。将筛选出来的图片按照正负性进行分类，运用E-prime分别编制两个实验程序，设置刺激图片自动播放，4 s/幅，两组程序运行时间为3～5 min。40名普通大学生参与者依据性别进行随机分组，一组观看正性图片，另外一组观看负性图片，在实验前告知参与者保持安静，待其安静后根据Bradley等（1994）的SAM主观情绪愉悦度自评量表（图3）进行主观情绪自评，当刺激图片播放完毕后，参与者即刻对自我情绪状态进行自评。SAM主观情绪愉悦度自评量表的评分方法为，在每幅漫画中均有5个漫画人形图，依次代表情绪的愉悦度大小，这些漫画中的人形均是等比例呈现愉悦度的程度变化，每个图案下面均有相应数字，参与者需要根据自身感受选择与即时情绪状态相符的数值，若较难判断时，漫画人物之间的数字表示临近漫画情绪状态的平均值。

图3 SAM主观情绪愉悦度自评量表Figure 3.SAM Subjective Emotional Pleasure Self-Rating Scale

1.2.4 实验程序

参与者签署知情同意书，了解实验流程及目的，使参与者充分配合研究者进行实验。阅读实验程序中的指导语，待参与者明白实验过程中的任务后，开始进行实验。在实验过程中，对屏幕上刺激材料的正负性、效价、唤醒度等级进行评价。

1.3 结果

1.3.1 专家对图片认同率判断结果

实验所选用的原始刺激材料均为2016年四大网球公开赛比赛中得失分后运动员的即时状态图片。因此，理论上运动员赢球后情绪状态应为正性，当其输球时处于负性情绪状态。Adolpd等（2010）研究表明，图片认同率大于75%可以提高表情的识别率。分析认同率达到75%以上的图片发现，虽然专家判断图片的正负性与理论分析结果一致的比例较大，但有部分图片的判断结果与理论分析结果截然相反（表1）。

从数据（表1）分析可以看出，认同率大于75%的图片中，专家对负性情绪识别出现错误的几率比对正性情绪识别出错的几率大。

表1 专家认同率大于75%的情况统计Table 1 Statistical Table of the Situation where the Expert Recognition Rate is Greater than 75% n=6

1.3.2 熟手对图片认同率判断结果

分析30名熟手在图片正负性判断结果的一致性，筛选出认同率在75%以上的运动情境图片。理论上运动员赢球后情绪状态应为正性，当其输球时处于负性情绪状态，但分析发现，其中有一部分图片熟手的判断结果与理论上的分析结果截然相反（表2）。

表2 熟手认同率大于75%的情况统计Table 2 Statistical Table of the Situation where the Recognition Rate of Skilled Subjects is Greater than 75% n=30

通过数据（表2）分析发现，得分的图片被判断为失分的比例明显低于失分图片被判断为得分的比例。另外，从专家和熟手对图片正负性认同率判断结果的对比发现，专家在正负性图片上判断出错的概率均比熟手低，这一判断符合专家的专业背景及教学、运动经历。

实验最终筛选出专家和熟手一致认同率均超过75%，且图片认同率结果与理论分析结果相一致的正性图片204张，负性图片180张。

1.3.3 图片效价、唤醒度等级评价结果

选取专家和熟手认同率均在75%以上，且与理论分析结果一致的图片进行效价和唤醒度等级评价分析（表3）。

由分析可知，在效价方面，正性图片的效价均值高于负性效价图片的均值，这与效价的评分标准相吻合；在唤醒度方面，正性图片的唤醒度均值略高于负性图片的唤醒度均值。

1.3.4 图片的效价、唤醒度分布结果

统计最终筛选出的204张正性图片和180张负性图片的效价、唤醒度评分等级分布情况（表4），正性图片和负性图片在效价维度上的分布较为合理，均存在高效价图片和低效价图片；在唤醒度方面，两种性质图片的唤醒度均处于较高水平，该分布结果为后续网球运动中情绪的研究提供较为有效的情绪刺激材料。

表3 熟手对效价、唤醒度评分的描述性统计Table 3 Descriptive Statistical Table of Titer and Arousal Score of Skilled Subjects

表4 两种情绪图片在效价和唤醒度等级评价分布情况Table 4 The Distribution of Two Emotional Images in Titer and Arousal Rating

为了能够直观了解筛选后的网球运动情景图片情绪的效价与唤醒度分布情况，对筛选后图片的效价与唤醒度频数制作分布图（图4～5）。筛选后的图片效价分布范围较为广泛，在正负性轴上图片的分布较为合理，其中唤醒度水平多数图片处于中等以上水平（图4）。在正性和负性两种图片中，评分符合正态分布（表5）。从筛选后图片的效价和唤醒度分布来看，整体分布较为合理，筛选出的情绪图片对情绪识别的后续研究提供了信效度保证。

图4 效价评分分布频数直方图Figure 4.Histogram of Distribution Frequency of Potency Score

图5 唤醒度评分分布频数直方图Figure 5.Histogram of Wakefulness Score Distribution Frequency

表5 不同组别参与者情绪评价前后测结果统计Table 5 Statistical Results before and after Emotional Evalua‐tion of Participants in Different Groups

1.3.5 运动图片的有效性检验结果

对普通大学生观看筛选后的情绪图片前后情绪自评结果进行显著性检验（表5），在正性图片组中均值检验结果呈现显著性差异（t=14.69，P＜0.05），后测愉悦度（M=7.00，SD=0.97）较前测愉悦度（M=5.00，SD=0.80）高，说明测试前和测试后参与者的愉悦度有明显差异，且后测的愉悦度水平要显著高于前测水平；负性组前后测结果均值检验呈现显著性差异（t=-9.75，P＜0.05），后测的愉悦度水平（M=3.45，SD=1.05）较前测愉悦度水平（M=5.95，SD=1.32）有所下降，说明测试前和测试后参与者的愉悦度有明显差异，且后测的愉悦度水平显著低于前测水平。

说明筛选后的情绪图片对普通大学生的情绪具有诱发作用，这些材料可以作为后续情绪研究的初始材料。

1.4 讨论

本研究发现，在情绪图片的筛选过程中无论是专家还是新手的判断结果都会与截取运动情景图片时的理论结果不尽相同，这种现象的产生可能与本实验采用参与者自我报告的方法进行情绪报告有关，该报告形式需要参与者有能力且愿意对自己情绪进行报告，比如，某些情绪图片并未引起参与者的关注和记忆，因此无法做出准确的判断，参与者可能存在无意识情绪，也可能压抑某些情绪。有研究表明，压抑情绪是以组织情绪编码进入记忆的方式进行，从而导致情绪积极的不完整（姜媛等，2010）。由此，这可能是造成理论分析结果与一致性认同结果不一致的重要原因。

本研究还发现，不同性别对负性图片的效价评定出现显著性差异。有行为研究发现，个体对词汇的加工存在着负性倾向（negative bias），即对消极词汇存在注意偏向，再认任务中，消极词汇与中性词汇诱发的事件相关电位（event-related potential，ERP）波在左侧顶叶与右侧额叶等区表现出明显的差异（Maratos et al.，2000）。袁加锦等（2011）的研究发现，人脑对负性情绪时间效价强度的易感性可能要高于对正性事件效价强度的易感性。这一效应也得到了 Leppänen等（2007）研究的支持。Yuan等（2008）将这一效应命名为人类情绪的效价强度效应。在有关性别影响情绪效价强度的研究中显示，从极端负性到极端正性这一人类情绪活动的全效价空间内，大脑对各效价强度的正负性情绪刺激，以及高强度负性情绪刺激的情绪易感性均无显著性差异。女性人群中对中等负性采集在230～450 ms时间区间表现出显著的效应，而男性人群对该类刺激未出现情绪效应。有研究发现，负性情绪效应与右侧前额叶密切相关，男、女人群产生正性情绪的阈限无显著差异，但女性人群产生负性情绪的阈限更低，这也决定了女性具有相比男性更强的负性情绪易感性，产生这一现象的原因与女性人群具有更强的负性情绪易感性及该人群对突发低概率事件更强的惊跳反应倾向密切相关（袁加锦等，2012）。此外，外倾性与情绪易感性密切相关，已有研究指出，外倾程度可以有效预测个体的积极情绪水平对奖励的敏感性（Canli et al.，2001，2002）。

2 实验2：“混合”刺激材料对情绪识别的影响

2.1 目的

实验通过对刺激材料的特殊化处理，探究不同情绪表情线索条件下对情绪识别准确性的影响，从而分析面部表情和肢体语言对情绪识别的影响。

2.2 方法

共招募某体育学院普通大学生32名（男16名，女16名，平均年龄21.4岁）。要求参与者身心健康，视力或矫正视力正常，并告知参与者整个实验过程中要耐心认真完成。

2.2.2 实验材料

实验2选择实验1中专家和熟手一致认同率超过75%，且与理论分析结果相一致的图片作为原始材料。运用Photoshop CS5图片处理软件对原始材料进行处理，最终获得4种类型刺激材料（图6）：原始胜利图片（32张）、原始失败图片（32张）、胜利面部失败肢体“混合体”（32张）、失败面部胜利肢体“混合体”（32张），共128张实验刺激材料，并对处理后的“混合体”图片进行主观和客观评判，以确定参与者察觉不到图片的“混合”处理。

图6 4种材料类型示例图Figure 6.Sample Diagram of Four Material Types

2.2.3 实验设计

实验2为2（性别）×4（4种刺激类型材料）的混合实验设计，其中，性别为组间变量，刺激材料为组内变量，因变量为图片中运动员情绪效价的评价分数。

2.3.4 实验程序

实验2与实验1流程相似。实验中首先呈现注视点，之后呈现刺激目标，参与者作出反应后跳转到白屏，而后进行下一个Trials，共计128个，直到所有刺激材料呈现结束（图7）。

图7 实验流程图Figure 7.Experiment Flow Chart

2.3 结果

参与者对原始胜利图片、失败面部胜利肢体“混合体”图片的效价评价均值均大于其他两种图片的效价均值（表6）。从这4种类型图片呈现的表情线索可以分析出肢体语言对参与者进行情绪识别产生较为重要的影响。

对反映积极情绪的正性图片两种不同材料的情绪效价评价结果进行配对样本t检验发现，原始胜利图片（M=7.86）与失败面部胜利肢体混合图片（M=7.53）两组均值之间不存在显著性差异（P＞0.05），说明面部表情与肢体语言线索在决策相冲突时，肢体语言信息主导了情绪正负性的判断和识别。原始胜利图片（M=7.86）与胜利面部失败肢体混合图片（M=2.61）之间识别为不同情绪性质，再一次说明了肢体语言信息在情绪识别中的重要性。检验结果说明，参与者在进行情绪图片正负性及效价评价时更多依据的是情绪图片的肢体语言信息以进行情绪的判断与识别。

颅内肿瘤合并糖尿病患者多以良性肿瘤为主，可通过手术治疗获得较为满意的治疗效果[1]。但手术作为对人体有创的治疗方式可能导致患者出现应急性刺激使其耐受力降低，因此，能否平安度过围手术期是手术成功的关键，围手术期对血糖的良好控制并完善相关检查，加强护理干预对促进术后恢复，降低并发症发生概率具有重要意义。该研究为探讨对颅内肿瘤合并糖尿病患者提供围手术期护理干预的重要意义，2017年1月—2018年1月特选取100例该病患者临床资料进行分析。现报道如下。

表6 4种不同类型刺激材料正负性及效价评价结果统计Table 6 Results of Positive and Negative Evaluation and Potency Evaluation of Four Different Types of Stimulus Materials n=16

原始失败图片（M=2.38）与胜利面部失败肢体混合图片之间（M=2.61）不存在显著性差异，说明面部表情与肢体语言线索信息相冲突时，肢体语言信息主导了正负性判断，从而使得混合图片正负性识别与原始失败图片正负性识别相一致。原始失败图片（M=2.38，负性图片）与胜利面部失败肢体混合图片（M=7.38，正性图片）之间识别为正负不同情绪性质，说明面部表情信息在正负情绪信息识别中并未占据主导地位以成为情绪识别的关键信息。

对4种类型图片进行不同性别的独立样本t检验，发现胜利面部与失败肢体混合图片类型中，男、女不同参与者存在显著性差异（t=2.130，P＜0.05），说明女性参与者对肢体语言等负性消极信息更为敏感，在情绪识别方面影响更大，与实验1结果相一致。其他类型图片信息不存在显著性差异。

2.4 讨论

本研究发现，在网球运动情境中肢体语言比面部表情更能准确传达运动员的情绪。近年，国外学者对肢体语言和面部表情的研究也证实了本研究结果。Scherer等（1991）指出，人们的动作会受到情绪状态的改变而发生变化。De Gelder（2006）在认知和情感神经科学研究中发现，肢体语言能很迅速与特定的情绪相连接。Aviezer等（2008）的研究发现，情绪可以在更早时间水平上被感知到，并不是只有通过面部才能感知到。Aviezer等（2012）的研究也证实，不仅在激烈的网球运动中肢体语言比面部表情更能准确地判断情绪信息，而且扩展到很多生活场景中也是如此。还有研究通过对刺激材料的改变探讨肢体语言和面部表情对情绪线索的影响，Visch（2014）比较了使用动态表情及观测条件恶化的情况下，肢体语言较面部表情判断正确的概率大。面部表情在情绪识别中较为困难，主要原因在于面部表情模式尚未能达到其分化的精细程度，在人们依据面部表情进行情绪识别时会产生混淆，从而造成判断的出错。而肢体语言能够让参与者准确对情绪进行识别，一方面在于肢体语言较面部表情有更为广泛的活动形式，容易使参与者产生注意；另一方面在于网球运动文化本身导致参赛选手在得失分后更多的是伴随着丰富的肢体动作。

3 实验3：肢体语言中关键线索的探究

3.1 目的

根据实验2的研究可以发现，在网球运动情景中肢体语言对情绪识别更为重要。肢体语言中的身体线索信息众多，包括头部、躯干、上下肢、手部以及脚部动作姿势等线索，以往的运动经验表明，手部动作在比赛中更多的成为运动员情绪宣泄的窗口，特别是握拳动作姿势，在隔网对抗性项目中成为胜利得分与为自己加油的标志性动作。实验3继续采用“混合体”的方式探讨肢体语言中身体动作姿势众多线索中手部动作线索是否为情绪识别的关键因素。

3.2 方法

3.2.1 参与者

通过海报等多种途径招募实验参与者男性本科生和研究生共30名，年龄22～26岁（M=24.3）。要求参与者身心健康，视力或矫正视力正常，并告知参与者整个实验过程中要耐心认真完成。实验前自愿签署知情同意书，经参与者同意后进行相关实验。

3.2.2 实验材料

实验3依旧选取实验1中专家和熟手一致认同率超过75%，且与理论分析结果一致的图片作为实验3的原始刺激材料。运用Photoshop CS5图片处理软件对原始图片进行处理，最终获得4种类型材料（图8）：原始胜利图片（30张）、原始失败图片（30张）、胜利身体（去掉手势动作的头部、躯干和上下肢线索，如头部动作姿势包括低头、仰头，躯干动作姿势包括弯腰、背弓，上下肢动作姿势包括各种肢体动作姿势）与失败手势（手部动作状态，包括握拳和伸掌）“混合体”（30张）、失败身体与胜利手势“混合体”（30张），要求处理后的图片不显示运动情景中运动员的面部表情，采用马赛克对面部表情进行统一处理，并对处理后的“混合体”图片进行主观判断与客观打分。

图8 4种材料类型示例图Figure 8.Sample Diagram of Four Material Types

3.2.3 实验任务

在正式实验开始前给参与者讲解整个实验流程，待参与者明白后进行正式实验。实验中首先呈现一个黑色“＋”号注视点，呈现时间500～700 ms，然后呈现目标刺激，当目标刺激呈现时参与者使用鼠标对图片的效价进行评价（效价评价等级为1～9：1～4代表负性情绪，数字越小表示负性情绪越强烈；5代表中性，本实验中的刺激材料没有中性材料，因此不对5进行选择；6～9代表正性情绪，数字越大表示正性情绪越强烈），当效价等级选择完成后跳转到白色空白图片，即完成了1个Trial刺激材料的呈现，共进行120个，直到所有刺激材料呈现结束。通过E-prime软件记录参与者对每张图片的效价评价结果，最终生成E-DataAid数据文件。

3.2.4 实验程序

所有参与者均在安静、整洁、无外界干扰的环境中进行实验，实验中所使用的计算机显示器亮度、对比度和色彩均一致。为了避免实验前后效应的影响，一个参与者只被随机分配到其中一个组别进行实验。

3.3 结果

在4种不同类型图片的效价评价均值中，胜利手部与失败身体“混合体”图片、原始胜利图片评分均值均大于中性图片的效价均值5，识别为正性积极情绪图片；而胜利身体与失败手势“混合体”图片、原始失败图片评分均值均小于中性图片效价均值5，被判别为负性消极情绪图片类型（表7）。

表7 4种不同类型图片正负性及效价评价结果Table 7 Evaluation Results of Positivity and Potency of Four Different Types of Pictures n=30

对反映消极情绪的正性图片两种不同材料的情绪效价评价结果进行配对样本t检验，发现两组均值之间不存在显著性差异（P＞0.05），原始失败图片（M=2.69）和胜利身体与失败手势“混合体”图片之间（M=2.95）不存在显著性差异，说明胜利身体与失败手势信息相冲突时，失败手势主导了正负性判断，从而使得混合图片正负性识别与原始失败图片正负性识别相一致。原始失败图片（M=2.69，负性图片）、胜利手势与失败身体“混合体”图片（M=7.15，正性图片）之间识别为不同情绪性质，说明失败身体在正负性识别中并没有占据主导地位。

原始胜利图片（M=7.58）、胜利手部与失败身体“混合体”图片（M=7.15）经过配对样本t检验，发现两者得分之间不存在显著性差异（P＞0.05），说明胜利手部与失败身体线索相冲突时，胜利手部信息主导了情绪正负性的判断和识别。原始胜利图片（M=7.58）、胜利身体与失败手势“混合体”图片（M=2.95）之间识别为不同情绪性质，再一次说明了手部肢体信息在情绪识别中的重要性。检验结果表明，参与者在进行情绪图片效价评价时更多依据情绪图片的手部姿势动作进行情绪判断与识别。

3.4 讨论

在实验2中探讨了面部表情和肢体语言在判断情绪状态时的关系，证明了人们在进行情绪识别时肢体语言比面部表情能够传递更多、更准确的信息，肢体语言在网球运动中对运动员的情绪识别起着非常重要的作用。在实验3中同样采用“混合体”的方式来研究肢体语言中的关键因素，发现动作手势线索在人们对网球运动员情绪识别中起着关键作用。手势动作能成为网球运动情景中的关键因素，主要有以下两方面原因：1）手作为肢体末端，同样具备肢体广泛的运动模式，同时由于其作为肢体远端线索更容易引起人们的注意；2）在网球运动中运动员向外界传递信息的方式有很多，其中手势动作作为一种经济、省力的信息传递方式常被采用。该结论也证实了英国心理学家莫里斯的研究，人体中越是远离大脑的部位，其可信程度就越大（de Gelder，2009）。

4 总讨论

神经心理学对面部表情和肢体线索的情绪识别机制研究发现，在情绪识别中参与者依据孤立的面部进行情绪识别时无法准确识别情绪信息，肢体线索在情绪识别中发挥着补偿作用。Van Den Stock等（2007）使用迫选法（forced choice paradigm）对连续渐变的面部表情和躯体线索匹配结果进行选择，研究显示，当面部表情所表达的情绪处于两种情绪之间时，参与者主要依靠肢体线索对情绪进行识别，当面部表情接近某一种情绪时这种现象逐渐减弱。Aviezer等（2012）与Wenzler等（2016）对孤立面部、孤立肢体（面部模糊处理）和面部-肢体匹配3类刺激对情绪效价的识别进行研究，发现参与者依据孤立面部进行情绪识别时的正确率在概率水平，但在依靠孤立肢体和面部-肢体匹配材料进行识别时，发现参与者能够准确识别情绪效价。有研究发现，肢体线索在情绪识别中起到感知运动与行为信息的作用。De Gelder等（2004）使用核磁共振成像技术（functional magnetic resonance imag‐ing，fMRI）记录参与者在进行情绪识别时的脑区活动情况，发现与情绪有关的肢体信息刺激能够显著激活感知运动和行为信息的相关脑区，如额下回（inferior frontal gy‐rus，IFG）、尾状核（caudate nucleus，CN）、壳核（putamen，PT）等，其中额下回是镜像神经系统的重要组成部分，负责觉察和监控行为信息；尾状核、壳核是基底神经节的主要结构，主要负责对本体感觉传入冲动信息的处理。关于肢体线索和面部表情在情绪识别中的神经基础研究目前未见统一的定论。有研究发现，肢体线索与面部表情加工神经基础存在重合，Grosbras等（2006）在研究动态面部表情时发现，参与者脑区的杏仁核（amygdala，AMG）被激活；Sinke等（2010）、Kret等（2011）、Goldberg等（2015）在使用动态肢体线索（面部模糊处理）时发现肢体线索依旧激活了脑区中的AMG区域；Giese等（2003）采用躯体图片（面部模糊处理）的神经影像研究发现，躯体图片能够显著激活梭状回（fusiform gyrus，FG）、颞上沟（superior temporal sulcus，STS），与已知的面孔知觉敏感区域相吻合；Tamietto等（2015）采用动态刺激的研究也发现了类似的结论，以上研究都证明了肢体线索与面部表情的加工脑区存在重合。但是也有研究发现两者并不存在重叠现象，颞叶和枕叶的外纹状皮层躯体区（extrastriate body ar‐ea，EBA）主要负责识别躯体外形、情绪及动作信息的加工（Downing et al.，2011，2015），梭状回躯体区（fusiform body area，FBA）主要负责加工躯体信息，对整个躯体信息的构型进行编码（Peelen et al.，2005；Van De Riet et al.，2009），由此可见，EBA与FBA对躯体信息加工的作用并不相同，EBA可能主要对躯体各部分的信息进行视觉加工，而FBA对搜集的信息进行整合，肢体线索加工设计更为广泛的神经网络，因此认为面部表情和躯体线索在识别时的神经基础存在分离现象。在关于肢体线索与面部表情神经基础的研究中尚待明确区分二者在情绪识别方面神经基础的差异，依据不同的情绪线索进行识别时所激活的脑区有重叠的部分，但是并不完全重合，且肢体线索能激活更为广泛的脑区。

面部表情与肢体线索心理加工机制研究表明两者并不相同。面部表情加工理论认为面孔信息的识别开始于面孔信息刺激的觉察，而后对面孔情绪、身份等信息进行编码（De Gelder et al.，2012）。De Gelder等（2004，2012）的肢体线索的心理加工机制研究提出的躯体线索加工双通道理论认为，人们在进行躯体线索加工时存在两条独立且相互协作的神经通路，一条是躯体线索的自动化加工通路，另一条是由一个与基本回路相联系的皮层网络组成，该理论在强调进行情绪自动化加工的同时，充分考虑认知因素在情绪及行为中的调节作用，将自上而下的加工与自下而上的加工相结合。

面部表情与肢体语言线索在情绪识别方面的信息加工机制尚待进一步借助认知神经科学仪器和设备来验证与澄清。实验1对刺激图片启动效应的信效度进行了检验，后期可以根据不同职业网球运动员做成情绪启动图片库或动态视频情绪图片库，以增加研究的外部效度；实验2证明了肢体语言在情绪识别方面相对于面部表情更为重要；实验3探索了身体姿势线索信息中手势动作信息对情绪识别的影响，后期研究可以将运动员的习惯动作信息纳入研究中。

5 结论

1）在网球运动情境中肢体语言能传递更多、更准确的情绪信息。

2）肢体语言中的手势动作信息是网球运动情境中情绪识别的关键因素。

6 局限与不足

1）研究是在实验室条件下，通过刺激反应情绪启动范式实现情绪判断，不可避免存在生态学效度问题，在运动实践中应从观众角度来识别运动员的情绪性质，运动员之间的情绪识别除了面部表情、肢体语言以及声音语调之外，可能还存在其他的线索，比如习惯动作、先验概率、关键分的风险选择等，需要未来继续探索；2）研究未考虑距离对运动员情绪识别的影响，在网球运动比赛情景中，运动员隔网对抗，是肢体语言起到关键线索的重要原因，如果在乒乓球比赛情境，面部表情可能会成为情绪识别更为重要的线索；3）存在得失分与情绪反应一致问题，尽管研究在情绪图片有效性检验方面已经删减得失分理论与实际情绪识别相模糊的刺激材料，但不可否认在运动比赛实践中，超水平发挥尽管失分，情绪也可能是正向的，优秀运动员往往将目标设置为过程目标而不是结果目标，后续研究该尽可能屏蔽到这一因素的影响。