?

The Emotion Word Type Effect in Chinese Reading not Moderated by Valence: Evidence from Eye-Tracking

  • Tongwen HU 1 ,
  • Kuo ZHANG 2 ,
  • Yuru CHENG 1 ,
  • Jingxin WANG , *, 1
Expand
  • 1. Key Research Base of Humanities and Social Sciences of the Ministry of Education, Academy of Psychology and Behavior, Faculty of Psychology, Tianjin Social Science Laboratory of Students’ Mental Development and Learning, Tianjin Normal University, Tianjin 300387
  • 2. Zhou Enlai School of Government, Nankai University, Tianjin 300350

Received date: 2023-08-02

  Online published: 2024-07-25

Copyright

Copyright reserved © 2024.

Abstract

In the current study, we investigated how the type (label or laden) and the valence (positive or negative) of the emotion words affect the Chinese reading processing, with embedding different types of emotion words into the same sentence frame. The eye movement data was collected. The results showed that emotion-label words were fixated significantly longer than emotion-laden words, which was not moderated by valence. Additionally, positive words were fixated significantly shorter than negative words, confirming the advantage of semantic processing for positive words and supporting the density hypothesis. These findings suggest that the emotion word type differently affect the lexical access in Chinese reading. The emotional information has a more pronounced effect on emotion-label words, captivating readers’ attention and leading to increased involvement and difficulty in disengagement.

Cite this article

Tongwen HU , Kuo ZHANG , Yuru CHENG , Jingxin WANG . The Emotion Word Type Effect in Chinese Reading not Moderated by Valence: Evidence from Eye-Tracking[J]. Studies of Psychology and Behavior, 2024 , 22(2) : 197 -203 . DOI: 10.12139/j.1672-0628.2024.02.007

1 引言

识别环境中的情绪信息对人类生存和机能调节起着至关重要的作用(Pratto & John, 1991)。因此,当刺激具备情绪属性,即较高唤醒度和极端效价(高效价−积极、低效价−消极)时,通常会得到更多的注意资源和优先加工,并被迅速且准确地识别(Schupp et al., 2007)。这种加工优势不仅存在于情绪图片或面孔上(Schupp et al., 2007),也出现在情绪语言中(Scott et al., 2009)。然而,个体如何在情绪语言中获取情绪意义的具体机制尚不明确(曹阳, 王琳, 2018)。对此,研究者开始探索人类如何编码和加工语言中的情绪信息(Hinojosa et al., 2020),其中尤以情绪词的加工研究为主(王霞 等, 2019)。情绪词指的是表达或引发某种情绪反应的词汇,具有较高的唤醒度和极端效价(Scott et al., 2009)。研究发现,在点探测任务(Sutton & Altarriba, 2011)和词汇判断任务(Vinson et al., 2014)中,情绪词比中性词识别更快;掩蔽启动任务下,情绪词的语义启动也更快(Spruyt et al., 2002)。情绪词的ERPs研究也表明,相比于中性词,情绪词在早期成分(如EPN, 250~300 ms)(Schindler & Kissler, 2016)和晚期成分(如LPC, 500~700 ms)(Kaltwasser et al., 2013)上均能诱发更显著的脑电波幅,获取更多注意资源。以上研究说明,作为抽象字符的情绪词,即使在视觉特征上并不具备明显的情绪线索,但个体依然能依靠情绪词的语义加工获取情绪意义,使得情绪词也能表现出与情绪图片和面孔一致的加工优势。
目前,在情绪词加工优势效应研究的基础上,研究者发现情绪词中存在更为精细的分类,它们对于个体情绪体验的激发路径并不相同(Zhang et al., 2017)。具体而言,研究者将情绪词在功能上划分为情绪标签词(emotion-label word)和情绪负载词(emotion-laden word)(Pavlenko, 2008)。情绪标签词是指能直接引起个体情绪反应或感受的词汇,如“开心”和“难过”;而情绪负载词本身并不直接描述或表达情绪,而是通过词义激活或联想相关经历后诱发个体情绪反应或感受的词汇,如“失败”和“坟墓”(Zhang et al., 2017)。这两类情绪词虽都能引发情绪体验,但在激发情绪的过程中存在显著差异(Kazanas & Altarriba, 2015, 2016)。例如,Kazanas和Altarriba(2015, 2016)利用语义启动范式发现,相比于情绪负载词,情绪标签词稳定地出现更大的情绪语义启动效应。这表明情绪标签词更具情绪语义启动优势,更能激活情绪体验。此外,在Simon任务和Flanker任务(Zhang et al., 2019)中,相较于情绪负载词而言,情绪标签词作为分心刺激对目标识别的干扰更大,更不容易抑制。这也说明了情绪标签词上的情绪信息作用更为凸显,更易自动捕获个体注意,引发注意偏向。再者,Zhang等(2017)借助ERP技术发现情绪标签词能诱发更大的N170波幅,说明在加工早期情绪标签词能够分配更多的注意资源,进行情绪信息的相关加工。以上研究结果表明,相比于情绪负载词,情绪标签词在语义上与情绪信息的关联更紧密,更能激活个体的情绪反应,即表现出情绪词类型上的情绪标签词效应。根据语义表征的具身理论(Vigliocco et al., 2009),情绪标签词上更为凸显的情绪信息作用可能源自词汇上的情绪体验与语义的直接关联(Tang et al., 2023)。情绪标签词的语义表征是在个体社会化进程中形成(Tang et al., 2023),伴随着个体情感发展,与个体经历紧密关联(Basnight-Brown & Altarriba, 2017)。当情绪标签词的概念信息激活时,情绪信息也同步激活(刘佳, 2021)。而情绪负载词的语义习得更类似于一般词汇,在习得时更侧重于词汇的概念信息,并非情绪信息(史汉文 等, 2022)。故而相比情绪负载词,情绪标签词中情绪信息的作用更为凸显,更能吸引和维持注意(Sutton & Altarriba, 2011),表现出注意的偏向优势。
然而,已有研究为方便使用ERP技术,大多在独立词汇层面探讨情绪词类型加工(史汉文 等, 2022)。尽管通过ERP技术能揭示精细的词汇加工进程,但这与人们日常生活所使用的情绪语言存在较大差异。日常生活中,情绪语言是由比词汇更大的语义单位进行表达,通常嵌入到语句中进行理解(王霞 等, 2019)。眼动追踪技术不仅能在自然情景下记录语句中词汇的在线加工过程,还能观察和分析个体自然阅读时的视觉注意分配(Rayner, 2009),提供更具生态意义的情绪语言加工过程(Scott et al., 2012)。基于此,相关研究利用眼动追踪技术在语句加工中分别探讨了情绪标签词与中性词(Knickerbocker et al., 2015)、情绪负载词和中性词的加工差异(Knickerbocker et al., 2019),发现了自然阅读中两类情绪词的情绪优势效应。但上述研究并未直接对比两类情绪词的加工,且经文献检索发现,目前并无研究在眼动技术下将两类情绪词融入语句中进行直接分析(史汉文 等, 2022)。在自然阅读中,情绪标签词和情绪负载词的加工差异是否依然存在,目前并无直接证据。因此,本研究使用眼动技术,在自然阅读情景下考察两类情绪词的加工差异,以验证更具生态效度的情绪词类型效应。根据独立词汇中的相关结果,情绪标签词上的情绪信息作用更突出(Kazanas & Altarriba, 2015),更能吸引和维持注意(Sutton & Altarriba, 2011)。本研究首先假设:在自然阅读情景中,情绪标签词上的情绪信息作用依然更为显著,更能吸引读者的注意卷入且难以解离,从而使其在情绪标签词上的注视时间更长,即表现出情绪词类型上的情绪标签词效应。
另外,情绪效价作为情绪属性中的关键维度,对情绪语言加工存在稳定的影响,且在加工上具有不对称性(王霞 等, 2019)。密度假说认为,积极信息在语义记忆中具有高存储密度和更近的语义距离,相比于消极信息更具激活优势,因此积极信息的加工会更快(Unkelbach et al., 2008)。研究发现,在情绪语言中,积极词汇的识别和理解更为快速准确(Schindler & Kissler, 2016),且在自然阅读中这一优势依然存在,积极词汇的词义通达更迅速,注视时间更短(Scott et al., 2012)。另外,情绪效价对情绪词类型的加工差异也存在影响。在积极效价下,情绪标签词的优势效应消失,和情绪负载词的加工并无差异;而在消极效价下,情绪词类型效应逆转,表现出情绪负载词上的优势效应(Zhang et al., 2019)。然而,研究表明,当任务不涉及情绪属性的深度加工时(如真假词判断),情绪效价对情绪词类型加工的影响不存在,稳定地表现为情绪标签词上的优势效应(Jia et al., 2023)。这表明,当任务不涉及情绪属性的深加工时,词汇语义上的情绪意义激活可能处于较弱水平,情绪效价所产生的影响也较为有限(Liu et al., 2023),由此对情绪词类型加工差异所产生的影响也可能较小。在自然阅读中,读者的加工任务是依赖语境通达词汇、理解语句(Scott et al., 2012),此时更侧重于词汇的语义加工,情绪属性加工较浅,故而情绪词效价的影响也可能较弱。鉴于此,关于情绪效价对自然阅读中情绪词类型效应的影响,本研究假设:在句子阅读中,情绪词类型上的情绪标签词效应不受情绪效价的调节。同时,基于密度假说,积极词汇因其在语义记忆中具有高存储密度和近语义距离,更容易被激活和提取。本研究假设:在句子阅读中积极词汇依然存在语义激活优势,词义通达会更迅速,加工更快,因而对积极词的注视时间会更短。

2 研究方法

2.1 被试

36名在校大学生(男生11名),年龄在18~25岁之间(M=20.75岁, SD=1.82岁)。母语均为汉语,视力或矫正视力正常,右利手。实验结束后给予一定的实验报酬。

2.2 实验设计

采用2(情绪词类型:情绪标签词、情绪负载词)×2(情绪效价:积极、消极)的两因素被试内设计。

2.3 实验材料

参照以往研究对情绪词类型进行划分(Liu et al., 2023; Wang et al., 2019)。首先,在语料库(Cai & Brysbaert, 2010)中挑选情绪词;然后招聘不参与正式实验的30名被试依据两类情绪词定义对所挑选的情绪词进行分类。基于在某一特定类型上有80%及以上被试选择的标准,有348个情绪词被明确划分:61个积极标签词(M=96%, SD=6%),96个积极负载词(M=95%, SD=6%),80个消极标签词(M=95%, SD=7%),111个消极负载词(M=93%, SD=6%)。在此基础上,将Wang等与Liu等的实验材料也纳入其中。接着,另选取27名不参与正式实验的被试,在1~9级尺度上对目标词进行愉悦度(1=非常不愉快, 9=非常愉快)、唤醒度(1=很平静, 9=非常强烈)、抽象度(1=非常具体, 9=非常抽象)的评定,最终形成可供选择的目标词词库。
从目标词库中选取112个词,编成112个句子(每种条件28个句子)。四种条件的目标词在唤醒度、抽象度、词频、笔画数、邻居词数量等词汇属性上的差异均不显著(Fs<1, ps>0.05)。情绪标签词和情绪负载词在愉悦度上差异不显著(标签词: M=4.94, SD=2.25; 负载词: M=4.91, SD=2.11; t=0.83, p>0.05);而积极词和消极词在愉悦度上差异显著(积极: M=7.03, SD=0.43; 消极: M=2.81, SD=0.51; t=47.45, p<0.001)。目标词基本情况如表1所示。目标词均靠近句子中部,平均句长22字。另外,招募22名不参与正式实验的被试进行语句的预测性评定,结果显示句子平均预测率M=0.01,SD=0.01,表明句子对于目标词的预测性较低。再者,招募15名不参与正式实验的被试对语句通顺性在1~5级尺度上进行评定(1=非常不通顺, 5=非常通顺),平均通顺性M=4.16,SD=0.23,且在四种条件下的通顺性差异不显著(Fs<1, ps>0.05)。实验材料例子如表2所示。
表1 目标词属性的基本参数情况[M(SD)]
情绪词类型效价愉悦度唤醒度抽象度词频(次/百万)笔画数邻居词数量
标签词积极7.11(0.45)5.32(0.35)6.75(0.31)24.74(28.76)19.32(3.42)25.50(21.43)
消极2.77(0.56)5.39(0.51)6.70(0.34)19.25(29.69)18.14(4.62)22.75(29.20)
负载词积极6.95(0.41)5.42(0.60)6.63(0.34)34.39(64.89)18.57(4.69)21.64(16.38)
消极2.87(0.46)5.49(0.54)6.67(0.37)16.98(34.44)19.18(5.35)17.89(15.15)
表2 实验材料举例
情绪词类型效价句子
标签词积极或许是过往的那些幸福日子让他难以忘怀。
消极或许是过往的那些伤心日子让他难以忘怀。
负载词积极或许是过往的那些辉煌日子让他难以忘怀。
消极或许是过往的那些窝囊日子让他难以忘怀。

  注:加粗词为目标词。

正式实验材料按照拉丁方顺序在各个条件之间进行平衡,形成四组实验材料,每种条件下28个实验句、32个填充句和15个练习句。每名被试只阅读其中一组实验材料,实验过程中所有句子完全随机呈现。

2.4 实验仪器

采用EyeLink1000 Plus眼动仪,采样率为1000 Hz。显示屏幕分辨率为1920×1080像素,刷新率为120 Hz,被试与屏幕距离为70 cm。实验材料为32号宋体汉字,每个汉字视角约呈0.97°。

2.5 实验程序

每名被试单独施测。实验开始前,主试讲解实验流程。之后对被试注视进行三点校准,平均误差小于0.3。校准无误后,屏幕左侧呈现注视点“+”,被试盯住注视点后呈现句子,阅读理解后按空格键结束。实验材料中有30%的句子后跟随“是”或“否”的阅读理解问题,“是”和“否”的判断各一半。整个实验过程大约20分钟。

3 结果

阅读问题的平均正确率为97%。根据以往研究(Knickerbocker et al., 2019),按照以下标准对试次进行删除:(1)注视点小于80 ms或大于1000 ms的试次;(2)单个句子注视点总数小于等于5的试次;(3)因头动或咳嗽导致追踪丢失的试次。共删除228个试次,占总试次的5.65%。
本研究以目标词作为兴趣区,使用R软件的lmer数据包(Kuznetsova et al., 2017)对数据进行分析。分析指标选用首次注视时间、单一注视时间、凝视时间、回视路径时间和总注视时间。首次注视时间是首次通过兴趣区的注视时间;单一注视时间是在兴趣区内只有一次注视的时间;凝视时间是从首次注视到离开兴趣区的时间;回视路径时间是从首次注视兴趣区到注视点落在兴趣区右侧区域的所有注视时间总和;总注视时间是兴趣区内所有注视时间的总和。首次注视时间、单一注视时间和凝视时间反映情绪信息对词汇通达的早期影响,总注视时间和回视路径时间反映晚期影响(闫国利 等, 2013)。分析时对上述注视指标进行了log转换。实验条件的描述统计结果如表3所示,统计检验结果如表4所示。
表3 各实验条件下眼动指标的描述统计结果[M(SD)]
情绪词类型效价首次注视时间(ms)单一注视时间(ms)凝视时间(ms)回视路径时间(ms)总注视时间(ms)
标签词积极240(90)241(89)278(139)387(291)399(243)
消极243(90)244(93)296(162)426(324)444(275)
负载词积极230(82)229(82)264(124)362(274)375(223)
消极237(86)241(89)294(143)408(315)409(238)
表4 线性混合模型的固定效应统计结果
分析指标 效应 b SE t 95%CI
首次注视时间 截距 5.40 0.02 244.02*** [5.36, 5.44]
类型 −0.03 0.01 −2.54* [−0.05, −0.01]
效价 −0.02 0.01 −1.25 [−0.04, 0.01]
类型×效价 −0.02 0.03 −0.92 [−0.08, 0.03]
单一注视时间 截距 5.41 0.02 226.99*** [5.36, 5.45]
类型 −0.03 0.01 −1.75† [−0.05, 0.00]
效价 −0.02 0.02 −1.53 [−0.05, 0.01]
类型×效价 −0.04 0.03 −1.42 [−0.10, 0.02]
凝视时间 截距 5.52 0.03 198.51*** [5.47, 5.59]
类型 −0.02 0.02 −1.22 [−0.07, 0.02]
效价 −0.07 0.02 −3.35** [−0.11, −0.03]
类型×效价 −0.05 0.04 −1.43 [−0.14, 0.02]
回视路径时间 截距 5.78 0.04 162.49*** [5.70, 5.85]
类型 −0.06 0.03 −2.03* [−0.11, −0.00]
效价 −0.10 0.03 −3.40** [−0.15, −0.04]
类型×效价 −0.03 0.05 −0.63 [−0.14, 0.07]
总注视时间 截距 5.84 0.04 149.16*** [5.76, 5.91]
类型 −0.07 0.03 −2.27* [−0.12, −0.01]
效价 −0.09 0.03 −2.90** [−0.15, −0.03]
类型×效价 0.01 0.06 0.17 [−0.11, 0.13]

  注:†p<0.1,*p<0.05,**p<0.01,***p<0.001。

结果显示,情绪词类型主效应在首次注视时间(t=−2.54, p=0.012)、回视路径时间(t=−2.03, p=0.044)和总注视时间(t=−2.27, p=0.025)上显著,在单一注视时间(t=−1.75, p=0.083)上边缘显著,均在情绪标签词上的注视时间更长,说明其更吸引读者的注意。情绪效价在凝视时间(t=−3.35, p=0.001)、回视路径时间(t=−3.40, p=0.001)和总注视时间(t=−2.90, p=0.005)上主效应显著,均在积极情绪词上的注视时间更短,说明其加工更快。另外,情绪词类型和情绪效价的交互在五个分析指标上均不显著(首次注视时间: t=−0.92, p=0.361; 单一注视时间: t=−1.42, p=0.158; 凝视时间: t=−1.43, p=0.155; 回视路径时间: t=−0.63, p=0.531; 总注视时间: t=0.17, p=0.867),表明情绪词类型加工差异并未受到情绪效价的影响。同时,通过贝叶斯分析验证情绪词类型和情绪效价不交互的可靠性。贝叶斯分析结果显示在所有指标上的BF值[BF=BF(全模型: 类型+效价+类型×效价)/BF(基准模型: 类型+效价)]均小于1(首次注视时间: 0.10; 单一注视时间: 0.17; 凝视时间: 0.33; 回视路径时间: 0.08; 总注视时间: 0.05),验证了情绪词类型和情绪效价两者之间不存在交互作用。

4 讨论

本研究通过眼动追踪技术考察了自然阅读过程中的情绪词类型效应,结果发现当不同类别情绪词嵌入同一句子框架后,依然稳定地存在情绪词类型加工差异,表现为情绪标签词上的注视时间更长,更能够吸引读者注意从而卷入度更深;并进一步发现这种情绪词加工的类型差异并不受其效价的调节。另外,结果发现了在自然阅读中的积极词汇同样存在语义加工优势,表现为积极效价词上的注视时间更短,加工更快。
首先,本研究与以往研究一致,发现了情绪词类型在加工上的差异(Kazanas & Altarriba, 2015),并且这种差异在早期(N170, 140~200 ms)(Zhang et al., 2017)和晚期(N400, 300~400 ms; early LPC, 400~500ms)(Liu et al., 2023)都出现。结果稳定地表现出情绪标签词注视时间更长,更吸引读者的注意,卷入度更深且难以解离。依据语义具身理论(Vigliocco et al., 2009),情绪标签词与情绪负载词的加工差异源于两者所含情绪体验信息不同。情绪标签词伴随着个体情感体验而发展,在早期阶段习得,与个体的情绪经历具有更强的联结,语义上能直接提取相关情绪体验,词汇通达时情绪信息同步激活(刘佳, 2021),因此情绪信息作用更凸显(Knickerbocker et al., 2015)。而情绪负载词是在个体情感体验形成后习得,与特定经历关联,所含情绪体验是语义激活特定经历后诱发,词汇通达时其情绪信息可能还未激活(刘佳, 2021),因而情绪信息的作用有限(Knickerbocker et al., 2015)。根据情绪信息加工的注意警觉模型(Pratto & John, 1991),个体注意加工的主要适应功能是促进环境的快速和准确识别,并维持对重要信息的加工资源。情绪信息对个体而言具有生态意义,对此类信息的卷入有助于帮助个体识别和评估潜在的威胁(Pratto & John, 1991)。在本研究中,由于标签词的情绪体验来源于早期的经验学习,它们相比于负载词更具生态意义(Basnight-Brown & Altarriba, 2017),因此会吸引更多的注意资源,且更难以解离(Sutton & Altarriba, 2011)。这也与情绪面孔和图片研究的相关研究结果一致,即当刺激的情绪信息突出时,会更易捕获个体的注意从而产生更多注意卷入(Schupp et al., 2007)。此外,本研究结果也启示对情绪信息的注意和解离不仅会表现在知觉线索上,还会体现在词汇的语义线索上。
再者,与以往研究结果一致,在情绪效价上发现了积极词汇的语义加工优势(Schindler & Kissler, 2016; Scott et al., 2012)。在自然阅读中,积极词汇的加工依然更为迅速。根据密度假说(Unkelbach et al., 2008)的解释,消极词汇在语义上彼此差异较大,在语义记忆中存储较为分散,提取语义时需要在离散的记忆空间内进行搜索,故而加工时间会更长。这一点也与注意警觉模型相符,因为消极情绪信息通常与个体生存相关,需进行更为精细的加工,从而使得消极词汇上的加工时间变长。此外,本研究与情绪词ERPs研究一致,在与EPN(250~300 ms)类似时间窗口内开始出现情绪效价差异(Schindler & Kissler, 2016),表明自然阅读中的情绪效价加工同样是一种自动化方式,积极词汇的加工优势可以跨越知觉加工,扩展到更复杂的语句阅读中。
最后,本研究通过眼动技术发现,情绪词类型差异和情绪效价差异在时间进程上并不同步出现,表现在情绪词类型差异更早出现,而情绪效价差异较晚才出现。这或许与个体的生存和适应有关(Pratto & John, 1991),人类往往会优先分辨情绪信息的生态性(Zsidó et al., 2023),加工那些对个体生存和发展价值凸显的情绪信息(Schupp et al., 2007)。这也与情绪信息的加工阶段特征相符(Zhang et al., 2014),个体在细分情绪属性−情绪效价前,会先区分信息是否对个体生存具有关联性。这意味着,在自然情景中的情绪语言加工同样呈现出明显的阶段特征,首先是从词汇的语义加工上对情绪信息的生态性进行区分,一旦词汇语义上的情绪信息得到确认后则对情绪语言信息进行效价的区分(Liu et al., 2023),而后综合加工情绪信息。这一结果表明了早期的情绪语义监测在功能上服务于个体趋近或趋避的反应趋向,即对情绪语言进行效价的判断。另外,在本研究的情绪语言加工进程中,通过对情绪词效价和类型的交互作用进行贝叶斯统计检验发现,情绪效价对情绪词类型效应并不会产生显著影响。这也与以往研究一致,当使用内隐任务,即任务不涉及对情绪信息的判断时,情绪内容的激活有限,此时个体对情绪信息的加工比较粗略,情绪词类型加工差异并不受到情绪效价的影响(Jia et al., 2023)。同理,在自然阅读中,情绪词整合到语句后,需要依据语境进行词汇通达,此时更侧重于词汇的语义加工,情绪属性加工较浅,情绪效价对词汇语义上的情绪信息加工约束减弱,故而情绪效价对情绪词类型效应并不产生影响。

5 结论

在中文阅读中,存在着稳定的情绪词类型效应,表现为不论情绪效价如何,情绪标签词上情绪信息作用更为显著,更易捕获读者注意且难以解离,说明情绪标签词更具生态意义;积极情绪词表现出语义加工优势,支持了密度假说,且在时间进程上情绪词类型差异和情绪效价差异的出现并不同步。
曹阳, 王琳. 书面语言中情绪信息的加工. 科学通报, 2018, 63 (2): 148- 163.

刘佳. (2021). 注意导向的汉语情绪直意词和情绪隐含词的神经机制研究(博士学位论文). 北京外国语大学.

史汉文, 李雨桐, 隋雪. 情绪词类型效应: 区分情绪标签词和情绪负载词的行为和神经活动证据. 心理科学进展, 2022, 30 (12): 2696- 2707.

王霞, 卢家楣, 陈武英. 情绪词加工过程及其情绪效应特点: ERP的证据. 心理科学进展, 2019, 27 (11): 1842- 1852.

闫国利, 熊建萍, 臧传丽, 余莉莉, 崔磊, 白学军. 阅读研究中的主要眼动指标评述. 心理科学进展, 2013, 21 (4): 589- 605.

Basnight-Brown, D. M., & Altarriba, J. (2017). The influence of emotion and culture on language representation and processing. In M. Faucher, C. (Ed.), Advances in culturally-aware intelligent systems and in cross-cultural psychological studies (pp. 415–432). Cham, Switzerland: Springer.

Cai, Q., & Brysbaert, M. SUBTLEX-CH: Chinese word and character frequencies based on film subtitles. PLoS One, 2010, 5 (6): e10729.

DOI

Hinojosa, J. A., Moreno, E. M., & Ferré, P. (2020). Affective neurolinguistics: Towards a framework for reconciling language and emotion. Language, Cognition and Neuroscience, 35(7), 813–839.

Jia, D. D., Zhang, H. P., Wang, Y., & Zhou, Z. J. Which word makes you feel more negative? “Nausea” or “corpse”. Current Psychology, 2023, 42 (36): 31724- 31735.

DOI

Kaltwasser, L., Ries, S., Sommer, W., Knight, R. T., & Willems, R. M. Independence of valence and reward in emotional word processing: Electrophysiological evidence. Frontiers in Psychology, 2013, 4, 168.

Kazanas, S. A., & Altarriba, J. The automatic activation of emotion and emotion-laden words: Evidence from a masked and unmasked priming paradigm. The American Journal of Psychology, 2015, 128 (3): 323- 336.

DOI

Kazanas, S. A., & Altarriba, J. Emotion word type and affective valence priming at a long stimulus onset asynchrony. Language and Speech, 2016, 59 (3): 339- 352.

DOI

Knickerbocker, F., Johnson, R. L., Starr, E. L., Hall, A. M., Preti, D. M., Slate, S. R., & Altarriba, J. The time course of processing emotion-laden words during sentence reading: Evidence from eye movements. Acta Psychologica, 2019, 192, 1- 10.

DOI

Knickerbocker, H., Johnson, R. L., & Altarriba, J. Emotion effects during reading: Influence of an emotion target word on eye movements and processing. Cognition and Emotion, 2015, 29 (5): 784- 806.

DOI

Kuznetsova, A., Brockhoff, P. B., & Christensen, R. H. B. lmerTest package: Tests in linear mixed effects models. Journal of Statistical Software, 2017, 82 (13): 1- 26.

Liu, J., Fan, L., Tian, L. Y., Li, C., & Feng, W. S. (2023). The neural mechanisms of explicit and implicit processing of Chinese emotion-label and emotion-laden words: Evidence from emotional categorisation and emotional Stroop tasks. Language, Cognition and Neuroscience, 38(10), 1412–1429.

Pavlenko, A. Emotion and emotion-laden words in the bilingual lexicon. Bilingualism: Language and Cognition, 2008, 11 (2): 147- 164.

DOI

Pratto, F., & John, O. P. Automatic vigilance: The attention-grabbing power of negative social information. Journal of Personality and Social Psychology, 1991, 61 (3): 380- 391.

DOI

Rayner, K. The 35th Sir Frederick Bartlett lecture: Eye movements and attention in reading, scene perception, and visual search. Quarterly Journal of Experimental Psychology, 2009, 62 (8): 1457- 1506.

DOI

Schindler, S., & Kissler, J. Selective visual attention to emotional words: Early parallel frontal and visual activations followed by interactive effects in visual cortex. Human Brain Mapping, 2016, 37 (10): 3575- 3587.

DOI

Schupp, H. T., Stockburger, J., Codispoti, M., Junghöfer, M., Weike, A. I., & Hamm, A. O. Selective visual attention to emotion. The Journal of Neuroscience, 2007, 27 (5): 1082- 1089.

DOI

Scott, G. G., O’Donnell, P. J., Leuthold, H., & Sereno, S. C. Early emotion word processing: Evidence from event-related potentials. Biological Psychology, 2009, 80 (1): 95- 104.

DOI

Scott, G. G., O’Donnell, P. J., & Sereno, S. C. (2012). Emotion words affect eye fixations during reading. Journal of Experimental Psychology: Learning, Memory, and Cognition, 38(3), 783–792.

Spruyt, A., Hermans, D., Houwer, J. D., & Eelen, P. On the nature of the affective priming effect: Affective priming of naming responses. Social Cognition, 2002, 20 (3): 227- 256.

DOI

Sutton, T. M., & Altarriba, J. The automatic activation and perception of emotion in word processing: Evidence from a modified dot probe paradigm. Journal of Cognitive Psychology, 2011, 23 (6): 736- 747.

DOI

Tang, D., Fu, Y., Wang, H. L., Liu, B., Zang, A. Q., & Kärkkäinen, T. The embodiment of emotion-label words and emotion-laden words: Evidence from late Chinese-English bilinguals. Frontiers in Psychology, 2023, 14, 1143064.

DOI

Unkelbach, C., Fiedler, K., Bayer, M., Stegmüller, M., & Danner, D. Why positive information is processed faster: The density hypothesis. Journal of Personality and Social Psychology, 2008, 95 (1): 36- 49.

DOI

Vigliocco, G., Meteyard, L., Andrews, M., & Kousta, S. Toward a theory of semantic representation. Language and Cognition, 2009, 1 (2): 219- 247.

DOI

Vinson, D., Ponari, M., & Vigliocco, G. How does emotional content affect lexical processing. Cognition & Emotion, 2014, 28 (4): 737- 746.

Wang, X., Shangguan, C. Y., & Lu, J. M. Time course of emotion effects during emotion-label and emotion-laden word processing. Neuroscience Letters, 2019, 699, 1- 7.

DOI

Zhang, D. D., He, W. Q., Wang, T., Luo, W. B., Zhu, X. R., Gu, R., … Luo, Y. J. Three stages of emotional word processing: An ERP study with rapid serial visual presentation. Social Cognitive and Affective Neuroscience, 2014, 9 (12): 1897- 1903.

DOI

Zhang, J., Wu, C. G., Meng, Y. X., & Yuan, Z. Different neural correlates of emotion-label words and emotion-laden words: An ERP study. Frontiers in Human Neuroscience, 2017, 11, 455.

DOI

Zhang, J., Wu, C. G., Yuan, Z., & Meng, Y. X. Differentiating emotion-label words and emotion-laden words in emotion conflict: An ERP study. Experimental Brain Research, 2019, 237 (9): 2423- 2430.

DOI

Zsidó, A. N., Bali, C., Kocsor, F., & Hout, M. C. Task-irrelevant threatening information is harder to ignore than other valences. Emotion, 2023, 23 (6): 1606- 1617.

DOI

Outlines

/

Copyright © Editorial office of Studies of Psychology and Behavior
Tel: 022-23540231, 23541213 E-mail: psybeh@126.com