DOI: https://doi.org/10.3389/fpsyg.2026.1763494
PMID: https://pubmed.ncbi.nlm.nih.gov/42099730
تاريخ النشر: 2026-04-22
المؤلف: Rachel-Tzofia Sinvani وآخرون
الموضوع الرئيسي: علوم الأعصاب وإدراك الموسيقى
نظرة عامة
تستكشف هذه الدراسة تأثير فئات عاطفية محددة على المراقبة الميتامعرفية (MM) والدقة الميتامعرفية (MA) في التعرف على العواطف الصوتية. باستخدام مهمة حيث قام 100 مشارك بتحديد ستة عواطف صوتية (الغضب، الحزن، المفاجأة، السعادة، الخوف، والحيادية) من جمل ذات دلالة محايدة، قام الباحثون بقياس الثقة الذاتية المبلغ عنها (SRC) وقدرة التعرف على العواطف الموضوعية (ERA). أظهرت النتائج، التي تم تحليلها من خلال ANOVAs ذات القياسات المتكررة، اختلافات كبيرة في MA وERA عبر العواطف، حيث أظهر الحزن أعلى مستوى من المعايرة والدقة، بينما أظهر الخوف أدنى أداء. ومن الجدير بالذكر أنه لم يتم العثور على اختلافات كبيرة في MM عبر العواطف.
تشير النتائج إلى أن التباينات في MA مدفوعة بشكل أساسي بالاختلافات في ERA بدلاً من MM. تسلط الدراسة الضوء على اتجاه عام من الإفراط في الثقة في التعرف على العواطف، وخاصةً الأقل وضوحًا في الحزن. تؤكد هذه النتائج على دور المحتوى العاطفي كطلب مميز يؤثر على كل من الأداء والنتائج الميتامعرفية. يدعو المؤلفون إلى مزيد من البحث في الآليات الكامنة وراء MM في التعرف على العواطف، مع التأكيد على الحاجة إلى مقارنة مؤشرات MA المختلفة عبر مهام ومجالات مختلفة لتعزيز فهم MA في السياقات الاجتماعية.
مقدمة
تناقش مقدمة ورقة البحث مفهوم المراقبة الميتامعرفية (MM)، والتي تشير إلى التقييم المستمر لعمليات الفرد المعرفية وتعتبر ضرورية لسلوكيات التعلم الفعالة. جانب رئيسي من MM هو الدقة الميتامعرفية (MA)، التي تقاس غالبًا من خلال المعايرة – التوافق بين الثقة الذاتية والأداء الموضوعي. يمكن أن تؤدي الفجوات في المعايرة إلى الإفراط في الثقة أو نقص الثقة، مما يوفر رؤى حول الوعي الذاتي المعرفي للفرد.
بينما قامت الأبحاث السابقة بدراسة كيفية تأثير خصائص المحفزات على التقييمات الميتامعرفية في مهام معرفية متنوعة، هناك نقص ملحوظ في الفهم بشأن هذه التأثيرات في السياقات الاجتماعية والعاطفية. أظهرت الدراسات الحديثة أن الإشارات العاطفية يمكن أن تؤثر بشكل كبير على MM والمعايرة في مهام التعرف على العواطف البصرية؛ ومع ذلك، لا يزال تأثير الإشارات العاطفية الصوتية غير مستكشف بشكل كافٍ. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال التحقيق في كيفية تأثير فئات مختلفة من العواطف على كل من MM وMA في سياق مهام التعرف على العواطف الصوتية.
الطرق
في هذه الدراسة، استخدم المؤلفون مجموعة بيانات تم استخدامها سابقًا في أبحاث سابقة (Sinvani et al., 2024; Sinvani and Fogel-Grinvald, 2024). قدمت الدراسات الأصلية تفاصيل منهجية شاملة، بما في ذلك أوصاف للسكان العينة والتقنيات المستخدمة لاستنباط وتسجيل وتقييم التعبيرات العاطفية الصوتية. تدعم هذه الأعمال الأساسية التحقيق الحالي، مما يضمن إطارًا منهجيًا قويًا لتحليل العواطف الصوتية.
النتائج
في هذه الدراسة، تم إجراء سلسلة من ANOVAs ذات القياسات المتكررة لاستكشاف الاختلافات في الثقة الذاتية المبلغ عنها (SRC)، والمعايرة، ودقة التعرف على العواطف (ERA) عبر فئات عاطفية متنوعة. أظهر تحليل SRC تأثيرًا رئيسيًا كبيرًا للعاطفة (F(5,495) = 2.99, p = 0.011; η² = 0.029)، على الرغم من أن المقارنات الزوجية لم تسفر عن اختلافات كبيرة بعد تصحيح بونفيروني، مما يشير إلى أنه على الرغم من وجود تباين، إلا أن التباينات المحددة ليست ذات دلالة إحصائية.
على النقيض من ذلك، أظهر تحليل المعايرة تأثيرًا رئيسيًا كبيرًا للعاطفة مع حجم تأثير كبير (F(4.38, 433.74) = 15.46, p < 0.001; η² = 0.14). ومن الجدير بالذكر أن الحزن أظهر أعلى مستوى من المعايرة مقارنة بالغضب والخوف والمفاجأة (p < 0.001)، وكان أيضًا أعلى بشكل ملحوظ من السعادة (p = 0.002). أظهر الخوف مستوى معايرة أقل بشكل ملحوظ من كل من السعادة والحيادية (p < 0.001). علاوة على ذلك، أظهر تحليل ERA تأثيرًا رئيسيًا كبيرًا للعاطفة (F(5,495) = 29.53, p < 0.001; η² = 0.23)، حيث حقق الحزن دقة أعلى بشكل ملحوظ من جميع العواطف الأخرى (p < 0.001)، بينما كان للخوف والغضب دقة أقل مقارنة بالسعادة والحيادية. تسلط هذه النتائج الضوء على التأثيرات العاطفية المميزة على SRC والمعايرة والدقة في التعرف على العواطف.
المناقشة
تستكشف قسم المناقشة في الدراسة تأثير فئات العواطف المنفصلة على الثقة الذاتية المبلغ عنها (SRC)، والمعايرة الميتامعرفية (MA)، ودقة التعرف على العواطف (ERA) ضمن سياق صوتي. تشير النتائج إلى وجود اختلافات كبيرة بين فئات العواطف، مما يبرز بشكل خاص أن الحزن أثار أعلى مستوى من المعايرة وERA، بينما أظهر الخوف أدنى مستوى من المعايرة وأحد أدنى مستويات ERA. ومن الجدير بالذكر أنه على الرغم من أن التأثير الرئيسي للعاطفة على SRC كان كبيرًا، إلا أن المقارنات الزوجية لم تكشف عن اختلافات كبيرة بين العواطف المحددة، مما يشير إلى أن الفئات العاطفية تؤثر عمومًا على المراقبة الميتامعرفية ولكن قد لا تؤدي إلى تباينات مميزة في SRC.
تؤكد الدراسة على دور المراقبة الميتامعرفية (MM) والدقة الميتامعرفية (MA) في فهم قدرة التعرف على العواطف (ERA). على الرغم من التأثير الرئيسي الكبير للعاطفة على SRC، قد يُعزى نقص التمييزات الزوجية إلى عوامل منهجية، مثل استخدام جملة محايدة واحدة متكررة قد تكون قد أخفت التباين اللازم لتحفيز اختلافات مميزة في SRC. يقترح المؤلفون أن الأبحاث المستقبلية يجب أن تأخذ في الاعتبار الفروق الفردية، مثل التعاطف والثقة الذاتية الميتامعرفية، لتوضيح الآليات الكامنة وراء SRC في مهام التعرف على العواطف. بشكل عام، تسهم الدراسة في فهم كيفية تأثير الإشارات العاطفية على العمليات الميتامعرفية في التعرف على العواطف الصوتية، مما يبرز الحاجة إلى مزيد من الاستكشاف للمعايرة كبعد مميز من MA.
القيود
تناقش هذه القسم قيود الدراسة الحالية حول النهج متعدد الوسائط (MM) والنهج أحادي الوسائط (MA) في التعرف على العواطف الصوتية (ERA). يعترف المؤلفون بأن اعتمادهم على إطار عاطفي منفصل، والذي يتضمن ستة تعبيرات عاطفية مميزة كما هو موضح من قبل بارّيت (2017)، قد يقيد عمومية نتائجهم. يقترحون أن الأبحاث المستقبلية يجب أن تعتمد مجموعة أوسع من المنهجيات لتسهيل المقارنات مع الدراسات متعددة الوسائط الحالية.
علاوة على ذلك، يوصي المؤلفون باستكشاف أنواع مختلفة من المحفزات، بما في ذلك الانفجارات الصوتية، والكلمات، والكلمات غير المعنوية، لتعزيز فهم MA في التعرف على العواطف عبر سياقات عاطفية مختلفة (Lausen and Hammerschmidt, 2020). كما يبرزون أهمية فحص المعلمات الصوتية مثل النغمة، والشدة، ومعدل الكلام فيما يتعلق بأحكام الثقة، والتي يمكن أن توفر رؤى قيمة حول الإشارات التي تؤثر على MM في التعرف على العواطف الصوتية. أخيرًا، يقترحون أن دمج مقاييس شاملة، مثل استبيانات التعاطف، مع الأحكام المستقبلية يمكن أن يوضح بشكل أكبر الآليات التي تلعب دورًا في MM وMA ضمن التفاعلات الاجتماعية.
DOI: https://doi.org/10.3389/fpsyg.2026.1763494
PMID: https://pubmed.ncbi.nlm.nih.gov/42099730
Publication Date: 2026-04-22
Author(s): Rachel-Tzofia Sinvani et al.
Primary Topic: Neuroscience and Music Perception
Overview
This study investigates the impact of specific emotional categories on metacognitive monitoring (MM) and metacognitive accuracy (MA) in vocal emotion recognition. Utilizing a task where 100 participants identified six vocal emotions (anger, sadness, surprise, happiness, fear, and neutrality) from semantically neutral sentences, the researchers measured self-rated confidence (SRC) and objective emotion recognition ability (ERA). The results, analyzed through one-way repeated-measures ANOVAs, revealed significant differences in MA and ERA across emotions, with sadness showing the highest calibration and accuracy, while fear exhibited the lowest performance. Notably, no significant differences were found in MM across emotions.
The findings suggest that variations in MA are primarily driven by differences in ERA rather than MM. The study highlights a general trend of overconfidence in emotion recognition, particularly less pronounced in sadness. These results underscore the role of emotional content as a distinct task demand that influences both performance and metacognitive outcomes. The authors advocate for further research into the mechanisms underlying MM in emotion recognition, emphasizing the need to compare various MA indices across different tasks and domains to enhance understanding of MA in social contexts.
Introduction
The introduction of the research paper discusses the concept of metacognitive monitoring (MM), which refers to the continuous assessment of one’s cognitive processes and is crucial for effective learning behaviors. A key aspect of MM is metacognitive accuracy (MA), often measured through calibration—the alignment between subjective confidence and objective performance. Discrepancies in calibration can lead to overconfidence or underconfidence, offering insights into an individual’s cognitive self-awareness.
While previous research has extensively examined how stimulus characteristics influence metacognitive evaluations in various cognitive tasks, there is a notable lack of understanding regarding these effects in social-emotional contexts. Recent studies have shown that emotional cues can significantly impact MM and calibration in visual emotion recognition tasks; however, the influence of vocal emotional cues remains underexplored. This study aims to address this gap by investigating how different categories of emotions affect both MM and MA in the context of vocal emotion recognition tasks.
Methods
In this study, the authors utilized a dataset previously employed in earlier research (Sinvani et al., 2024; Sinvani and Fogel-Grinvald, 2024). The original studies provided comprehensive methodological details, including descriptions of the sample population and the techniques implemented for eliciting, recording, and evaluating vocal emotional expressions. This foundational work underpins the current investigation, ensuring a robust methodological framework for analyzing vocal emotions.
Results
In this study, a series of one-way repeated-measures ANOVAs were conducted to explore the differences in self-reported confidence (SRC), calibration, and emotion recognition accuracy (ERA) across various emotional categories. The analysis for SRC indicated a significant main effect of emotion (F(5,495) = 2.99, p = 0.011; η² = 0.029), although pairwise comparisons did not yield significant differences after Bonferroni correction, suggesting that while variability exists, specific contrasts are not statistically significant.
In contrast, the calibration analysis revealed a significant main effect of emotion with a large effect size (F(4.38, 433.74) = 15.46, p < 0.001; η² = 0.14). Notably, sadness exhibited the highest calibration compared to anger, fear, and surprise (p < 0.001), and was also significantly higher than happiness (p = 0.002). Fear demonstrated significantly lower calibration than both happiness and neutrality (p < 0.001). Furthermore, the ERA analysis showed a significant main effect of emotion (F(5,495) = 29.53, p < 0.001; η² = 0.23), with sadness achieving significantly higher accuracy than all other emotions (p < 0.001), while fear and anger had lower accuracy compared to happiness and neutrality. These findings highlight distinct emotional influences on SRC, calibration, and accuracy in emotion recognition.
Discussion
The discussion section of the study explores the influence of discrete emotion categories on self-rated confidence (SRC), metacognitive calibration (MA), and emotion recognition accuracy (ERA) within a vocal context. The findings indicate significant differences among emotion categories, particularly highlighting that sadness elicited the highest calibration and ERA, while fear exhibited the lowest calibration and among the lowest ERA. Notably, while the main effect of emotion on SRC was significant, pairwise comparisons did not reveal significant differences between specific emotions, suggesting that emotional categories generally influence metacognitive monitoring but may not lead to distinct SRC variations.
The study emphasizes the role of metacognitive monitoring (MM) and metacognitive accuracy (MA) in understanding emotion recognition ability (ERA). Despite the significant main effect of emotion on SRC, the lack of pairwise distinctions may be attributed to methodological factors, such as the use of a single repeated neutral sentence that may have obscured the variability needed to trigger distinct SRC differences. The authors suggest that future research should consider individual differences, such as empathy and metacognitive self-confidence, to further elucidate the mechanisms underlying SRC in emotion recognition tasks. Overall, the study contributes to the understanding of how emotional cues impact metacognitive processes in vocal emotion recognition, highlighting the need for further exploration of calibration as a distinct dimension of MA.
Limitations
This section discusses the limitations of the current study on multimodal (MM) and unimodal (MA) approaches to vocal emotion recognition (ERA). The authors acknowledge that their reliance on a discrete emotion framework, which includes six distinct emotional expressions as outlined by Barrett (2017), may restrict the generalizability of their findings. They suggest that future research should adopt a broader range of methodologies to facilitate comparisons with existing cross-modal studies.
Moreover, the authors recommend exploring various types of stimuli, including vocal bursts, words, and nonsense words, to enhance understanding of MA in emotion recognition across different emotional contexts (Lausen and Hammerschmidt, 2020). They also highlight the importance of examining acoustic parameters such as tone, intensity, and speech rate in relation to confidence judgments, which could yield valuable insights into the cues influencing MM in vocal emotion recognition. Lastly, they propose that integrating global measures, such as empathy questionnaires, with prospective judgments could further clarify the mechanisms at play in MM and MA within social interactions.