• Keine Ergebnisse gefunden

Berlin Emotion Recognition Test (BERT)

N/A
N/A
Protected

Academic year: 2022

Aktie "Berlin Emotion Recognition Test (BERT)"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Berlin Emotion Recognition Test (BERT) Hintergrund

Der Berlin Emotion Recognition Test (BERT) ist ein computerbasierter sensitiver Test zur Emotionserkennung. Er besteht aus 48 emotionalen Gesichtsausdrücken der sechs Basisemotionen in unterschiedlicher Intensität, dargestellt von professionellen Schauspieler*innen. Jeder Gesichtsausdruck wird mit zwei Emotionswörtern (eins davon ist korrekt) präsentiert. Die Proband*in wird gebeten anzugeben, wie sich die Person fühlt. Der Prozentsatz korrekter Antworten bildet den Emotionserkennungswert. In mehreren Studien wurden die Bilder sowie die Distraktoren getestet und hinsichtlich Reliabilität und Sensitivität verbessert.

Installation

Um den BERT auf einem Rechner abspielen zu können, benötigen Sie die Präsentationssoftware Opensesame. Diese ist Freeware und Sie können sie unter dem folgenden Link für Ihr Betriebssystem herunterladen: https://osdoc.cogsci.nl/3.2/download/ Wir empfehlen BERTauf einem Windows- Rechner zu installieren. Grundsätzlich ist aber auch eine Installation auf einem Mac-Rechner möglich.

In diesem Fall müssen Sie möglicherweise Ihre Sicherheitseinstellungen so ändern, dass fremde Programme zur Installation zugelassen werden.

Starten

Nach der Installation von Opensesame können Sie den BERT direkt öffnen: Dafür starten Sie bitte Opensesame. Öffnen Sie nun die BERT: Dafür klicken Sie oben links in der Menüleiste auf „File“ und dann im aufklappenden Menü auf „Open“. Dann wählen Sie auf Ihrem Rechner die Datei BERT_2.0.osexp“ aus.

Jetzt müssen Sie den BERT noch starten: Gehen Sie dafür in der Menüleiste von Opensesame oben links auf „Run“ und wählen dann im ausklappenden Menü „Run fullscreen“. Das Programm bittet Sie nun eine Probandennummer zu vergeben. Tragen Sie eine Zahl ein und klicken Sie auf „OK“.

Anschließend fragt Sie das Programm, wo und unter welchem Namen es die Daten des Probanden speichern soll.

Jetzt sollte der BERT starten. Wenn Sie ihn abbrechen möchten drücken Sie Escape. Nachdem der BERT abgeschlossen wurde, können Sie Opensesame beenden. Auf den folgenden Seiten finden Sie eine Anleitung wie Sie die Daten am Ende ihrer Studie auswerten können.

Versuchsablauf

Gehen Sie als Versuchsleiter*in gemeinsam mit der Proband*in durch die Instruktionen und die Beispiele:

„Sie werden nun Fotos von Menschen sehen, die ein bestimmtes Gefühl ausdrücken. Ihre Aufgabe ist, nach jedem Foto möglichst schnell per Tastendruck anzugeben, wie sich die Person vermutlich fühlt. Arbeiten sie so zügig und akkurat, wie möglich. Manchmal ist es sehr schwer zu erkennen, um welches Gefühl es sich handelt, weil die Person es nicht sehr stark zeigt. In

(2)

diesem Fall wählen Sie das Gefühl, dass dem am ehesten entspricht. Auch wenn Sie das Gefühl haben nur zu raten. Diese Aufgabe dauert etwa fünfzehn Minuten.“

Danach verlassen Sie den Raum und die Proband*in beginnt selbstständig den Test (siehe Abbildung 1 für ein Beispiel-Item). Während des Tests braucht die Proband*in nur die Zahlen 1 oder 2 zu drücken. Ihre Finger sollten auf diesen beiden Tasten ruhen, damit sie den Blick nicht mehr senken muss.

Abbildung 1. Beispiel für ein Item des BERT

Daten

Die Daten einer jeden Proband*in speichert das Programm im csv-Format. Die Ergebnisdatei enthält für jedes präsentierte Bild eine Spalte mit u.a. der präsentierten Emotion („emo_label“), dem Geschlecht der Schauspieler („gender“). Es wird sowohl die Korrektheit der Antwort („correct“) als auch die Reaktionszeit („response_time“) der Probanden gespeichert. Am Ende der gesamten Studie müssen die Einzeldateien aller Probanden zusammengefügt werden.

Verwendung

Die aktuelle Fassung des BERT ist unter www.hannadrimalla.de/bert.html verfügbar.

Sollten Sie fragen zum Test, oder zur Auswertung haben, erreichen Sie uns unter:

hanna.drimalla@hu-berlin.de oder isabel.dziobek@hu-berlin.de

Bitte verweisen Sie, wenn Sie den Test verwenden, auf die entsprechende Publikation zum BERT.

Drimalla, H., Baskow, I., Behnia, B., Röpke, S. and Dziobek, I. (2019) Imitation and Recognition of Facial Emotions in Autism – A Computer Vision Approach.

Abbildung

Abbildung 1. Beispiel für ein Item des BERT

Referenzen

ÄHNLICHE DOKUMENTE

Wege gehen - oben, unten, links und rechts Geraldine Kalberla, 2016.

Durchaus ver- gleichbar sind Berlin-Darle- hen jedoch mit einem festver- zinslichen Wertpapier mit 6,5 Prozent Nominalverzinsung, das zum Kurs von 80 Prozent erworben wird: wie

Erklären lässt sich diese unterschiedliche Berechnung dadurch, dass durch eine R2R- Regelung die Schichtdickenverteilung über den Wafer nicht beeinflussbar ist und somit für

A mixed reality enhanced game is presented, where the traditional interface is replaced by a new interaction paradigm, in which the player uses his body to control his virtual

Thus the government borrowing from the central bank increases the excess liquidity holding of the banks through increase in the banks’ deposits.. We therefore

Literature on monetary transmission mechanism often argues that regulating money supply become difficult in presence of excess bank liquidity. Any attempt by the

In this paper, the event of a liquidity shock will be called a liquidity stress event (LSE) which includes both systemic, as well as idiosyncratic (firm-specific) events...

Auch Kenner, die sich schon län- ger mit Libellen beschäftigen, kom- men hier auf ihre Kosten, wenn sie mehr Informationen haben möchten, als in den Bestimmungs- führern zu