目標:
1.找到幾個常用於 schizo & ASD 之臉部表情評估工具
2.建立相關檢索策略
3.往後目標:彙整相關評估工具之介紹與評論
4.最終目標:設計我們自己的臉部表情辨識評估工具
(將常用的臉部表情評估工具定義在近10年內的文獻中，具有2篇以上的文獻有採納)
文獻搜尋
方法:
1.使用PubMed資料庫
2.以Mesh找尋facial recognition/schizo的分類、關鍵字
3.語文類別篩選為英文、種族類別篩選為人類、年代篩選為近10年內
藉由文獻增加可使用的關鍵字:
- Facial affect/
- Emotion recognition/Facial
Identification
完整版:
- 主題:facial recognition[MeSH Terms]OR
facial recognition[Text Word] OR Emotion recognition [Text Word] OR Facial
identification[Text Word] OR Facial affect[Text
Word] OR facial discrimination[Text Word]
- 對象:schizophrenia[MeSH Terms] OR
schizophrenia[Text Word]
精簡版
1.face recognition[tiab] AND
schizophrenia[tw]
2.Emotion recognition[tiab] AND
schizophrenia[tw]
3.Facial identification[tiab] AND
schizophrenia[tw]
4.Facial affect[tiab] AND
schizophrenia[tw]
5.facial discrimination[tiab] AND
schizophrenia[tw]
共有13個評估工具
|
評估工具
|
所採納此評估工具的實證型文獻
|
一.針對臉部情緒進行辨認:受試者能夠查覺此面部表情所代表的情緒狀況，像是開心、難過、生氣等，簡言之，針對單一面部能夠命名出此情緒。
|
Benton Test of Facial
Recognition (BTFR)
|
4
|
Penn emotion recognition
test (ER60)
|
9
|
Emotion Differentiation
Test (EMODIFF)
|
2
|
Facially Expressed Emotion
Labeling Test (FEEL)
|
1
|
Kinney's Identity Matching
Test
|
1
|
Warrington Recognition
Memory Test for Faces
|
2
|
Face Emotion
Identification Tes
|
5
|
Tool for Recognition of
Emotion in Neuropsychological Disorders
|
3
|
Ekman and Friesen's “Pictures of Facial Affect (EK-60F) Test
|
2
|
二.針對臉部情緒進行區辨:受試者能夠分辨此面部表情與其他面部表情是否代表著相同、相異的情緒，簡言之，針對不同臉部能否區辨為相同、相異情緒。
|
Penn Emotion Recognition
Test and Emotion D4iscrimination Task (Penn)
|
1
|
Facial Identity
Discrimination Task (FIDT)
|
5
|
Mayer-Salovey-Caruso
Emotional Intelligence Test (MSCEIT) Branch 1 (Identifying Emotion)
|
1
|
Face Emotion
Discrimination Test
|
2
|
評估工具的簡介
|
評估工具
|
一.施測題目內容
1. 評估工具的題數
2.面部表情種類、顏色、性別
3.是否具不同面向
4.共包含幾種情緒
二.施測程序
1.作答方式
2.回答選項
三.評分方式
1.分數範圍
2.得分趨勢以及涵義
3.常模指標
|
|
Benton Test of Facial Recognition (BTFR)
|
一. 施測題目內容
1.評估工具的題數:總共54題
2.具有臉孔種類、顏色、性別:總共有22種臉孔，前6題每題一種臉孔，後48題每三題同一種臉孔。其工具無特別說明臉孔的顏色和性別。
3.臉孔方位:有三個面向，正面、側面、不同燈的正面。
4.臉孔共含幾種情緒:未提及到情緒。
二. 施測程序
1.作答方式:每題具有一個目標圖片，而下方有不同面向的臉孔，需配對與目標圖片相同的臉孔。前六題只需配對一個方位臉孔，後面題數則是每種臉孔需配對三個方位臉孔。
2.回答選項:選擇適當的臉孔
三. 評分方式
1. 分數範圍:每題1分，總分介於0-54之間
2. 得分趨勢以及涵義:得分越高，表示辨認臉部表情越佳
3. 常模指標:>40為正常39-40為邊界損傷，38為適度損傷，<37為嚴重損傷。
|
|
Penn emotion recognition test
(ER60)
|
此評估工具為情緒的辨認，分做兩個版本。
(ER60版本)
一. 施測題目內容
1.評估工具的題數:總共40題
2. 具有臉孔種類、顏色、性別: 總共有20種臉孔，每種各2張，並無說明臉孔顏色和性別。
3. 臉孔方位:na
4. 臉孔共含幾種情緒: 5種快樂、5種難過、10種中性情緒
二. 施測程序
1.作答方法:每題會呈現一張圖片，下方有作答選項，選擇適當的情緒強度。
2.回答選項:選擇適當文字敘述，共有7個等級，包括非常難過、適度難過、有些難過、中性、有點開心、適度開心、很開心。
三. 評分方式
1. 分數範圍:每題1分，總分介於0-40分之間
2. 得分趨勢以及涵義:得分越高，臉部表情辨認能力越好
3.na
(96版本)
一. 施測題目內容
1.評估工具的題數:總共96題
2.具有臉孔種類、顏色、性別:總共有96張臉孔，具有顏色照片，男女比各一半。
3. 臉孔方位:na
4. 臉孔共含幾種情緒:六種情緒(快樂、難過、生氣、害怕、噁心、中性)，前五種情緒各有8個高強度、8個低強度，其餘16個為中性
二. 施測程序
作答方法:每題會呈現一張圖片，下方有作答選項，選擇適當的情緒。
2.回答選項:選擇適當文字敘述。
三. 評分方式
1. 分數範圍: 每一題目可得1分，總分0-96分
2.得分趨勢以及涵義:得分越高，臉部表情辨認能力越好
3.na
|
|
Face Emotion Identification Test(FEIT)
|
一 . 施測題目內容
1.評估工具的題數:總共19題
2.具有臉孔種類、顏色、性別:總共有19張臉孔，而其臉孔為黑白色，男女比例為10比9。
3. 臉孔方位:na
4. 臉孔共含幾種情緒:五種情緒，快樂、生氣、驚訝、害怕、羞辱
二. 施測程序
作答方法:每題會呈現一張圖片，下方有作答選項，選擇適當的情緒。
2.回答選項:選擇適當文字敘述。
三. 評分方式
1. 分數範圍: 每一題目可得1分，總分0-19分
2.得分趨勢以及涵義:得分越高，臉部表情辨認能力越好
3.na
|
|
Facial Identity Discrimination Task (FIDT)
|
一 . 施測題目內容
1.評估工具的題數:總共30題
2.具有臉孔種類、顏色、性別:總共有60張臉孔，其臉孔為黑白色，無說明男女。
3. 臉孔方位:na
4. 臉孔共含幾種情緒:五種情緒，包含快樂、生氣、驚訝、害怕、羞辱
二. 施測程序
作答方法:每題會呈現2張臉孔，下方有作答選項，比較題目中2張臉孔的情緒是否為相同或相異。
2.回答選項:選擇文字選項，判斷為相同或是相異。
三. 評分方式
1. 分數範圍: 每一題目可得1分，總分0-30分
2.得分趨勢以及涵義:得分越高，臉部表情辨認能力越好
3.na
|
|
Ekman and Friesen's “Pictures of Facial Affect
(EK-60F) Test
|
一. 施測題目內容
1.評估工具的題數:總共60題
2.具有臉孔種類、顏色、性別: 每題一張臉孔，總共有60張，其臉孔為黑白色，男女比例為3比2。
3. 臉孔方位:na
4. 臉孔共含幾種情緒: 6種情緒，包含快樂、難過、生氣、害怕、
驚訝、噁心
二. 施測程序
作答方法:隨機的方式，每題會呈現2張臉孔，下方有作答選項，比較題目中2張臉孔的情緒是否為相同或相異。
2.回答選項:選擇文字選項。
三. 評分方式
1. 分數範圍: 每題可得1分，總分0-60分
2.得分趨勢以及涵義:得分越高，臉部表情辨認能力越好
3.na
|
|
Emotion Differentiation Test (EMODIFF)
|
一. 施測題目內容
1.評估工具的題數:總共43題，前3題為練習題。
2.具有臉孔種類、顏色、性別: 每題一張臉孔，總共有43張，無特別說明臉孔顏色與性別。
3. 臉孔方位:na
4. 臉孔共含幾種情緒: 6種情緒，包含快樂、難過、生氣、害怕、
驚訝、噁心
二. 施測程序
作答方法:正式作答前有進行語意的測驗，用來判斷個案是否能了解，每種語意的意思，而後每題會呈現一張圖片，下方有作答選項，選擇適當的情緒。
2.回答選項:選擇適當文字敘述。
三. 評分方式
1. 分數範圍: 每題可得1分，總分0-40分
2.得分趨勢以及涵義:得分越高，區辨臉部情緒能力越好
3.na
|
