情绪识别与表情知觉
从面部表情、语音与姿态推断他人情绪状态的能力；围绕「表情是否跨文化通用」与「表情能否反推内在情绪」，基本情绪理论与建构主义情绪论之间存在长期争论。
要点
- 经典范式：Ekman 的跨文化照片匹配与「六种基本情绪」（喜怒哀惧厌惊）。
- 2019 年元分析修正了经典结论：面部动作与情绪类别之间的对应远比「看脸知心」松散。
- 情绪识别受情境、语言与个体经验强烈影响——同一张脸，配不同故事会读出不同情绪。
- AI 情绪识别把「表情 → 情绪」做得更自动化，但继承的是同一个不牢靠的假设。
时间线
- 1969—1971Ekman 与 Friesen 发表跨文化表情研究，提出基本情绪理论。
- 1978FACS 面部动作编码系统发布。
- 2001Baron-Cohen 团队发布「读眼测验」（RMET）。
- 2019Barrett 等元分析修正「表情通用论」，成为该领域的分水岭。
研究什么
情绪识别研究「观察者侧」：给定一张脸、一段语音或一个身体姿态，人如何推断出对方的情绪状态，这个推断有多准、受什么影响。它与「情绪的产生与体验」（情绪理论之争）是相邻但独立的问题。
常用的测量包括：照片分类任务（Ekman 系列）、动态表情视频、多模态任务（脸 + 声 + 情境），以及测「心理化」的读眼测验（RMET）。
经典范式：基本情绪理论
Ekman 与 Friesen 在 1960—70 年代的跨文化研究发现：对新几内亚部落被试呈现故事后，他们能把西方面孔照片与「高兴、愤怒、悲伤、恐惧、厌恶、惊讶」对上号——这被解读为表情具有生物学基础、跨文化通用，并催生了面部动作编码系统（FACS）。
这一范式统治了情绪识别研究数十年，也是影视、测谎与早期 AI 情绪识别的方法论基础。
争议：表情 ≠ 情绪的字典
2019 年 Barrett 等发表于 Psychological Science in the Public Interest 的元分析系统复核了证据：同一情绪的面部动作高度可变，同一面部动作可对应多种情绪（皱眉可以愤怒、专注也可以悲伤），跨文化的「通用表情」证据比经典叙事弱得多。
建构主义情绪论因此主张：观察者是「结合情境与语言建构」出情绪判断，而不是「读出」对方脸上的情绪。这并不否定面孔线索的价值，而是把它从「证据」降级为「线索之一」。
个体差异、发展与应用
情绪识别能力随年龄发展，青春期才接近成人水平；自闭谱系的「情绪识别困难」在近年研究中被重新界定为更普遍的知觉与预测差异，而非「心智盲」全或无的缺失；焦虑与抑郁则伴随对负性表情的注意偏向。
应用层面要保持克制：AI 情绪识别（面试、安防、教育监控）把「表情 → 情绪」的弱对应自动化、规模化，科学界对其信度与伦理的批评持续存在。
关键信息
- 经典分类
- 六种基本情绪：高兴、愤怒、悲伤、恐惧、厌恶、惊讶
- 关键修正
- 2019 元分析：面部动作与情绪类别对应松散、高度依赖情境
- 常用范式
- 照片分类、动态表情、多模态、RMET
- 应用警示
- AI 情绪识别继承了「看脸知心」的弱假设，信度存疑
常见疑问
表情是天生的吗？
部分是：天生失明者的自发表情与明眼人高度相似，说明面部运动有生物学基础。但「天生有表情」不等于「表情可被无歧义地读懂」——解读高度依赖情境、语言与文化。
AI 情绪识别可信吗？
要谨慎。它检测的是面部动作，而面部动作与内在情绪的对应本来就松散；在面试、安防等高风险场景使用，等于把一个不牢靠的假设自动化。目前更可靠的应用仍限于辅助而非判定。
怎么提高读懂别人的能力？
最有效的不是「学微表情」，而是多渠道求证：把表情、语气、用词与情境放在一起，必要时直接温和地核对（「你听起来有点累？」）。过度自信于读脸恰恰是识别错误的常见来源。
参考来源
- Ekman & Friesen (1971). Constants across cultures in the face and emotion.
- Barrett, Adolphs, Marsella, Martinez & Pollak (2019). Emotional expressions reconsidered. Psychological Science in the Public Interest.
这条目是科普整理，不是诊断依据。如果这句话你是在某个短视频或文章里看到的， 可以用论点溯源查一下它有没有文献支持。
分类：04 / 情绪与压力 · 更新 2026-11-02 · 来源 https://psyc.pub/e/emotion-recognition.html