近年来的研究发现，个体在人际交往过程中发展出了快速觉察群体面部表情变化的能力。初步证据表明，个体能够自动化地从同时呈现的多个情绪面孔中提取出平均情绪，这是快速感知群体情绪状态非常有用的启发式。然而，现实中我们所遇到的多面孔表情并不总是一致的，甚至情景中不同的群体面孔表达截然不同的表情信息，传递着人群矛盾或者复杂的情绪状态，对这些信息的加工也具有更重要的适应价值。针对这个问题，丁小斌教授团队开展了系列研究工作。

 研究在以往多面孔一致情绪自动化加工研究的基础上，创新了多面孔的研究范式，在外周和中央视野同时呈现面孔表情刺激。在被试执行中央视野的面孔身份变化的视觉探测任务时，给他们呈现一个面孔刺激集。面孔刺激集由5个不同身份的面孔组成，并按oddball序列呈现。其中4个（2男，2女）表示相同积极或消极情绪的面孔被呈现在外周视野，而另一个与外周视野的面孔情绪一致或不一致的男性面孔被呈现在中央视野。研究结果发现，在多面孔刺激呈现后的480–560ms内，所有的一致和不一致偏差情绪都诱发出vMMN活动。更为重要的是，在左侧枕颞叶电极点上，在480–520ms内，积极一致刺激比不一致刺激，消极不一致刺激比一致刺激诱发更负的vMMN波幅。这里的积极和消极指外周面孔的情绪效价，一致和不一致指中央面孔与外周面孔情绪效价的一致性。

 以上结果说明，个体能够自动识别多面孔情绪差异(情绪效价不一致)的变化。而且，中央视野目标面孔的情绪效价影响多面孔情绪差异信息变化的自动加工。这一发现为多面孔复杂情绪的自动加工受到多面孔情绪效价一致性和目标面孔情绪效价的调节提供了证据。该研究开发的多面孔复杂情绪加工程序能够有效操纵情绪的一致性和情绪变化，为探索群体面孔情绪自动化加工问题提供了新的研究范式。

 基于该项研究的论文“Automatic change detection of multiple facial expressions: A visual mismatch negativity study”近期发表在心理学经典期刊《Neuropsycholigia》正式发表。

论文相关信息：

Xiong, M., Ding, X., Kang, T., Zhao, X., Zhao, J., & Liu, J. (2022). Automatic change detection of multiple facial expressions: A visual mismatch negativity study. Neuropsychologia, https://doi.org/10.1016/j.neuropsychologia.2022.108234

Ding, X., Chen, Y., Liu, Y., Zhao, J., & Liu, J. (2022). The automatic detection of unexpected emotion and neutral body postures: A visual mismatch negativity study. Neuropsychologia, https://doi.org/10.1016/j.neuropsychologia.2021.108108

 丁小斌, 刘建邑, 王亚鹏, 康铁君, 党宸. (2020). 情绪变化的自动化加工: 来自 EMMN 的启示. 心理科学进展, 28(1), 85–97.

Ding, X. B., Liu, J. Y., Kang, T. J., Wang, R., & Kret, M. E. (2019) Automatic change detection of emotional and neutral body expressions: Evidence from visual mismatch negativity. Frontiners in Psychology, 10, 1909. doi: 10. 3389/fpsyg.2019.01909.

本研究得到了国家自然科学基金的资助(31960181)。