《Scandinavian Journal of Psychology》：Another Differentiated Look at Emotions: A Replication Study on Associations Between Gaze Behavior During the Processing of Affective Videos and Emotional Granularity
编辑推荐：
拥有较高情绪颗粒度（Emotional Granularity, EG；区分离散情绪状态的能力）的个体在负性情绪状态下更倾向于采用更有效的情绪调节策略。近期眼动证据表明，EG与对负性情绪刺激的注视重访频率存在关联。本研究旨在复制该发现，同时采用更复杂的动态干扰
拥有较高情绪颗粒度（Emotional Granularity, EG；区分离散情绪状态的能力）的个体在负性情绪状态下更倾向于采用更有效的情绪调节策略。近期眼动证据表明，EG与对负性情绪刺激的注视重访频率存在关联。本研究旨在复制该发现，同时采用更复杂的动态干扰刺激，检验当竞争内容更具吸引力时是否会出现注意回避，以及EG与注视重访的关联能否被复现。研究人员（n=160）观看情绪视频并随后描述自身情绪感受，用于计算基于任务表现的EG指标。结果显示，较高的基于任务表现的EG与更长的情绪视频总注视时长呈正相关；较高的自我报告EG则与更少的情绪视频注视重访次数相关。本复制研究强调，在解读情绪调节的注意指标时，需考虑视觉环境的复杂性。在更复杂的视觉环境中，基于任务表现的EG可能与对情绪内容的持续投入有关，而较高的自我报告EG可能降低个体对情绪诱发源的主观重访需求。
研究背景与意义
情绪颗粒度（Emotional Granularity, EG）指个体区分相似情绪细微差异的能力，已被证实与心理健康密切相关，高EG个体更少依赖长期效果不佳的非特异性情绪调节策略（如回避、分心），而倾向于选择情境适配或更高效的调节方式。EG的评估主要分为两类：一是自我报告法，依赖个体对自身情绪区分能力的反思，易受自我概念偏差影响；二是基于任务表现的指标准确性指数（Specificity Index, SI），通过计算个体描述情绪时使用的特定形容词占比来评估，可减少回忆偏差。既往眼动研究发现，高EG个体对负性情绪视频的视觉重访频率更高，提示其更倾向于探索性投入而非回避，但该研究的干扰刺激为静态办公用品图片，吸引力较低，与现实世界中动态、复杂的视觉环境存在差异。为提升生态效度，研究人员开展复制研究，将干扰刺激替换为动态视频，探究更复杂视觉环境下EG与注意行为的关联，研究成果发表于《Scandinavian Journal of Psychology》。
关键技术方法
研究招募160名视力正常或矫正正常的德语母语者，最终151名参与者的眼动数据纳入分析，其中女性90人、男性60人、非二元性别1人，平均年龄25.2岁，多为大学生群体。实验范式采用12段情绪诱发视频（E.Vids，含6段正性反馈、6段负性反馈，每段时长3秒，后续呈现3秒定格画面），与对侧动态鸟类干扰视频同步呈现，要求参与者想象自己接收视频中的反馈。情绪诱发后，参与者需用形容词描述自身感受（用于计算SI），并完成情绪效价自评。自我报告EG采用情绪体验范围与区分量表（Range and Differentiation of Emotional Experience Scale, RDEES）的分化子量表测量。眼动数据通过SMI RED250mobile眼动仪采集，分析指标包括情绪视频总注视时长占比、注视重访次数（定义为离开情绪视频区域后再次注视该区域的行为）。统计分析采用多层线性模型（Multilevel Models, MLMs）检验EG对注意指标的预测作用，并通过Bonferroni校正控制多重比较误差。
研究结果
操纵检验结果
正性试次后的情绪效价评分（M=7.46，SD=0.91）显著高于负性试次（M=5.32，SD=1.70，p<0.001），但负性试次的平均效价未低于中性中点5，因此所有分析均同时保留全样本与排除负性试次效价>5的亚样本结果，结论一致。
EG指标间的相关性
负性试次SI（M=75%，SD=19%）与自我报告EG（M=3.52，SD=0.87）无显著相关（r=0.097，p=0.235）；正性试次SI（M=60%，SD=21%）与自我报告EG同样无显著关联（r=0.040，p=0.628），表明两类EG评估方法反映不同的心理构念。
总注视时长占比的多层模型结果
针对负性视频，负性试次SI正向预测总注视时长占比（B=0.248，95%CI[0.132;0.365]，p<0.001），自我报告EG的预测效应不显著（B=0.025，95%CI[-0.002;0.052]，p=0.074）；针对正性视频，正性试次SI（B=0.150，95%CI[0.039;0.260]，p=0.009）与自我报告EG（B=0.034，95%CI[0.007;0.061]，p=0.014）均正向预测总注视时长占比，说明高任务表现EG个体对情绪内容的持续注意更强。
注视重访次数的多层模型结果
针对负性视频，自我报告EG负向预测重访次数（B=-0.134，95%CI[-0.230;-0.038]，p=0.007），SI的预测效应不显著（B=-0.246，95%CI[-0.692;0.200]，p=0.281）；针对正性视频，自我报告EG同样负向预测重访次数（B=-0.153，95%CI[-0.253;-0.054]，p=0.003），SI仍无显著效应，提示高自我报告EG个体主观上更少需要重复加工情绪诱发源。
探索性言语流畅性分析
言语流畅性任务得分与SI、自我报告EG均无显著相关，排除了词汇表达能力对EG评估的混淆影响。
讨论与结论
本研究通过动态干扰刺激提升了实验的生态效度，首次在同一框架下分离了两类EG的注意关联模式：基于任务表现的EG反映个体对情绪内容的客观加工投入，更高的SI对应更长的情绪视频注视时长，支持高EG个体倾向于直面而非回避情绪的适应性调节假设；自我报告EG则反映个体的主观自我感知，更高的自我报告EG对应更少的注视重访，可能因其对自身情绪判断更有信心，无需反复确认刺激信息。两类EG无显著相关的结果进一步验证了它们测量的是不同心理特质，前者受即时加工能力驱动，后者受自我概念与回忆偏差影响。
研究结论可概括为：在复杂视觉环境中，不同EG评估方式与注意行为存在独特关联——任务表现EG预测对情绪内容的持续注意，自我报告EG预测对情绪诱发源的重复评估需求降低。这一发现强调了区分EG评估类型的重要性，也为情绪调节干预提供了新方向：针对自我报告高但任务表现低的个体，可通过训练提升其实际情绪区分能力，缩小主观感知与客观能力的差距。研究同时指出，未来需扩大样本多样性（如不同年龄、文化背景）并结合更沉浸式的真实生活刺激，进一步验证EG与注意行为的关联机制。
