Mon cerveau lit la douleur sur ton visage, avant de connaître ton sexe.

Auteurs
  • CZEKALA Claire
  • MAUGUIERE Francois
  • MAZZA Stephanie
  • JACKSON Philip l
  • FROT Maud
Date de publication
2015
Type de publication
Article de journal
Résumé Les êtres humains sont experts dans la reconnaissance des traits du visage, qu'ils soient variables (émotions) ou immuables (sexe). En raison de son énorme valeur communicative, la douleur pourrait être détectée plus rapidement sur les visages que les caractéristiques immuables. Sur la base de cette hypothèse, nous avons cherché à trouver un temps de présentation qui permette la discrimination subliminale de l'expression faciale de la douleur sans permettre la discrimination de genre. Pour 80 personnes, nous avons comparé le temps nécessaire (50, 100, 150 ou 200 millisecondes) pour distinguer les visages masqués de douleur statique parmi les visages de colère et les visages neutres avec le temps nécessaire pour distinguer les visages masculins des visages féminins. La question de savoir si ces discriminations étaient associées à la possibilité de rapporter consciemment les faits a été testée à l'aide de mesures de confiance sur 40 autres personnes. Les résultats ont montré qu'à 100 millisecondes, 75% des participants discriminaient la douleur au-dessus du niveau de chance, alors que seulement 20% des participants discriminaient le sexe. De plus, cette discrimination de la douleur semblait être subliminale. Cette priorité de la douleur sur le sexe pourrait exister parce que, même si les visages douloureux sont des stimuli complexes codant à la fois la composante sensorielle et la composante affective de la douleur, ils signalent un danger. Ceci soutient la théorie de l'évolution relative à la nécessité de lire rapidement les émotions aversives pour assurer la survie, mais pourrait également être à la base de comportements altruistes tels que l'aide et la compassion.
Éditeur
Elsevier BV
Thématiques de la publication
  • ...
  • Pas de thématiques identifiées
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr