数据收集自526名参与者。平均年龄37.7岁(18 ~ 73岁，SD =13.0)。70%(369/526)为女性，30%(157/526)为男性。参与者是通过瑞典当地报纸传播有关研究的信息来招募的。所有志愿者都被允许参加这项研究，没有任何经济补偿或报酬。

刺激是来自Umeå大学面部表情数据库的424张面部图像。共有60名受试者作为业余模特参与(30名女性，30名男性;17-67岁;M = 30.19, SD = 10.66)。这些模特大多是瑞典人，但中欧、阿拉伯和亚洲血统的模特也包括在内。在拍摄过程中，模特们被要求展示七种不同的面部表情(愤怒、惊讶、高兴、悲伤、中立、害怕和厌恶)。关于如何做出面部表情的说明是基于Ekman [ 24]和埃克曼和弗里森[ 6]并在会议前和会议期间向模特们展示。在拍摄前，模特们被鼓励练习面部表情，在拍摄期间，模特们被指导做出他们认为合适的表情，看面部表情的图片(POFA) [ 25并运动某些肌肉群。模特被要求不化妆。拍摄地点是Umeå大学。模特们会收到未经压缩的高质量个人照片作为参与的补偿。他们还签署了一项法律协议，允许这些图像用于研究和教育。

这些照片拍摄了8000多张照片。从每个模型中选取每个表情的最佳图像进行实证验证。然而，有四种情况下无法做出明确的决定，因此这些图像被添加到验证阶段，总共有424张。

验证过程是在互联网上进行的。在访问这些图片之前，潜在的参与者必须注册他/她的年龄、性别和电子邮件地址。确认电子邮件，包括唯一的登录链接，被发送到注册的电子邮件地址，以确保所有参与者都注册了有效的电子邮件地址。参与者被要求独自坐在一个安静、私密的环境中，根据自己的意见进行评估。参与者可以按照自己的节奏对图片进行评估，并可以自由地评估尽可能多的图片。他们被允许在任何时候停止评估，并在2011年10月的两周内自由返回并在另一个时间继续评估。图像随机呈现给每个参与者。然而，424张图片中的每一张都只展示了一次。526名参与者开始了验证过程，在424张面孔中平均给125.5分(SD=137.4)。

424张图片(320x480像素，彩色)中的每一张都是单独呈现的，每张图片上方都有文字“这个人似乎是……”如 图1，每张图片下方都有“愤怒”、“惊讶”、“高兴”、“悲伤”、“中性”、“害怕”和“厌恶”选项，以及李克特式的10分制量表，从“完全不同意”到“完全同意”。参与者可以具体说明他们在多大程度上同意或不同意所列的一种或多种情绪。

我们使用二值逻辑模型(通过广义线性方程指定)，并且假设所有模型的方差-协方差是块对角的，但在个体定义的块内是独立的，这意味着我们假设一张图像的评分不影响该个体对下一张随机图像的评分。

七个结果变量被定义为每一个“真实”情绪的1/0。独立因素是评分者和模特的性别和年龄，以及7种情绪的评分得分。我们研究了每个结果与11个独立因素之间的校正相关性。我们提出了估计的比值比及其95% Wald置信区间(ci)及其显著性(见附录表1-7) 附录1)．所有测试都是双面的。结果被认为是显著的 P< . 05。所有分析均使用SPSS，版本20 (SPSS, Inc.，芝加哥，伊利诺伊州)进行。

如果给与真实情绪相对应的情绪打最高分，我们就认为图像被正确分类了。例如，如果情绪“悲伤”得到7分，其他情绪在0到6分之间，那么悲伤将被算作反应。在计算命中率时，该反应将与预期的情绪进行比较。此外，为了获得解释可靠性的衡量标准，我们还计算了与真实情绪不相对应的情绪得分之和，以及被评级的情绪数量。

表1描述了评分者对模特试图在以下列中表现某种特定情绪的所有图像给出的分数:1，“正确感知的百分比”，即模特表现出的情绪被评为高于所有其他情绪的频率;2，“Number of unexpected emotions scores(0 - 6)”，有多少个意外情绪得分大于0;第三，“给予非预期情绪的总分(0 - 9)”，给予与真实情绪不相符的情绪的总分。

对每张图像进行有效性测量(正确解释的比例)。这424张图片的数据分别在互联网数据库中显示。然而，每种情感的正确解释比例显示在 表1．聚合结果总和的总体值被认为较高(平均=88%)。7个表情中有5个表情的平均正确率超过90%，而恐惧和悲伤情绪的平均正确率分别为73%和78%。对其他情绪的评分被认为是低的(平均0.13-0.65)。对情绪的评分与预期的不同(快乐的平均评分为0.38分，恐惧的平均评分为3.15分)。

如 表2，除了少数例外(例如，恐惧的面部表情被认为是惊讶)，对所表达情绪的错误感知水平一直很低。

优势比(列于 附录1)，即评分9和0之间的关系很高。幸福感的比值比最高(OR=1945.6， P <。0001)，最低的是恐惧(OR=72.0， P＝ <。0001)。

与四个背景变量(模型年龄、模型性别、评分者年龄和评分者性别)相关的最值得注意的结果在附录中列出 附录1，在惊讶和愤怒的表情中。年龄≥46岁的女性面部模特(OR=0.4， P<.05)和26-45岁(OR=0.8， P <.05)与愤怒表达的相关性显著低于参照组，但与惊讶表达的相关性显著高于参照组(OR=1.8, OR=1.1， P <. 05)。

与男性面部模型相比，女性面部模型更频繁地与三种预期表情显著相关。这些是愤怒的表达(OR=1.2， P<.05)，意外(OR=1.2， P<.05)和中性(OR=1.9， P< . 05)。在快乐、恐惧和厌恶的表达上没有统计学上的显著差异。男性模特表达悲伤的频率高于女性模特(OR=0.6， P< . 05)。

本研究的目的是提出一个面部表情数据库和基于互联网的验证研究的结果。该数据库包含了424张不同年龄、种族和性别的模特的彩色照片，表达了各种不同的情绪。该数据库可免费用于在线和离线的科学实验。

数据库的有效性是基于评分者在识别所呈现图像中的表情时的准确性。分数普遍很高。该数据库被正确解释的总体平均比例为88%。NimStim的对应值为79% [ 1面部表情的比例为88% [ 25]，其中卡罗林斯卡定向情绪脸的平均偏见命中率为72% [ 2］．

无论是在模型中还是在验证参与者中，结果都没有显示出任何与年龄或性别相关的一致优势。当单独研究七个表达时，有显著差异，但四个背景变量之间的强和弱关联有所不同。Hall和Matsumoto发现，当使用多个量表时，女性的解释比男性更正确。 26］．这些结果在我们的研究中没有得到重复，除了女性在识别中性情绪方面比男性更好，而在识别厌恶方面比男性更差。

以往研究的结果[ 27年龄和性别影响的研究表明，如果图像仅由20-30岁的女性验证，则可以获得更高的识别分数。然而，我们的数据并没有显示性别群体或年龄群体之间有任何一致的显著差异，而且之前的结果在本研究人群中没有重复。唯一的显著差异是年龄≥46岁的评分者在识别厌恶时表现得更好，在识别愤怒时表现得更差，26-45岁的评分者在识别快乐时表现得更差。年长的评分者正确识别愤怒的能力较低，这与Ebner等人的研究结果一致。 9］．

我们的研究结果表明，年龄≥46岁的人表现出愤怒、恐惧和悲伤的面部表情，比年龄≤25岁的年轻人表现出的面部表情更不可靠。与年龄≤25岁的年轻人相比，年龄在26-45岁的参与者表现出愤怒、中立和厌恶的面部表情的可靠性更低。这与Ebner等人的发现是一致的[ 9他们发现，愤怒、厌恶、快乐、中性和悲伤的表情在老年人的脸上比在年轻人或中年人的脸上更不准确。厌恶、中性和悲伤的中年面孔比表现出同样情绪的年轻面孔更不准确。

验证研究是基于互联网的。来自不同年龄组的大量参与者对图像进行了评估，这使得本研究的评分人群比以往的研究更具异质性[ 2， 7， 8， 12］．每张图像的评分数量都高于之前的研究[ 1， 2， 8］．虽然这种类型的验证有优点，但我们无法控制评分者如何遵守任务，或者他们是否以有害的方式进行验证。

由于具有固定响应选项的响应规模可能存在问题，Russell [ 22]建议进行更多的多尺度定量评级研究。这些被认为是更中性的，因为它们不会偏向于单一的表达。因此，我们选择了从“完全不同意”到“完全同意”的李克特式十度量表。参与者可以选择对一个或多个反应量表达成一致。让参与者有机会在连续体上对每张图像进行评级，并为每张图像选择几种情绪进行评级，这提供了关于每张图像的重要信息，能够评估它与其他情绪相比描绘预期情绪的可靠性。

有些表情比其他表情更容易识别。在验证性研究中，快乐的面部表情通常比消极的面部表情更容易被识别。 1， 2， 25， 28， 29］．在这项验证性研究中，快乐是正确识别比例最高的面部表情，与其他情绪的关联最低。这些结果与之前的发现相一致，即快乐是最可靠的面部表情，而且最不容易与其他面部表情混淆。 12］．

悲伤和恐惧的正确识别比例最低，这也与之前的研究一致[ 2， 12］．这些表达也在很大程度上与其他表达相混淆。特别是，评级者通常认为恐惧中有惊喜的成分。这种困惑可能是由于这两种面部表情的相似之处，都是睁大眼睛。对于未经训练的模型来说，可能很难做出区分这些表情所必需的面部动作。在解释的基础上也可能有一定程度的混乱，因为当恐惧被体验时，它通常是在惊讶之前出现的。 24］．

创造面部表情的方法会影响他们的解读。目前已有的数据库是通过两种不同的方式来指导照片拍摄模型来生成的。一种是指导模型在做面部表情的同时运动特定的肌肉群[ 8， 25]，另一个是指导他们做出他们认为合适的情绪表达[ 1］．

要求模型移动特定的肌肉群的一个好处是，它创建了统一的表情。缺点是可能会影响生态效度[ 22］．自然产生的面部表情被认为更真实，但同一表情内的变化可能更大。 22]，可作为科学实验的背景变量[ 1］．当模型遵循有关运动或模仿图片的肌肉的指示时，与模型在他们认为合适的情况下做出表情或诱导自发表情的研究相比，更大比例的表情被正确识别出来[ 10］．

由于我们希望模型能够做出真实的表情，并且在相同的情感表达中仍然保持一致性，所以给模型的指令是以前研究中使用的指令的组合。Umeå大学面部表情数据库中的模型被指示做出他们认为合适的表情，观察面部表情的图片，并活动特定的肌肉群。

然而，这个数据库也有一些缺点。首先，由于验证研究是基于互联网的，因此很难控制参与者回答和其他上下文变量的真实性，例如，参与者是否严格遵循说明。但是，对姓名、年龄、性别和电子邮件地址等个人信息的要求应该降低了无效答案的风险。此外，相对较大的参与者数量(n=526)会减少故意错误回答的影响。没有报酬也意味着提供错误回答没有经济回报。

其次，模型可能已经验证了自己的图像，这可能会夸大数据库中正确识别的比例。然而，与每张图像的大量评级相比，可能验证了自己图像的模特数量很少。

第三，可能存在对反应量表含义的主观解释。0到9之间的刻度步骤可以被解释为强度、真实性或纯度的衡量标准。然而，让参与者有机会对连续的每张图像和几个表情进行评分，提供了关于每张图像的重要信息。有价值的信息可以在网上找到，这些信息包括每张图片在多大程度上被评定为不同的表情，以及每张图片正确识别的比例。

第四个限制是使用强制选择量表来计算正确识别的比例。得分最高的回答量表即为被调查者的回答。由于没有包含“以上都不是”选项，这可能会导致正确识别的比例比包含该选项时更高。

第五个缺点是，研究团队中没有人在拍摄照片时指导模特，而选择用于验证的图像是根据面部动作编码系统(FACS)进行认证的[ 30.］．FACS是根据产生面部动作的肌肉对面部动作进行分类的指南。但这也不是完全令人满意的，因为使用流式细胞仪创建图像导致了美国面部表情的“方言”[ 10］．当图像与未经训练的参与者一起使用时，不使用FACS可以被视为一个优势。

最后，并不是所有的参与者都遵守了不化妆的指示，这可能会对图像的解释产生偏见。然而，生成的图像可能更接近于现实生活中看到的面部表情。

创建Umeå大学面部表情数据库的目的是为科学界提供一个在线科学实验数据库。该数据库包含大量当代的图片，展示了不同年龄、种族和性别的模特。与之前的验证研究相比，基于互联网的有效性研究为每张图像获得了更多的评级，与许多现有的数据库相比，它具有更高的正确识别比例。然而，Umeå大学面部表情数据库的有效性需要通过类似或不同设计的进一步验证研究来检验。最后，我们邀请科学界帮助扩大数据库，允许包括更多的模型，以提供更有代表性的人群样本。显然，任何添加的人脸都需要首先进行验证，以确保高标准。