3
础表情的能力。到了20世纪70年代，艾克曼便从解剖学的角度出发，提炼出了最基本的6种脸部表情：愉悦、惊讶、愤怒、恐惧、悲伤和厌恶。往后，许多学者依靠这两位科学家建立的人脸表情图库进行了许多实验研究并发展出许多的表情识别理论。例如，在上世纪80年代，布鲁斯和杨就全面地研究过人类对面孔的识别以及其影响因素，并据此提出了面孔识别功能模型。在2003年Effenbein和他的同事Ambady曾提出过方言理论来解释不同文化之间的面孔识别的差别。一批批地学者走在这条道路上去探索情绪的奥秘。
研究表明，在正常个体发育的过程中，人们对于面部表情的识别是一个由易到难逐渐深入的发展过程。在杨的研究当中，几个月的婴儿已经可以识别多种不同的面部表情。Caron等人发现4-8个月大的婴儿可以区别开心，但对愤怒的识别不是很清晰，特别是对“露齿笑”和“露齿生气”，但这些说明婴儿已经可以根据简单的面部特征进行表情识别。布洛克和罗素的研究表明，2-5岁的孩子随着年龄的增加，对表情识别的准确率也会逐渐增加，但对生气和恶心、生气和悲伤仍旧会混淆。在Battaglia等人的研究中，到了6-7岁的阶段，儿童对表情的识别开始慢慢步入正轨，识别的准确率达到72%。类似的实验研究还有很多，基本的结论都表明，在孩童阶段表情识别的能力是随着年龄发展而发展的，在艾克曼的6种基本面部表情中，愉快的识别率是最高的，而后才是悲伤、惊讶、愤怒、厌恶和恐惧。
在国内，彭聃龄的研究表明，个体的表情识别能力的发育阶段主要是在小学到中学阶段。中学以后，大部分学生在情绪识别上不存在显著差异。
在中国与美国的面部表情识别跨文化研究中发现，中国人对厌恶表情的识别率是最低的，而且对于低强度的情绪面孔识别率明显高于美国。而这种差异可能是由于复杂的中国语言环境造成的（汤艳清，欧凤荣等，2011）。
2.2 自闭症儿童面部表情识别
自闭症群体在社会交往中最欠缺的就是表情识别的能力。诸多研究表明，从婴儿时期开始，自闭症群体在情绪线索的觉察方面就已经表现出发展障碍，而这种面部表情识别能力的迟缓发展就一直持续到青年时期，并且与正常发育的个体之间表现出巨大的差距。
许多的研究结果都表明，与正常儿童相比，自闭症儿童在对六种基本表情（喜、怒、哀、惧、惊、恶）的识别中，生气、悲伤、惊讶、害怕的识别率显著低于正常儿童，但是在开心的表情识别中表现出级高的准确率（严淑琼，2008）。表现出这种情况的原因有可能是因为自闭症儿童在表情识别时采取的感知策略与正常发育个体的有所差别。研究者发现，自闭症患者在识别表情时，其眼动凝视区域更多地注视在耳垂、下颌等非特征区，而正常的群体则能长期地集中在眼睛区域。正是由于这种注视的减少，自闭症患者对于各种负性的情绪的理解表现出很大的困难（李咏梅，静进，邹小兵，金宇，五十岚一枝，2009）。虽然自闭症在进行面部表情识别的时候对面孔的特征区域表现出缺乏兴趣，但是与观察正性情绪时相比，在被要求识别负性情绪面孔的时候，自闭症患者会投入更多的时间去观察面孔的眼部区域，这一点与正常群体相似。自闭症儿童在对整体情绪的理解上明显落后于正常儿童，但与同龄的智障儿童相接近（张晓燕，2010）。陈顺森等（2011）在眼动观察中，比对了自闭症儿童对三种面部表情（愉快、恐惧、中性）的觉察情况，实验结果表明，在观察恐惧面孔时，自闭症儿童明显表现出更长的注视时间；当背景随机变化时，在快乐和中性的面孔上关注的时间长于恐
4
惧的面孔；当语义的背景不一致时，对于三种情绪面孔的觉察时间则基本一致。自闭症儿童在静态和动态的面孔识别上存在明显差异。郭文斌（2013）采用情绪标签范式，对比自闭症儿童与智障儿童（言语智商、瑞文推理智商、生理年龄、年级均匹配）发现自闭症儿童在高效价面部表情识别上表现较好，而且对于愤怒表情的加工有比较稳定的优先效应。研究中刺激材料的呈现速度对于自闭症儿童的影响小余对智障儿童的影响。若在实验中自闭症儿童被提前告知该使用何种观察策略，能提升其对面部表情识别的准确率。陈阳（2014）采用3因素的重复测量实验，比对了自闭症儿童、智障儿童以及正常儿童在面对静态与动态的面孔时，对开心、中性以及愤怒的识别能力。结果表明，两种呈现模式下，自闭症儿童的表情识别率以及反应时都显著低于其他两组。在对高功能自闭症儿童对真人与卡通面部表情识别的研究中，发现高功能自闭症儿童对愤怒表情的识别率低于生理匹配组和心理匹配组的正常儿童，而在喜悦表情的识别上和正常组一样高于其他负性表情的识别率（武厚，刘明矾，胡盛华，2014）。
3 面部表情识别干预
3.1 其他患者的面部表情识别干预
面部表情识别是人类社会发展中信息交互的重要因素，针对不同的面部表情识别障碍的患者，科学家在不断地研究不同的干预模式。
精神分裂症患者的情绪处理障碍中就包括了典型的面部情绪识别障碍。Obayashi等研究表明，精神分裂症患者对面部结构信息的处理存在严重的障碍，导致了这类人群对于面部表情的识别产生了严重的感知问题。目前对于这类患者的表情识别问题的具体机制还没有明确的定义。男性精神分钟症患者存在明确的面部表情识别障碍，特别是对中性面孔的识别，且这种障碍与阳性症状相关（陈瑜，姚志剑，谢世平，杜经纶，曹燕翔，陈启豹，2007）。王锦，亢万虎（2015）采用病例对照研究设计，比对了45组女性精神分裂症患者与健康组（生理匹配）的面部表情识别能力，研究发现，精神分裂症患者的表情识别正确率与阳性症状评分呈负相关。 对精神分裂症患者的面部表情干预上，Fromman等（2003）提出以一个心理康复师为核心带领两名患者的模式，并采用计算机任务及桌面任务辅助干预。在干预过程中，病人需要重新学习识别描述6种基础表情，并对面前进行整合再加工，最后在情景中进行训练识别。Silver等（2004）曾在计算机上重新编程用情绪训练项目对精神分裂症患者进行表情再认训练。在训练中，所有的被试将接受3个训练系列，在每个阶段，计算机会给受训者呈现一个面孔，一个情景或者一样物品，然后提问，只有正确地完成一个部分才能进入后面的环节。通过这种行为训练，患者的情绪识别与再认的能力明显地得到了提升。因此，针对精神分裂症患者可以采取类似的训练模式来改善他们的社会功能。
述情障碍则是另一类遭受面部表情识别困难的群体，又称“情感难言症”，即不能适当地表述自己的情绪，对情绪的认知存在识别缺陷。研究发现，述情障碍对个体的情绪信息的收集有着很大的影响。正常个体能非常迅速地觉察面部表情的变化，而述情障碍往往会遗漏此类信息。并且在进行表情识别的时候，大部分的抒情患者对负性表情的识别有明显的困难（朱芳琴，2011）。述情障碍的面部表情识别困难不同于其他的患者，这并不是一个简单的问题，他与其他娶她障碍、强迫症、抑郁症之间都存在紧密的联系，所以对于述情障碍的干预不能仅限于面部表情。顾晨龙和朱春燕等（2013）以团体辅导和团体箱庭的干预模式对
5
52名述情障碍患者进行干预研究。结果表明，在团体辅导和团体箱庭之后，情感描述障碍的得分干预后均低于干预前，即这种干预对述情障碍的改善有一点的帮助。
聋哑人能够较清晰地识别高兴、惊讶的表情，对愤怒与悲伤的表情识别存在一定的障碍，而恐惧和厌恶的表情是识别率最低的（王道阳，周文杰，吴婷婷，2015）。杨英琪（2013）采用ERP研究聋哑儿童的面部表情加工模式，发现聋哑儿童在判断愉快、悲伤和中心的面孔时与正常儿童表现一样，出现N170成分。在面孔加工的初期，聋哑儿童在伤心、开心、和中性的面孔情绪下产生的波幅都比正常群体大。聋哑儿童在面孔的识别和再认上与正常儿童相比还是存在差异，但差异没有非常的显著。对于聋哑儿童而言，目前还欠缺系统的面部表情识别干预的模式。王乃芳（2014）以上海福利院7名聋哑儿童为干预对象，以绘画为媒介，用团体辅导的形式，对聋哑儿童的情绪识别与管理进行干预。结果表明，绘画有助于聋哑儿认识和发泄自身的情绪，这种干预有助于聋哑儿童的情绪管理与人际交往。未来对于聋哑儿童的面部表情识别的干预研究或许能从这个方向开始。
3.2 自闭症面部表情识别干预
自闭症群体的面部表情识别一向是面部表情干预中的重点研究方向。诸多的干预方法可以归纳总结为两种模式：社交技能课程和情绪识别干预技术（邹佩，2013）。
传统意义上的针对自闭症群体的情绪干预方式就是社交技能课程。如结构化教育（TEACCH），基于行为主义的理论，系统地强化自闭症儿童在情景中辨别情绪和社交的能力。通过不断地帮助自闭症儿童建立和强化“规则”来训练对各种面部表情的识别。ML.Thomeer和C.Lopata（2012）分别对多名高功能自闭症儿童进行了长期的技能训练。最后的结果表明，儿童在情绪识别技能上的表现均有所改善。
情绪识别干预则是随着科技的发展而慢慢出现的一种基于计算机技术的训练模式。研究者会开发许多针对自闭症儿童的情绪识别软件，以高科技的电子设备为载体。随着这些设备的普及，这些软件也慢慢进入自闭症群体。比如，早在2007年，英国教育部就委托Baron-Cohen为自闭症儿童制作了一部高质量的3D动画——“运输者”作为对自闭症儿童面部表情识别的一个系统的干预方式。在动画中各种标准的表情都会在各种简单的情境中一一呈现给自闭症儿童。后续的研究表明，这部动画对于高功能的自闭症患者而言的确产生了很大的作用（Ofer Golan， Emma Ashwin，Yael Gr anader，Suzy McClintockKate Day ，Victoria Leggett，Simon Baron-Cohen，2009）。而Beth T.Williams（2012）的研究结果则显示这部动画对低功能的自闭症患者效果有限。Renae Beaumont和Kate Sofronoff（2008），应用电脑游戏“the Junior Detective Training Program”训练阿斯伯格综合征患者的情绪认知和管理的能力。
此外还有SmileMaze、Sintavillie等针对自闭症儿童开发的干预软件。其中sintavillie是一款建立在智能手机上的游戏，在游戏剧情的发展，玩家将会被要求去收集各种各样的表情来通过关卡。这种游戏方式将会在一定程度上帮助自闭症儿童，让他们能主动去探索识别面部表情，当然具体的有效程度还有待测试。
6
4 已有研究的不足与未来发展方向
4.1 已有研究的不足
所有的研究都是随着时代的发展在不断进步的，之前的研究仍然存在许多不足的方面。
首先，现有的面部表情识别的研究基本集中在正常群体和自闭症群体当中，但实际上，还有许多的其他群体如精神分裂症患者、聋哑儿童等，对于这些群体的研究还不是很多。而且现有的针对这些群体的研究范式都是比较落后的。
4.2 已有研究的未来发展方向
在自闭症儿童的面部表情识别的干预方式上的研究也需要结合现代科技的发展推陈出新。随着越来越多的便携式电子设备的普及，研究者的目光应当集中在这些科技上。比如，在智能手机上开发相应的干预APP，通过这种方式可以让更多的有需要的家庭得到帮助；又或者开发相应的虚拟现实技术，来帮助自闭症的患者改善情绪识别能力。
5 研究内容
本次研究是采用手机游戏为主体的干预研究。研究的主要内容包括四个阶段，基线测试，泛化前测，干预阶段和泛化后测。基线测试和泛化测试是基于E-prime2.0的编程，其中为了保证干预效果的客观性，基线测试采用多重基线设计。干预中的手游是基于安卓系统开发的情绪识别游戏软件（具体基线及干预内容见下文）。
干预研究设计框架见图1：
图1 干预设计框架图
6 研究意义
6.1 理论意义
国内对于自闭症儿童的干预研究在很多领域都已经进行了大量的实验探究，
7
但是对于严肃游戏与自闭症儿童之间的探索还是处于开始的状态。基于手机游戏对自闭症儿童的干预研究可以帮助我们加深对这一领域的理解，也是对严肃游戏有助于改善自闭症儿童面部表情识别能力理论的一个支持与探索。同时，也希望通过对该领域的实验研究来扩展其他领域，他山之石，可以攻玉。
6.2 实际意义
验证基于手机的严肃游戏是否能有效改善自闭症儿童的面部表情识别能力，为理论提供实际的数据支持。本次研究的目的之一即希望通过比对基于该款手游的自闭症儿童的干预效果，即在实际情况下对该手游的开发提出建设性的意见。
7 研究方案
7.1 研究对象
研究采取多被试研究，为了保证干预研究能出现明显的干预效果，首先在温州市特殊教育学校中选出持有上海市精神卫生中心的诊断证明的自闭症儿童，临床诊断均符合《中国精神障碍分类和诊断第三版》（CCMD-3）。其次通过对家长和老师的访谈确认其是否有明显的自闭症症状。最后，采用儿童自闭症评定量表（CARS）对学生进行再次的评定。评定之后对符合标准的自闭症儿童进行预实验。
预实验的实验目的：
1.筛选出能够进行语言表达的自闭症儿童
2.筛选出表情识别能力中等，即能识别部分表情但正确率未及100%。 预实验材料：
预实验的材料来自于高清的qq基础表情（开心、愤怒、伤心），如图2所示。选取qq表情作为预实验的材料是因为预实验只需要最基础的表情识别，而这种高清的qq表情能够很清楚地表达出这些情绪，且卡通的形式比较能吸引孩子。
图 2 预实验示例
预实验以学生个训课的形式展开，在学生原来的个训课当中穿插入表情识别的小游戏环节，同时记录游戏过程中学生对这三种基础表情的识别程度，以及在课堂当中的言语表述情况。
通过预实验一共有8名学生符合研究条件，同时经过与家长和老师的访谈，考虑到年龄、时间以及家长意愿等其他因素排除了五名学生，最后选取二年级学生一名、五年级学生一名和六年级学生一名作为干预对象。以下为研究对象干预前的基本情况： 7.1.1 儿童A
2006年7月23日出生，男孩，独生子，2012年进入特殊教育学校学习，来特殊教育学校就读之前一直在杭州某机构接受表情识别干预，能较好识别开心、愤怒等极端表情。在干预前使用瑞文和PPVT测验得到其瑞文智力为108，言语