ఒక వ్యక్తి యొక్క ముఖ కవళికలు వారి భావోద్వేగాలను గుర్తించడానికి మనకు కీలకమైన సమాచారాన్ని అందిస్తుంది. కానీ ఈ ప్రక్రియలో దాని కంటే చాలా ఎక్కువ ఉంది. జర్మనీలోని రూర్ యూనివర్సిటీ బోచుమ్లోని ఇన్స్టిట్యూట్ ఆఫ్ ఫిలాసఫీ II నుండి డాక్టర్ లెడా బెరియో మరియు ప్రొఫెసర్ ఆల్బర్ట్ న్యూవెన్ నిర్వహించిన పరిశోధన ప్రకారం ఇది జరిగింది. బృందం భావోద్వేగ గుర్తింపును ప్రత్యేక మాడ్యూల్గా కాకుండా, మరొక వ్యక్తి యొక్క సాధారణ అభిప్రాయాన్ని ఏర్పరచడంలో మాకు సహాయపడే సమగ్ర ప్రక్రియలో భాగంగా వివరిస్తుంది. వ్యక్తి ముద్ర ఏర్పడే ఈ ప్రక్రియ భౌతిక మరియు సాంస్కృతిక లక్షణాలతో పాటు నేపథ్య సమాచారాన్ని కూడా కలిగి ఉంటుంది. పేపర్ సెప్టెంబర్ 24, 2024న పత్రికలో ప్రచురించబడింది తత్వశాస్త్రం మరియు దృగ్విషయ పరిశోధన.
పరిస్థితిని అర్థం చేసుకోవడం మనం భావోద్వేగాలను ఎలా గుర్తించాలో ప్రభావితం చేస్తుంది
1970 లలో, ముఖం మన భావోద్వేగాలకు కిటికీ అని సిద్ధాంతం ముందుకు వచ్చింది. పరిశోధకుడు పాల్ ఎక్మాన్ భయం, కోపం, అసహ్యం, ఆనందం మరియు విచారం వంటి ప్రాథమిక భావోద్వేగాలను సాధారణ ముఖ కవళికలను ఉపయోగించి వివరించాడు, ఇవి అన్ని సంస్కృతులలో ఒకే విధంగా ఉన్నట్లు కనుగొనబడింది. “అయితే, ఇటీవలి సంవత్సరాలలో, జీవితంలో చాలా సందర్భాలు చాలా స్పష్టంగా కనిపిస్తున్నాయి, ఇక్కడ సాధారణ ముఖ కవళికలు ఇతరుల భావాలను అంచనా వేయడానికి మార్గనిర్దేశం చేసే కీలకమైన సమాచారం కానవసరం లేదు,” అని న్యూయెన్ ఎత్తి చూపాడు మరియు ఈ క్రింది ఉదాహరణను పేర్కొన్నాడు: ” అంచనా వేయబడిన వ్యక్తి ఒక టేబుల్ను రిజర్వ్ చేసినప్పటికీ, వెయిటర్ని వెనక్కి తిప్పికొట్టినట్లు వారికి నేపథ్య జ్ఞానం ఉన్నప్పుడు ప్రజలు దాదాపు విశ్వవ్యాప్తంగా భయం యొక్క సాధారణ ముఖ కవళికలను కోపంగా రేట్ చేస్తారు.” అటువంటి పరిస్థితిలో, వ్యక్తి కోపంగా ఉంటాడని ప్రజలు ఆశిస్తారు మరియు వారి ముఖ కవళికలు సాధారణంగా భిన్నమైన భావోద్వేగానికి ఆపాదించబడినప్పటికీ, ఈ నిరీక్షణ వారి భావోద్వేగం యొక్క అవగాహనను నిర్ణయిస్తుంది.
“అంతేకాకుండా, మనం కొన్నిసార్లు ముఖాన్ని చూడకుండా కూడా భావోద్వేగాలను గుర్తించగలము; ఉదాహరణకు, ఒక వ్యక్తి యొక్క భయం, ఉరుకుతున్న కుక్కచే దాడి చేయబడిన వ్యక్తి అనుభవించే భయం, మేము వాటిని వెనుక నుండి మాత్రమే స్తంభింపజేయడం లేదా భయపెట్టడం వంటి స్థితిలో చూసినప్పటికీ,” వివరిస్తుంది బెరియో.
ఒక భావోద్వేగాన్ని గుర్తించడం అనేది ఒక వ్యక్తి యొక్క మన మొత్తం అభిప్రాయంలో భాగం
భావోద్వేగాలను గుర్తించడం అనేది ఒక వ్యక్తి యొక్క మొత్తం అభిప్రాయాన్ని ఏర్పరచగల మన సామర్థ్యం యొక్క ఉప-ప్రక్రియ అని బెరియో మరియు న్యూవెన్ ప్రతిపాదించారు. అలా చేయడం ద్వారా, వ్యక్తులు ఇతర వ్యక్తి యొక్క నిర్దిష్ట లక్షణాల ద్వారా మార్గనిర్దేశం చేయబడతారు, ఉదాహరణకు చర్మం రంగు, వయస్సు మరియు లింగం వంటి శారీరక రూప లక్షణాలు, దుస్తులు మరియు ఆకర్షణ వంటి సాంస్కృతిక లక్షణాలు అలాగే ముఖ కవళికలు, హావభావాలు మరియు భంగిమ వంటి పరిస్థితుల లక్షణాలు.
అటువంటి లక్షణాల ఆధారంగా, వ్యక్తులు త్వరగా ఇతరులను అంచనా వేస్తారు మరియు సామాజిక స్థితిని మరియు వారితో కొన్ని వ్యక్తిత్వ లక్షణాలను కూడా వెంటనే అనుబంధిస్తారు. ఇతరుల భావోద్వేగాలను మనం ఎలా గ్రహిస్తామో ఈ సంఘాలు నిర్దేశిస్తాయి. “మేము ఒక వ్యక్తిని స్త్రీగా భావించి, వారు ప్రతికూల భావోద్వేగాలను చూపిస్తే, మనం ఆ భావోద్వేగాన్ని భయానికి ఆపాదించే అవకాశం ఉంది, అయితే ఒక పురుషుడితో అది కోపంగా చదవబడే అవకాశం ఉంది” అని బెరియో సూచించాడు.
మూల్యాంకనంలో నేపథ్య సమాచారం చేర్చబడింది
లక్షణాలు మరియు ప్రారంభ అనుబంధాల అవగాహనతో పాటు, మేము మా సామాజిక సర్కిల్లోని వ్యక్తుల కోసం నేపథ్య సమాచారంగా ఉపయోగించే వివరణాత్మక వ్యక్తి చిత్రాలను కూడా కలిగి ఉంటాము — కుటుంబ సభ్యులు, స్నేహితులు మరియు సహోద్యోగులు. “ఒక కుటుంబ సభ్యుడు పార్కిన్సన్స్తో బాధపడుతుంటే, ఈ వ్యక్తి యొక్క సాధారణ ముఖ కవళికలను అంచనా వేయడం నేర్చుకుంటాము, ఇది కోపాన్ని సూచిస్తుంది, తటస్థంగా ఉంటుంది, ఎందుకంటే కఠినమైన ముఖ కవళికలు వ్యాధిలో భాగమని మాకు తెలుసు” అని బెరియో చెప్పారు.
నేపథ్య సమాచారంలో సాధారణ వృత్తి సమూహాలకు చెందిన వ్యక్తి నమూనాలు కూడా ఉన్నాయి. “ఉదాహరణకు వైద్యులు, విద్యార్థులు మరియు పనివారి సామాజిక పాత్రలు మరియు బాధ్యతల గురించి మేము సాధారణ అంచనాలను కలిగి ఉన్నాము” అని న్యూవెన్ చెప్పారు. “మేము సాధారణంగా వైద్యులను తక్కువ భావోద్వేగంగా గ్రహిస్తాము, ఉదాహరణకు, ఇది వారి భావోద్వేగాలను అంచనా వేసే విధానాన్ని మారుస్తుంది.”
మరో మాటలో చెప్పాలంటే, వ్యక్తులు మరొక వ్యక్తి యొక్క భావోద్వేగాన్ని అంచనా వేయడానికి లక్షణాల సంపదను మరియు నేపథ్య జ్ఞానాన్ని ఉపయోగించుకుంటారు. అరుదైన సందర్భాల్లో మాత్రమే వారు ఒక వ్యక్తి యొక్క ముఖ కవళికల నుండి మాత్రమే భావోద్వేగాలను చదువుతారు. “ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఉపయోగించి భావోద్వేగ గుర్తింపు కోసం ఇవన్నీ చిక్కులను కలిగి ఉన్నాయి: AI కేవలం ముఖ కవళికలపై ఆధారపడనప్పుడు మాత్రమే ఇది నమ్మదగిన ఎంపికగా ఉంటుంది, ఇది చాలా సిస్టమ్లు ప్రస్తుతం చేస్తున్నాయి” అని న్యూవెన్ చెప్పారు.