Normas de valencia, arousal y dominancia de 13.

915 lemas Ingls

Amy Bet Warriner & Victor Kuperman y Marc Brysbaert

Resumen La informacin acerca de los significados de las palabras afectivas es

utilizado por los investigadores que trabajan en las emociones y estados de
nimo, reconocimiento de palabras y la memoria, y el anlisis de los
sentimientos basado en texto. Tres componentes de las emociones estn
tradicionalmente DISTIN-guido: valencia (lo agradable de un estmulo), la
excitacin (la intensidad de la emocin provocada por un estmulo), y dom-
INANZAS (el grado de control ejercido por un estmulo). Hasta el momento, casi
todas las investigaciones se ha basado en las normas ANEW recogidos por
Bradley y Lang (1999) para 1.034 palabras. Hemos ampliado la base de datos a
cerca de 14.000 Ingls lemas, proporcionando a los investigadores con una
fuente mucho ms rica de informa-cin, incluido el gnero, la edad y las
diferencias educativas en las normas emocin. Como un ejemplo de las nuevas
posibilidades, se incluyeron los estmulos de casi la totalidad de la categora
normas (por ejemplo, tipos de enfermedades, ocupaciones y las palabras tab)
recogidos por Van Overschelde, Rawson, y Dunlosky (Diario de la Memoria y
Lenguaje 50: 289- 335, 2004), por lo que es posi-ble para incluir efecto en los
estudios de la memoria semntica.

Palabras clave Emocin. Semntica. Diferencias de gnero . Las diferencias de

edad. crowdsourcing

Clasificaciones emocionales de las palabras son de gran demanda ya que se

utilizan en al menos cuatro lneas de investigacin. La primera de estas lneas
se refiere a la investigacin sobre las propias emociones: las formas en el que
se producen y se perciben, su estruc-tura interna, y las consecuencias que
tienen para la conducta humana. Por ejemplo, Verona, Sprague, y Sadeh (2012)
utiliza palabras emo-cional neutro y negativo en un experimento compar-cin
de las respuestas de los delincuentes sin un trastorno de la personalidad a las
de los delincuentes con un trastorno antisocial de la personalidad que, o bien
se produjeron o no tener rasgos psicopticos adicionales.
La segunda lnea de investigacin se ocupa del impacto que tienen
caractersticas emocionales sobre el procesamiento y la memoria de las
palabras. Kousta, Vinson y Vigliocco (2009) encontraron que los participantes
respondieron ms rpido a las palabras positivas y negativas que a las
palabras neutras en un experimento de decisin lxica, un hallazgo ms tarde
reproducido por Scott, O'Donnell, y Sereno (2012) en la siguiente oracin. De
acuerdo con Kousta, Vigliocco, Vinson, Andrews, y Del Campo (2011), de emo-
cin es particularmente importante en las representaciones semnticas de las
palabras abstractas. En otra investigacin, Fraga, Pieiro, Acua-Faria,
Redondo y Garca-Orza (2012) reportaron que las palabras emocionales son
ms susceptibles de ser utilizados como sitios de unin para las oraciones de
relativo en frases tales como "Alguien dispar al servidor de la actriz que . . . ".

Un tercer enfoque utiliza clasificaciones emocionales de palabras para estimar

los sentimientos expresados por los mensajes completos o textos. Leveau,
Jhean-Larose, Denhire, y Nguyen (2012), por ejemplo, escribi un programa
de ordenador para estimar la valencia y la excitacin provocada por los textos
sobre la base de medidas de palabras (vase tambin Liu, 2012).

Por ltimo, las calificaciones emocionales de las palabras se utilizan para

automti-camente estimar los valores emocionales de nuevas palabras por
ellos com-pelado a las de palabras validados. Bestgen y Vincze (2012) Medicin
de los valores afectivos de 17.350 palabras mediante el uso de los valores
nominales de las palabras que se relacionan semnticamente.

Hasta ahora, casi todos los estudios se han basado en Bradley y Lang (1999)
Afectivo Normas para las palabras en ingls (DE NUEVO) o en versiones
traducidas (para excepciones, ver Kloumann, Danforth, Harris, Bliss, y Dodds,
2012; y Mohammad

1192 Behav Res (2013) 45: 1191-1207

Turney, 2010). Estas normas incluyen notas de 1.034 palabras. Hay tres tipos
de clasificaciones se llevaron a cabo, de acuerdo con Osgood, Suci, y la teora
de Tannenbaum (1957), de emo-ciones. La primera, y ms importante, el tipo
de calificaciones se refiere a la valencia (o agradabilidad) de las emociones
invocadas por una palabra, al pasar de infeliz a feliz. El segundo aborda el
grado de excitacin provocada por una palabra, y la tercera dimensin se
refiere a la dominancia / poder de la palabra: la medida en la que la palabra
denota algo que es dbil / fuerte o -submissive / dominante.

El nmero de palabras cubiertos por las normas ANEW pareca ser suficiente
para su uso en pequea escala factoriales expe-mentos. En estos
experimentos, un nmero limitado de estmulos se seleccionara que variaban
en una dimensin (por ejemplo, va-lencia) y fueron agrupados en otras
variables (por ejemplo, excitacin, frecuencia de la palabra, y longitud de
palabra). Sin embargo, el nmero de palabras en este aparato es
excesivamente pequea para los megaestudios a gran escala que estn
surgiendo actualmente en psycholinguis-tics. En estos estudios (por ejemplo,
Balota et al, 2007;. Ferrand et al, 2010;. Keuleers, Brysbaert, y Nueva, 2010;
Keuleers, Lacey, Rastle, y Brysbaert, 2012), los anlisis de regresin de miles
de palabras se utilizan para desentraar los factores que influyen en el
reconocimiento de palabras. Las normas ANEW tambin estn limitados como
entrada para algoritmos de computadora que miden el sentimiento de un
mensaje de texto / o los valores emocionales de palabras nonrated.

Dada la facilidad con la que las normas de palabras se pueden recoger en la

actualidad, se decidi recoger calificaciones afectivos para la mayora de las
bien conocidas palabras de contenido en ingls (un total de 13.915). Debido a
que se espera que los valores emocionales podran generalizarse a formas
declinadas (por ejemplo, canta, canta, canta, y cantando para el verbo lema
cante), slo INCLUD-ed lemas (las formas de base de palabras, es decir, las que
se usan como entradas en los diccionarios). Nuestra muestra de palabras (ver
ms abajo para los criterios de seleccin) cubre sustancialmente la palabra
stock del idioma Ingls y forma una base slida de las que obtener de forma
automtica los valores de las palabras restantes (Bestgen y Vincze, 2012).

Mtodo
Los estmulos

Las palabras incluidas en nuestro conjunto de estmulos fueron compilados a

partir de tres fuentes: Bradley y Lang (1999) la base de datos de nuevo, Van
Overschelde, Rawson, y Dunlosky de categora (2004) normas, y el corpus
SUBTLEX por Estados Unidos (Brysbaert & New, 2009). Nuestro conjunto final
incluy 1.029 de las 1.034 palabras de ANEW (cinco se perdieron debido a un
error de programa) y 1.060 de las respuestas generadas por el participante a
60 de los 70 nombres de las categoras incluidas en el estudio media de la
categora (que no hemos incluido algunas categoras, tales como unidades de
tiempo y de distancia o tipos de pescado). Las palabras restantes fueron
seleccionados de la

lista de 30.000 lemas para los que Kuperman, Stadthagen-Gonzlez, y

Brysbaert (2012) recogi clasificaciones de la edad de adquisicin. Esta lista
contiene los lemas de contenido (nombres, verbos y adjetivos) de los 50
millones de contadores corpus subttulo SUBTLEX por Estados Unidos. Slo se
seleccionaron las palabras de ms alta frecuencia conocida por 70% o ms de
los participantes en Kuperman et al., Dado que las calificaciones afectivos son
menos vlida / til para palabras que no se sabe que la mayora de los
participantes. Nuestro ltimo set incluye 13.915 palabras, de las cuales el
22,5% se utiliza con mayor frecuencia como adjec-tivas (Brysbaert, Nuevos, y
Keuleers, 2012), el 63,5% como sustantivos, 12,6% como verbos, y el 1,4%
como otros o no especificadas partes del discurso . La palabra frecuencia
media del conjunto era de 1.056 (SD = 8,464, rango = 1 a 314.232, mediana =
87) en los 50 millones de contadores corpus SUBTLEX por Estados Unidos; 152
palabras, o 1%, no tenan datos de frecuencia. Para cada palabra en nuestro
conjunto, recogimos las calificaciones de tres dimensiones utilizando una
escala de 9 puntos.

Los estmulos se distribuyeron ms de 43 listas que contienen 346 a 350

palabras cada uno. Cada lista constaba de 10 palabras, calibrador, 40 palabras
de control de nuevo, y una seleccin aleatoria de palabras no de nuevo. Las
palabras del calibrador fueron extradas de ANEW y fueron elegidos por
separado para cada una de las tres dimensiones, con el objetivo de dar a los
participantes un sentido de toda la gama de los estmulos que iban a
encounter.1 Los participantes siempre vio por primera vez estas palabras de
calibrador. Las palabras ANEW restantes se dividieron en grupos de 40 y
sirvieron como controles para la estimacin de las correlaciones entre los datos
y las normas de nuevo. Esto significaba que una seleccin de estas palabras
apareci en ms de una lista y que las listas usadas para cada una de las tres
dimensiones eran en su mayora, pero no completamente, idntica. Las
palabras de mando y las palabras no ANEW fueron mezcladas al azar juntos en
cada lista. Una vez que se han creado las listas, las palabras de cada uno
siempre se presentaron en un orden fijo tras las palabras cali-brator.

Recopilacin de datos

Los participantes fueron reclutados a travs de la pgina web de crowdsourcing

Amazon Mechanical Turk. Respondedores se limitan a los que se auto-
identificados como miembros actuales residentes de los EE.UU. y que
completaron ninguna lista dada slo una vez. Esta realizacin de una lista
nica por un participante dado en adelante se refiere como una asignacin.
Cada asignacin involucrados palabras de calificacin en un

1 Las palabras del calibrador para las dimensiones respectivas fueron los
siguientes (en orden de calificaciones menor a mayor): Valence: "la crcel"
(1,91), "invasor" (2,23), "inseguridad" (2,30), "industria" (5,07), " nevera
"(5,67)," sombrero "(5,69)," sonrisa "(7,66)," gatito "(7,58)," broma "(7,88), y"
libre "(8,25). La excitacin: "estatua" (2,82), "roca" (3,14), "triste" (3,49),
"gato" (4,50), "curiosidad" (5,74), "ladrn" (6,20), "escopeta" (6.55) "asalto"
(6,80), "emocin" (7,19), y "sexo" (7,60). Dominacin: "relmpago" (4,00), "mil-
roco" (4,19), "cascada" (5,34), "rico" (6,11), "faro" (6,24), "miel" (6,39),
"tratar" ( 6,66), "fuerte" (6,85), "admirado" (6,94), y la "libertad" (7,04).

Behav Res (2013) 45: 1191-1207 1193

nica dimensin nica, en contraste con el estudio de nuevo, para los que los
participantes calificaron cada palabra en las tres dimensiones. Las
instrucciones dadas fueron variaciones menores en las instrucciones de-ciones
en el proyecto de nuevo, y se dan a continuacin, con los respectivos cambios
en la redaccin de las dimensiones separadas indicadas entre corchetes.

Usted est invitado a participar en el estudio que investiga la emocin, y se

refiere a cmo las personas responden a diferentes tipos de palabras. Que va a
utilizar una escala para evaluar cmo se sinti al leer cada palabra. Habr
aproximadamente 350 palabras. La escala va de 1 (feliz [excitado; controlado])
a 9 (infeliz [calma, en el control]). En un extremo de esta escala, que est
satisfecho, contento, satisfecho, contento, esperanzado [estim-ed, excitado,
frentico, nervioso, despierto, o excitado; con-controlado, influenciado,
cuidada, muy bien acogidos, sumisa, o guiado]. Cuando se sienta
completamente feliz [despertado; controlado] debe indicar esto mediante la
eleccin calificacin 1. El otro extremo de la escala es cuando se siente
completamente satisfecho, molesto, Insatis-ficado, melanclica, desesperado,
o aburrido [relajado, tranquilo, lento, aburrido, somnoliento o unaroused; en el
control, influyente, importante, dominante, autnoma, o el control]. Puede
indicar sensacin-cin completamente infeliz [calma; en control] seleccionando
9. Los nmeros tambin le permiten describir sentimientos intermedios de
placer [calma / la excitacin; en / bajo control], seleccionando cualquiera de los
otros sentimientos. Si se siente completamente neutral, ni alegre ni triste [no
excitado, ni en absoluto en calma; ni en el control ni controlado], seleccionar el
medio de la escala (Puntuacin 5).

Por favor trabaje a un ritmo rpido y no pasar demasiado tiempo pensando en

cada palabra. Por el contrario, hacer que sus opiniones Basado en su primera e
inmediata reaccin a medida que lee cada palabra.

En promedio, las tareas se completaron en aproximadamente 14 min. Los

participantes recibieron 75 centavos por cada asignacin-ment completado.
Despus de leer una declaracin de consentimiento de informacin y las
instrucciones, se pidi a los participantes que indiquen su edad, gen-der,
primera lengua (s), pas / estado resida en la mayor parte entre el nacimiento
y los 7 aos, y el nivel educativo. Posteriormente, se les recordaba de los
anclajes de escala y se presentan con una pgina desplazable en el que todas
las palabras en la lista se muestran a la izquierda de nueve botones de radio
numeradas. Aunque no nos incorporamos los maniques de auto-evaluacin
(SAM) que se utilizaron en el estudio de nuevo, nos dimos anclar nuestras
escalas en la misma direccin, con valencia que van de feliz a triste, la
excitacin de emocionados a la calma, y el dominio de control de en control. En
los Resultados y Discusin seccin, se muestra que nuestras calificaciones
numricas altamente correlacionadas con las puntuaciones SAM de nuevo, lo
que demuestra que los mtodos son ms o menos equivalentes. Una vez
terminados, los participantes han hecho clic en "Enviar" para completar el
estudio.

Las listas se presentaron inicialmente a 20 encuestados cada uno. Sin

embargo, los valores que faltan debido a los criterios de exclusin posteriores
dieron lugar a algunas palabras que tienen menos de 18 calificaciones vlidas.
Varias de las listas se volvi a publicar hasta que la gran mayora de las
palabras haba alcanzado al menos este umbral. La recoleccin de datos se
inici el 14 de marzo de 2012, y fue perfeccionado el 30 de mayo de, de 2012.

Resultados y discusin

recorte de datos

En total, se recogieron 1,085,998 calificaciones en las tres dimensiones.

Alrededor del 3% de los datos se retiraron debido a las respuestas que faltan,
falta de variabilidad en las respuestas (es decir, que proporciona la misma
calificacin para todas las palabras en la lista), o la terminacin de menos de
100 clasificaciones por asignacin. Las calificaciones de valencia y arousal se
invirtieron post-hoc para que formen parte del principal ner una ms intuitivas
de baja a alta escala (por ejemplo, triste feliz en lugar de alegra a la tristeza)
en las tres dimensiones. Los medios y las desviaciones estndar se calcularon
para cada palabra. Las calificaciones en las asignaciones con correlaciones
negativas entre la clasificacin de un determinado participante y la media para
esa palabra se invierte (9%). Esto se hizo sobre la base tanto de la evidencia
emprica de que un mayor nmero intuitivamente van con anclajes positivos
(Rammstedt y Krebs, 2007) y un examen de las respuestas de estos
participantes, que revel respuestas poco intuitivos (por ejemplo, lo que indica
que las palabras negativas como "la crcel" ellos hicieron muy feliz). Las
asignaciones restantes con puntuaciones que se correlacionaron con las
puntuaciones medias por artculos a menos de 0,10 fueron retirados, y se
volvieron a calcular las medias y desviaciones,-ciones estndar. El ltimo
conjunto de datos consisti en 303,539 observaciones de valencia (95% de la
piscina de datos original), 339,323 observaciones para la excitacin (89% del
conjunto de datos original), y 281,735 observaciones para la dominacin (74%
de la piscina de datos original). Un total de 1.827 respondedores contribuy a
este ltimo conjunto de datos, con 362 de ellos asignaciones complet-cin de
dos o ms dimensiones. Un total de 144 participantes completaron dos o ms
asignaciones dentro de una sola dimensin.

Para valencia, 51 palabras recibieron menos de 18 (pero ms de 15)

habilitaciones vlidas. Para la excitacin, 128 palabras tenan un nmero total
de calificaciones en ese rango. Por el dominio, 564 palabras tenido un total de
16 17 grados, y 17 palabras, tena 14 o 15 clasificaciones de cada uno. Para
las tres dimensiones, ms del 87% de las palabras tenan entre 18 y 30 notas
por palabra. Un total de 50 palabras en cada dimensin recibi ms de 70
notas cada uno, debido a la duplicacin de palabras de nuevo y volver a
ejecutar el de las listas. Para ilustrar cmo nuestros datos enriquece el
conjunto de palabras disponibles en el nuevo, Tabla 1 proporciona ejemplos de
palabras que no estn incluidos en la lista ANEW y notas que muestran muy
altas o muy bajas en una de las tres dimensiones.

Demografa

De los 1.827 respondedores vlidos, aproximadamente el 60% eran mujeres en

los tres casos (419 de valencia, 448 de excitacin y 505 de dominancia). Sus
edades oscilaban entre 16 y 87 aos, con un 11% siendo 20 aos de edad o
menos; 45% de 21 a 30; 21% frente al 31 a 40; 11% a partir de 41 a 49; y el
12% tiene 50 aos o

1194 Behav Res (2013) 45: 1191-

1207

tabla 1 Palabras en los extremos de cada dimensin que no se

incluyeron en ANEW
 Valencia Excitacin Dominio

menor pedfilo 1.26 grano 1.60

demencia 1.68

violador 1.30 aburrido 1.67 la

enfermedad de Alzheimer 2.00

SIDA 1.33 calma 1.67 lobotoma

2.00

leucemia 1.47 bibliotecario 1.75

terremoto 2.14

abusador 1.48 calmante 1.91

incontrolable 2.18

asesinato 1.48 escena 1.95

violador 2.21

Mayor emocionado 8.11 hijo de puta 7.33

alegrarse 7.68

sol 8.14 ereccin 7.37 exitoso

7.71

relajante 8.19 terrorismo 7.42

sonrer 7.72

amable 8.26 amante 7.45

terminacin 7.73

fantstico 8.36 alboroto 7.57 yo

7.74

felicidad 8.48 locura 7.79 increble

7.74

mayor. De los participantes, 24 (3,3%), 32 (4,3%), y 23 (2,7%) para la valencia,

la excitacin y las dimensiones de dominancia, respectivamente, inform de
una lengua materna distinta del Ingls, mientras que 10 (1,4%), 12 (1,6%), y
12 (1,4%) participantes, respectivamente, inform de ms de un idioma nativo,
en INCLUYENDO Ingls. La Tabla 2 muestra el nmero de participantes en cada
uno de los siete posibles niveles de educacin. La mayora tena algn colegio
o una licenciatura.

Estadsticas descriptivas

La Tabla 3 presenta los estadsticos descriptivos de las tres distribui-ciones de

clasificaciones. Las distribuciones de las dos clasificaciones de valencia y Dom-
INANZAS son sesgada negativamente (G1 = -.28 y -.23, respectivamente), con
un 55% de las palabras clasificadas por encima de la mediana de la escala de
calificacin para ambas dimensiones (ver Fig. 1) . el Mann-Whitney de una sola
muestra de prueba de la mediana indi-cado que las medianas de ambas la
valencia y el dominio

Tabla 2 informaron sobre los niveles de educacin dentro de cada dimensin

Nivel de Educacin Nmero de participantes

Valencia Excitacin Dominio

(%) (%) (%)

Algn instituto 28 (4) 32 (4) 28

(3)

Graduado de preparatoria 96 (13) 98 (13)

117 (14)

Un poco de universidad-n 237 (33) 252 (34) 298 (35)

la licenciatura

grado de asociados 82 (11) 79 (11)

93 (11)

Licenciatura 212 (29) 222 (30) 218 (26)

Maestra 55 (8) 53 (7) 78
(9)

Doctorado 13 (2) 9 (1) 13 (2)

Total 723 745 845

Los nmeros en las tres columnas suman ms de 1.827, ya que algunas

personas han contribuido a ms de una dimensin

distribuciones no fueron significativamente diferentes de calificacin 5, que es

la mediana de las escalas (tanto ps> 0,1). La tendencia de ms palabras para
hacer que la gente se sienta feliz y el control va junto con numerosos ex
conclusiones de los sesgos de positividad en Ingls y otros idiomas (vase
Agustn, Mehl, y Larsen, 2011 y Kloumann et al., 2012). La positividad de sesgo
o la prevalencia de tipos de palabras positivas en libros en ingls, los mensajes
de Twitter, msica LYR-ICS y otros gneros de textos, se argumenta para
reflejar la preferencia de la humanidad para la comunicacin pro-social y
benvolo. La excitacin, por el contrario, tiene un sesgo positivo (G1 = 0,47), lo
que significa que slo una proporcin relativamente pequea de palabras (20%
por encima de una puntuacin de 5) hizo que las personas se sienten
emocionados.

Las calificaciones de valencia eran relativamente consistente a travs de par-

par-, mientras que la excitacin y el dominio eran mucho ms variable. Esto se
indica por la diferencia entre las desviaciones estndar promedio de las
dimensiones: 1,68 para valencia, pero 2,30 y 2,16 para la excitacin y el
dominio, respectivamente. Adems, las fiabilidades fraccin de la mitad eran

0.914 de valencia, 0.689 para la excitacin, y 0.770 por el dominio; ver ms

abajo para otros ejemplos de una mayor variabilidad de la dominacin y la
excitacin calificaciones. Figura 2a-c muestran, para las tres dimensiones
emocionales, las medias de las puntuaciones para cada palabra representada
frente a sus desviaciones estndar, con la lnea ms suave lowess de cada
diagrama de dispersin que demuestra la

Tabla 3 Estadstica descriptiva para la distribucin de cada una de las

dimensiones, incluyendo el nmero de participantes (N), el nmero de
observaciones, media media, media y SD

norte # De Observaciones Media Promedio

SD

Valencia 723 303.539 5.06 1.68

Excitacin 745 339.323 4.21 2.30

Dominio 845 281.735 5.18 2.16

Behav Res (2013) 45: 1191-1207 1195

Higo. 1 Distribuciones de valencia (verde), la excitacin (rojo), y las
clasificaciones (azul) de dominancia. Las lneas de puntos representan las
medianas de las respectivas distribuciones

tendencia general en los datos (lneas rojas continuas). Para fines ilustrativos,
cada parcela se suministra con ejemplos seleccionados de palabras que son
sustancialmente ms o menos variable que otras palabras con la calificacin
media dada. Palabras jure, palabras tab, y trminos sexuales representan una
forma desproporcionada gran nmero de palabras que provocan calificaciones
ms variables de valencia y la excitacin de lo que cabra esperar teniendo en
cuenta las clasificaciones medias las palabras '(que se muestran como las
palabras en azul por encima de la lnea de lowess roja en la Fig. 2a-c), en lnea
con Kloumann et al. (2012). A continuacin vamos a demostrar que la mayor

Higo. 2 desviaciones estndar de los valores de valencia (a, arriba a la

izquierda), la excitacin (b, arriba a la derecha), el dominio (c, abajo a la
izquierda), y la fuerza de valencia (d, abajo a la derecha) representan frente a
las respectivas puntuaciones medias. Los paneles A-C tambin proporcionan
ejemplos de palabras con desviaciones estndar desproporcionadamente
grandes y pequeas, teniendo en cuenta sus medios

la variabilidad de tales palabras puede ser debido a las diferencias de gnero

en las normas.
Para valencia, el diagrama de dispersin en la Fig. 2a (izquierda superior) es
sym-mtrica sobre la mediana, con palabras relativamente positivos o nega-
tiva asociados con la variabilidad menor en las votaciones travs de los
participantes, en comparacin con las palabras de valencia-neutral (ver Moors
et al., En prensa, para una hallazgo similar en holands). Lo mismo ocurre con
el patrn observado en las calificaciones de dominancia, la Fig. 2c (parte
inferior izquierda). La trama de la fuerza de valencia (diferencia absoluta entre
la calificacin de valencia y la mediana de estimaciones de valencia; Fig. 2d)
corrobora la Tenden-cy de las palabras ms extremos (positivos o negativos) a
ser menos variable en sus calificaciones que los neutros. Por el contrario, para
la excitacin en la Fig. 2b (arriba a la derecha), palabras que hacen que la
gente se sienta tranquilo en general, obtener calificaciones ms consistentes
que hacer los que la gente se sienta excitado. Para resumir, en trminos de la
variabilidad de las puntuaciones de valencia, y el patrn de dominancia togeth-
er y se consideran mejores en trminos de su magnitud (qu tan fuerte es la
sensacin) en lugar de su polaridad (vs. triste feliz, o controlado por vs. en
control); polaridad, sin embargo, determina la variabilidad en las calificaciones
de excitacin.

Las correlaciones entre las dimensiones

Encontramos la tpica relacin en forma de U entre la excitacin y la valencia

(vase la figura 3a;. Bradley y Lang, 1999; Redondo, Fraga, Padrn, y
Comesaa, 2007; Soares, Comesaa,

1196 Behav Res (2013) 45: 1191-1207

Higo. 3 Diagramas de dispersin de dimensiones (a, la excitacin vs valencia,

b, excitacin frente a la dominacin; c, dominancia vs valencia), junto con las
lneas lowess (en rojo) que muestra las relaciones funcionales y las lneas de
regresin para la excitacin como se predijo por alto ( en verde) y baja (en
prpura) y el dominio de valencia. Ejemplos de palabras tambin se han
incluido
Pinheiro, Simes, y Frade, 2012): Las palabras que son muy positivas o muy
negativas son ms excitante que los que son neutrales. Esto es corroborado
por la correlacin positiva entre la valencia y la excitacin de las palabras
positivas (media va-lencia> Evaluacin 6; r = 0,273, p <0,001) y la correlacin
negativa entre valencia y USAL aro para las palabras negativas (valoracin de
valencia significar < 4; r = -.293, p <0,001). La rela-rela- entre la excitacin y
la dominacin es tambin una forma de U (vase la figura 3b.), Como se
corrobora por la correlacin positiva entre la dominacin y la excitacin para
las palabras de alta calificacin de dominancia (media> Evaluacin 6; r =
0,139, p <. 001) y la correlacin negativa entre la dominacin y la excitacin
para las palabras de baja calificacin de dominancia (media calificacin <4; r =
-.193, p <0,001). La relacin entre la valencia y la dominancia es lineal, con
palabras que hacen que la gente Fe el ms feliz tambin haciendo que se
sientan ms en control (ver Fig. 3c). La Tabla 4 muestra que una relacin
cuadrtica entre la excitacin y la valencia y la excitacin ser-Tween y el
dominio explica ms de la varianza que hace una relacin lineal. Sin embargo,
esto no descarta la posibilidad de que los niveles altos y bajos de estas
asociaciones podran explicarse mejor mediante una regresin con un punto de
quiebre en la mediana de la escala (ver Fig. 3). La relacin entre el dominio y la
valencia, sin embargo, est equipado mejor mediante un modelo lineal.

La fuerza de la correlacin entre la dominacin y la valencia pone en duda la

afirmacin de que las tres dimensiones consideradas aqu son realmente
estados afectivos ortogonales. Esta hiptesis fue la base de la original de
ANEW
estudio (Bradley y Lang, 1999), derivado de factor de anlisis originales
realizados por Osgood, Suci y Tannenbaum (1957). La investigacin futura
tendr que demostrar que dom-INANZAS explica la varianza nica por encima
de valencia en el comportamiento de procesamiento de lenguaje. El hecho de
que los valores extremos de valencia y la dominacin son el punto ms
excitante de nuevo a la utilidad de considerar la fuerza de valencia / dominio
(es decir, cun diferente es una palabra desde neutral) en lugar de polaridad
que la variable explicativa. Volveremos sobre este punto ms adelante.

Confiabilidad

Comparamos nuestras calificaciones con varios conjuntos ms pequeos de

calificaciones que se haban recogido previamente por otros investigadores,

La Tabla 4 correlaciones de Pearson, lineal, los coeficientes de segundo grado y

la R2 cuadrtica para cada moneda de diez centavos nsion

r Lineal Cuadrtico R2

Coeficiente Coeficiente

La excitacin y la -.185 -0.130 34.883 .143

valencia

La excitacin y la -.180 -0,172 21.842 .075

dominio

La dominacin y .717 0,974 - .518

valencia
Por tanto la excitacin / valencia y arousal / ce dominan, la rela-cuadrtica rela-
explica ms varianza de la funcin lineal

Behav Res (2013) 45: 1191-1207

1197

Tabla 5 Las correlaciones de las calificaciones actuales con estudios

similares a travs de las lenguas

Conjunto de datos Las

correlaciones

Fuente Idioma N (fuente) N (superposicin)

Valencia Excitacin Dominio

un Ingls 1.040 1.029 0,953 .759

.795

segundo holands 4,299 3.701 .847

.575 N/A

do Espaol 1.034 1.023 0,924 .692

.833

re portugus 1.040 1.023 0,924 .

635 0,774

mi finlands 213 203 0,956 N/A

N/A

F Ingls 10.222 4,504 0,919 N/A

N/A
Fuentes: a, Bradley y Lang (1999); b, moros et al. (en prensa) -Ingls glosas; c,
Redondo, Fraga, Padrn, y Comesaa, (2007) -Ingls brillos; d, Soares,
Comesaa, Pinheiro, Simes, y Frade (2012) -Ingls glosas; e, Eilola y Havelka
(2010) -Ingls glosas; f, Kloumann, Danforth, Harris, Bliss, y Dodds (2012).
Todos los estudios excepto moros et al. (en prensa) utilizaron una escala de
nueve puntos en la adquisicin de sus calificaciones. Moros y col. (en prensa)
utilizaron una escala de siete puntos

Tabla 6 Las correlaciones entre las dimensiones emocionales y variables

semnticas reportados en estudios previos [grados de libertad se basan en el
nmero de puntos de datos reportados como N (superposicin)]

Fuente Medida N (Fuente) N (superposicin)

Valencia Excitacin Dominio

un imaginabilidad 5,988 5.125 .161

-.012 .031

segundo imaginabilidad 326 318 -.037

.099 -.160

concrecin 326 318 .109 -.244

-.019

Contexto Disp. 326 318 .196 -.147

.044

do concrecin 1.944 1.567 .105

-.258 .009

re imaginabilidad 3,394 2.906 .152

-.045 .006

Familiaridad 3,394 2.906 .206

-.028 .215

mi AOA1 30121 13.709 -.233 -.062

-.187

% Known2 30121 13.709 .094 .078

.103
F Exp sensorial. 5,857 5,007 .067 .
228 -.044

gramo Cuerpo-Objeto 1,618 1.398 .203

-.143 .172

marido Familiaridad 559 503 .272

-.193 .329

Dolor 559 503 -.456 .579

-.343

Oler 559 503 .139 .052

-.043

Color 559 503 .401 .052

0,081

Gusto 559 503 .309

-.102 .084

Sonar 559 503 -.176 .407

-.286

Agarrar 559 503 .024 -.121

.252

Movimiento 559 503 -.113 .328

-.328

yo Sonar 1,402 1.283 -.04 .311

-.121

Color 1,402 1.283 .322 -.072

.100

Manipulacin 1,402 1.283 .070 .

026 .255

Movimiento 1,402 1.283 .011 .335

-.140

Emocin 1,402 1.283 0,902 -.206

.658

j Entrar Frequency3 74286 13763 .182

-.033 .167
1 Acuerdo sobre la Agricultura, la edad de adquisicin. 2 Las palabras
superpuestas en este estudio representan una muestra sesgada, debido al
hecho de que las palabras en el presente estudio se limita a incluir slo
palabras que se conocen en un 70% o ms participantes en los estudios
citados aqu. 3 Dado que elegimos palabras para llenar nuestra cuota que eran
ms altos en frecuencia, la superposicin aqu tambin est sesgado hacia el
rango superior

Fuentes: a, Cortese y Fugett (2004) y Schock, Cortese, y Khanna (2012); b,

Altarriba, Bauer, y Benvenuto (1999); c, Gilhooly y Logie (1980); d, Stadthagen-
Gonzlez y Davis (2006); e, Kuperman, Stadthagen-Gonzlez, y Brysbaert
(2012); f, conjunto de datos ampliada de Juhasz y Yap (en prensa) y Juhasz,
Yap, Dicke, Taylor, y Gullick (2011); g, Tillotson, Siakaluk, y Pexman (2008); h,
Amsel, Urbach, y Kutas (2012); i, Medler, Arnoldussen, Binder, y Seidenberg
(2005); j, Brysbaert & New (2009)

1198 Behav Res (2013) 45: 1191-1207

incluyendo el conjunto de nuevo de la cual dibujamos nuestras palabras de

control. Las correlaciones se enumeran en la Tabla 5.

Valencia aparece generalizar muy bien en todos los estudios y los idiomas,
como se evidencia por las altas correlaciones. Tanto la excitacin y el dominio
muestran ms variabilidad a travs de lan-guas y estudios, como se refleja en
las correlaciones ms bajas. Tenga en cuenta que estos estudios propios (los
que han informado de la informacin, es decir, c, d, ye) tambin encontraron
una menor corre-lacin entre sus grados de excitacin y de dominancia y las
clasificaciones de excitacin y de dominancia reportados en otros estudios
(rango de excitacin =. 65 a 0,75; intervalo de dominancia = 0,72-0,73). Es
importante destacar, sin embargo, las correlaciones cruzadas lingsticos eran
ms fuertes (el rango de r de Pearson para la excitacin era

0,575 hasta 0,759) que las existentes entre el gnero, la edad y los grupos de
educacin dentro de nuestro estudio (el rango de r de Pearson fue
0,467 a 0,516), vase la Tabla 8 a continuacin. Esta observacin indica
claramente la validez del uso de clasificaciones emocionales al Ingls brillos de
las palabras en un idioma que no tiene un conjunto exten-siva de las
calificaciones a disposicin del investigador. Este parece ser el caso para ms
de valencia y el dominio de la excitacin.

Las correlaciones con propiedades lxicas

Como es conocido por otros ndices subjetivos de propiedades lxicas (cf.

Baayen, Feldman, y Schreuder, 2006), sentencias del

Higo. 4 Las relaciones entre las tres dimensiones y edad de adquisicin, la

frecuencia de palabras, imaginabilidad y las valoraciones de la experiencia
sensorial, que se presentan como diagramas de dispersin ms suave lowess
lneas de tendencia

impacto emocional de una palabra son propensos a ser afectados por otros
aspectos del significado de la palabra. La Tabla 6 presenta las correlaciones de
valencia, arousal y dominancia con una serie de variables semnticas
disponibles. En el resto del artculo, es decir, en lugar de los datos de primera
instancia, fueron elegidos como las unidades de anlisis de correlacin.

La mayora de las correlaciones que muestran las votaciones emocionales con

otras propiedades semnticas son dbiles a moderadas (Cohen, 1992), con la
excepcin de las correlaciones con var-iables que conectarse directamente con
los estados emocionales (H e I en la Tabla 6). En concreto, las palabras que
hacen que las personas felices son ms fciles de imaginar [r (5123) = 0,161, p
<0,001] y ms concreta [r (1565) = 0,105, p <0,001], familiar [r (2904) =

0,206, p <0,001], rico contexto [r (316) = 0,196, p <0,001], y fcil de

interactuar con [r (1396) = 0,203, p <0,001], son de alta frecuencia [r (13763)
= 0,182, p <0,001], y se aprenden a una edad temprana [r (13707) = -.233, p
<0,001]. Tambin se asocian con dolor [r (501) = -.456, p <0,001], intenso olor
a [r (501) = 0,139, p <.01], color vivo [r (1281) = .322 , p <0,001], agradable
sabor [r (501) = 0,309, p <0,001], los sonidos suaves [r (501) = -.176, p
<0,001], y la quietud [r (501) = -.113, p <.05]. Prcticamente todas estas
propiedades estn relacionadas tambin con palabras que hacen que las
personas se sienten en control; es decir, que se correlacionan de la misma
manera con puntuaciones de dominancia.

Palabras que hacen que las personas se sienten emocionados son ms

ambiguos [r (1565) = -.258, p <0,001], no familiar [r (501) = -.193, p <0,001],

Behav Res (2013) 45: 1191-1207

1199

La Tabla 7 Grupo diferencias en las dimensiones emocionales

Medida norte # De Observaciones Media

Promedio SD norte # De Observaciones Media
Av g SD pag

Masculino Hembra

Valencia 301 116 819 (38%) 5.13 1.60

419 184 636 (61%) 5.00 1.64 <0,001

Excitacin 291 119 658 (37%) 4.38 2.27

448 197.648 (62%) 4.10 2.28 <0,001

Dominio 336 149 329 (44%) 4.83 2.15

505 188 433 (55%) 4.81 2.13 ns

Antiguo Joven

Valencia 346 158 067 (52%) 5.04 1.61

382 147 892 (48%) 5.10 1.68 <0,001

Excitacin 373 174 402 (54%) 4.13 2.27

374 146 021 (46%) 4.31 2.31 <0,001
Dominio 384 153 581 (45%) 4.80 2.04
464 187 137 (55%) 4.88 2.17 <0,001

Educacin superior bajo Educacin

Valencia 362 136 280 (45%) 5.10 1.57

361 167 259 (55%) 5.04 1.70 <.05

Excitacin 363 142.151 (45%) 4.28 2.17

382 177 213 (55%) 4.14 2.33 <0,001

Dominio 402 154 590 (46%) 5.17 2.02

443 184 733 (54%) 5.20 2.22 <.05

Reportados son el nmero de evaluadores (N), el nmero de observaciones (#

de Observaciones), y los porcentajes de observaciones totales en cada grupo
(entre parntesis), el grupo de medios y las desviaciones estndar promedio, y,
en la ltima columna, la p valor de una prueba t de dos colas independientes c
OMPARANDO las medias de grupo. El nmero de observaciones no siempre
igual a 100% debido a un pequeo nmero de participantes se neg a
responder las preguntas demogrficas relevantes.

contexto empobrecido [r (316) = -.147, p <.01], y difcil de interactuar con [r

(1396) = -.143, p <0,001]. Tambin son aso-ciado con una fuerte experiencia
sensorial en general [r (5005) = 0,228, p <0,001], especficamente y con gran
dolor [r (501) = 0,579, p <0,001], sabor desagradable [r ( 501) = -.102, p
<.05], sonidos intensos [r (501) = 0,407, p <0,001], en movimiento [r (1281) =
0,335, p <0,001], y una incapacidad para hay que aprovechar [r (501) = -.121,
p <.01].

A medida que las correlaciones no revelan la forma de las relaciones

funcionales, la Fig. 4 a continuacin zoom sobre relaciones funcionales entre
navos de las tres dimen- di emocionales y las propiedades semnticas de
inters seleccionados.
El panel de la izquierda superior de la figura. 4 revela que las primeras
palabras son mximamente positivo, fuerte y tranquila. Las palabras se
convierten ms negativa y dbil (controlada por) en promedio como la edad de
los aumentos de adquisicin. El pico de excitacin se alcanza en las palabras
aprendidas en torno a la edad de 10 aos, mientras que las palabras adquiridas
posteriormente son menos emocionante. Es tentador interpretar estos
resultados como una lnea de tiempo de desarrollo promedio de adquisicin de
vocabulario en los nios de Amrica del Norte, con (a) primeras palabras felices
y tranquilas aprendidas en un entorno de aversin al riesgo proteger a un nio
de la negatividad y la emocin, y (b) las palabras excitables como trminos
sexuales, palabras tab, y las malas palabras aprendidas en la edad escolar
temprana. Sin embargo, es ms probable que los patrones de la edad de
adquisicin de las palabras emocionales son al menos en parte debido a la
frecuencia con que se producen en Ingls, y por lo tanto cmo los nios son
propensos a encontrar y aprender temprano. La parte superior derecha de la
figura. 4 demuestra que la palabra ms frecuente es, ms feliz, ms fuerte y
ms tranquilo que tiende a ser. La relacin lineal entre la frecuencia observada
de registro de oc-Currence y la valencia es razonablemente fuerte: coeficiente
de correlacin de Pearson es 0,18, y el aumento de la valencia entre las
palabras menos y ms frecuentes es del orden de

dos puntos en la escala de 9 puntos. Esto corrobora el hallazgo-cin de Garca,

Garas, y Schweitzer (2012) y se ejecuta count-er a la reclamacin de Kloumann
et al. (2012) que el sesgo de positividad en las palabras en ingls slo se
observa en los tipos de palabras (no son ms positivas que las palabras
negativas) y que las correlaciones entre-ciones de frecuencia y de valencia, si
los hay, son en corpus especfico y pequeo. La discrepancia puede deberse a
la gama mucho ms amplia de la frecuencia que consideramos aqu, con
14.000 palabras de la parte superior de la lista de frecuencias en lugar de
5.000 palabras en cada uno de los cuerpos considerado por Kloumann et al.
Dejamos la verificacin del sesgo de positividad en un rango de frecuencias
ms amplio para la investigacin adicional.

Slo palabras altamente capaces de formar imgenes son de color

emocionalmente (Figura 4, abajo a la izquierda.): A medida que aumenta desde
imaginabilidad Valoracin 5 en la escala de 7 puntos, las palabras se vuelven
ms positiva y fuerte (en el control). Una vez ms, la excitacin es distinta de
este patrn: Palabras que apenas son capaces de formar imgenes en absoluto
o muy capaz de formar imgenes estn en calma, mientras que en el centro de
la imagen, la capacidad rango aumentar la excitacin.

El aumento de la fuerza de una experiencia sensorial (Fig. 4, abajo a la

derecha) vara fuertemente con la excitacin: Cuanto ms tangi-ble es la
palabra, la ms apasionante que es. Esto sugiere que las nociones abstractas
son menos potentes en agitacin de los lectores humanos que son los objetos
materiales. La relacin funcional con

Tabla 8 Las correlaciones entre los grupos

Valencia excitacin dominancia

Hombre y mujer .789 .516 .593

Viejo y joven .818 .500 .591

De alto y bajo nivel de educacin .831 .467 .608

1200 Behav Res (2013) 45: 1191-1207

Higo. 5 Las interacciones entre los niveles de educacin y edad dicotomizadas

para las tres dimensiones. Todas las interacciones son significativas a p <0,001
valencia slo se observa en la mitad superior de la gama de la experiencia
sensorial: las palabras ms tangible inducen emociones cada vez ms
positivos. No se observ relacin de confianza se be-tween clasificaciones
experiencia sensorial y la dominacin.

Las interacciones entre demografa y clasificaciones

Los participantes se dividieron en dos gneros de forma natural. Adems, los
dividimos en dos rangos de edad utilizando la mediana de divisin ms joven
(menos de 30) y mayores (30 o gran-er). Tambin dicotomizamos nivel de la
educacin superior en (los que tenan un grado de asociado o superior) e
inferior (alguna educacin superior o inferior). Las tres dimensiones mostraron
puntuaciones medias ligeramente, pero significativamente ms altos para los
jvenes frente a mayores y para la educacin ms baja en comparacin con la
educacin superior. Adems, los hombres dieron puntuaciones ligeramente,
pero con fiabilidad ms altos en todas las dimen-siones que hizo hembras.
pruebas t independientes separados mostraron que esta diferencia fue
significativa para la valencia y la excitacin, pero no por el dominio. Las
medias, desviaciones estndar, y los niveles de significacin prueba de la t
independientes de cada divisin de grupo se muestran en la Tabla 7.

La Tabla 8 presenta las correlaciones entre los grupos de partici-pantalones y

demuestra una variabilidad sustancial en las votaciones que proporcionaban: Al
igual que con los datos globales de la Tabla 5, la excitacin y el dominio suscit
menos acuerdo en juicios que hizo de valencia.

Nos encontramos con una serie de regresiones mltiples mirando a la edad, el

gnero y la educacin (todo dicotmica como se describi anteriormente)
como predictores. Todos los efectos principales fueron significativas a p <.001,
y cada variable hacen una contribucin nica a la vari-ANCE en las votaciones
recogidas. Adems, la mayora de los de dos y de tres vas interacciones de las
tres dimensiones fueron significativas, probablemente debido al gran nmero
de puntos de datos disponibles. Sin embargo, los intervalos reales de los
efectos tienden a ser pequeos. Una excepcin fue la interaccin entre la edad
y el nivel de la educacin para todos en tres dimensiones (ver Fig. 5). Para la
valencia y la excitacin, la gente de alto nivel clasificado palabras del mismo
modo, independientemente de su edad. Para aquellos con menos educacin,
edad fuertemente afectada clasificaciones, con el grupo de jvenes pro-Viding
calificaciones ms altas, en promedio, que lo hizo el ms viejo. Por el dominio,
el patrn opuesto celebrada: Edad afectados los del grupo de educacin
superior, con participantes de ms edad provid-ing calificaciones ms altas que
los ms jvenes, pero la edad no tuvo un efecto en el grupo de menor nivel
educativo.
Diferencias de gnero

En lo que sigue, nos concentramos en las diferencias de gnero. Efectos de las

propiedades lxicas bien establecidos en las normas emocin variaron segn el
gnero. La Figura 6 presenta las interacciones de gnero con fre-cuencia de
ocurrencia y la edad de adquisicin como predictores de clasificaciones
emocionales. Todas las interacciones alcanzaron significacin en modelos de
regresin mltiple, con cada grupo de puntajes tratados por separado como
una variable dependiente, todo ps <.01.

Las interacciones revelaron que los evaluadores femeninos proporcionan

calificaciones negativas / dbiles ms extremas para el de ms bajo

Behav Res (2013) 45: 1191-1207 1201

Higo. 6 Interacciones de gnero con frecuencia (izquierda) y la edad de

adquisicin (AA, derecha) como predictores de calificaciones medias de
valencia (arriba), la excitacin (en el centro), y el dominio (parte inferior). Las
interacciones son presentados con lneas de tendencia lowess especficos de
gnero
Palabras de uso frecuente, y grados ms extremos positivos / fuertes para las
palabras de mayor frecuencia, produciendo una gama ms amplia de valores
tanto de valencia y la dominacin. Lo mismo vale para las calificaciones ms
extremas dadas por las hembras a las palabras primeras y ltimas aprendidas,
en comparacin con los varones.
Muy por el patrn opuesto se observ en las votaciones de la excitacin (Fig. 6,
fila del medio). evaluadores hembras mostraron una dbil relacin entre la
frecuencia o la edad de adquisicin y la excitacin, con palabras ligeramente
ms altos de excitacin en la banda de frecuencia ms alta y en la gama media
de edad de ac-quisition. Por el contrario, los evaluadores masculinos revelaron
una fuerte Tenden-cy para encontrar de alta frecuencia y palabras aprendidas
anteriormente, por ser menos emocionante que las palabras poco frecuentes y
relativamente tarde.

La variabilidad en calificaciones tambin vari segn el sexo, ver fig. 7.

evaluadores masculinos no estuvieron de acuerdo cada vez ms en todas las
clasificaciones a las palabras de mayor frecuencia, mientras que la varianza en
las valoraciones de las mujeres participantes se atenu cada vez ms con un
aumento de la frecuencia de la palabra.

Si bien la fijacin abajo el origen de estas diferencias ser un problema para

una mayor investigacin, aqu tomamos nota de la necesidad para la
investigacin de palabras de emocin de tener en cuenta estas interacciones
como posibles fuentes de error sistemtico.
categoras semnticas

Un aspecto interesante de clasificaciones emocionales es su uso para

cuantificar las actitudes y opiniones hacia la fsica, psycholog-ical, y los
fenmenos sociales, ya sea en la poblacin en general o en grupos especficos.
Nosotros mostramos aqu clasificaciones emocionales a las categoras
semnticas de la enfermedad (Fig. 8) y ocupacin (Fig. 9), basado en Van
Overschelde et al., Bajo la categora (2004) normas, con adiciones ocasionales
de las palabras-Seman ticamente similar. Como la fig. 8 indica, todas las
enfermedades se clasifican como las palabras que evocan sentimientos
negativos, de alta excitacin, y la sensacin de ser controlada; es decir, todas
las clasificaciones estaban por debajo de la mediana de la valencia /
dominancia y por encima de la mediana de la excitacin en todo el conjunto de
datos (que se muestra como una lnea de puntos). enfermedades de
transmisin sexual fueron juzgados como estando entre la mayora de las
entradas que provocan ansiedad en el subconjunto ms negativo y. Esto es por
lo general de acuerdo con las encuestas de actitudes que la lista de
enfermedades de transmisin sexual como uno de los problemas mdicos ms
estigmatizados (por ejemplo, Brems, Johnson, Warner, y Roberts, 2010). Las
con-diciones-cancerosas mdicos ms temidos, el Alzheimer, la enfermedad
cardaca y accidente cerebrovascular (enumerados por la disminucin de los
porcentajes de encuestados que teman

1202 Behav Res (2013) 45: 1191-1207

Higo. 7 Las interacciones de gnero con frecuencia como un predictor de las

desviaciones estndar de los valores de valencia (arriba a la izquierda), la
excitacin (arriba a la derecha), y el dominio (parte inferior izquierda). Las
interacciones son presentados con lneas de tendencia lowess especficos de
gnero
ellos; MetLife Foundation, 2011; YouGov, 2011) -son tambin se encuentran
entre los ms negativos, el menos controlable, y la mayora de las
enfermedades que provocan ansiedad.

Las calificaciones de valencia a ocupaciones revelaron que las profesiones

mejor pagados en la lista fueron juzgados como los ms

Higo. 8 Valoraciones de palabras que denotan la enfermedad. Las lneas de

puntos representan las puntuaciones medias de las respectivas dimensiones
emocionales a travs de todo el conjunto de datos
negativo, por debajo de la media en el conjunto de datos global:. comparar
"abogado", "dentista" y "manager" La correlacin ingreso promedio be-tween,
segn lo informado por el Bureau of Labor Statistics (2011), y la media de
valencia es de hecho negativo, pero no alcanz significacin (r = -.167, p =
0,434), posiblemente

Behav Res (2013) 45: 1191-1207 1203

Higo. 9 Puntuaciones de palabras que denotan ocupaciones. Las lneas de

puntos representan las puntuaciones medias de las respectivas dimensiones
emocionales de datos en todo el conjunto
Higo. 10 Las diferencias de gnero en las calificaciones para las palabras
relacionadas con las armas

1204 Behav Res (2013) 45: 1191-1207

Higo. 11 Las diferencias de gnero en las calificaciones de las palabras tab

debido a la reduccin de potencia estadstica (df = 22). Algunos contrastes
interesantes se puede ver que podra resultar interesante para los cientficos
sociales. Por ejemplo, tanto la palabra "polica" y "bombero" se han valorado
como muy excitante, pero "polica" se ve negativamente, mientras que "el
bombero" es un hecho positivo. Por el contrario, "bibliotecario" es un trmino
positivo, pero completamente unarousing ocupacin.

clasificaciones emocionales son tambin una herramienta til para el estudio

de las diferencias de gnero en las actitudes y creencias. Figura 10 informes
diferencias de gnero en las votaciones a trminos que denotan armamento,
con la diferencia entre las puntuaciones de los respondedores femeninos y
masculinos en el eje y. Las partes superiores de las parcelas en la Fig. 10
muestran las palabras que fueron dados de valencia ms alta, agitacin o
clasificaciones de dominancia por respondedores femeninos; lneas de puntos
representan la lnea sin diferencia. Las palabras en color azul se destacan
elementos para los cuales la diferencia de puntuaciones entre los grupos de
gnero alcanz sig-significa- en el nivel p <.01 en las pruebas de t de dos colas
independientes.

Las tres dimensiones emocionales mostraron un nmero significativamente

mayor de las calificaciones en las partes bajas de las parcelas (todos los
valores p en pruebas de chi-cuadrado <.01). Esto indica que los respondedores
masculinos generalmente tienen una vida ms feliz, ms excitado, y ms
actitud en el control hacia las armas, especialmente armas de fuego y el arco,
para lo cual la diferencia de gnero en las calificaciones alcanz significacin.
Un sesgo similar hacia valencia superior, la excitacin y domi-miento se puede
observar en las calificaciones del personal de respuesta a las palabras tab
masculinos y trminos sexuales. Como Figs. 11 y 12 demuestran, la mayora de
los elementos lxicos en este subconjunto se encuentran por debajo de las
lneas de puntos, revelando calificaciones ms altas en general para las
palabras tab en res-reflexiona masculinas (marcados en azul si alcanzar
significacin) y, en casos raros, en los respondedores femeninos (marcado en
rojo si alcanzando signifi-sig-). Las discrepancias observadas en las actitudes
son corrobo-calificado por Janschewitz (2008), Newman, novio, Handelman, y
Pennebaker (2008), y Petersen y Hyde (2010). Las discrepancias tambin
explican la presencia desproporcionada de trminos sexuales y palabras tab
entre los elementos lxicos con puntuaciones ex ceedingly variables (ver las
palabras resaltadas en la Fig. 2, cuya desviaciones estndar son ms grandes
que el valor predicho a partir de sus posibilidades).

Discusin General

Los avances tecnolgicos estn cambiando rpidamente las herramientas que

los investigadores del lenguaje tienen a su disposicin. Dos principales,
desarrollos com-plementario son (1) la recogida de grandes conjuntos de datos
en seres humanos a travs de plataformas de crowdsourcing y (2) el clculo
automtico de caractersticas de las palabras sobre la base de

Behav Res (2013) 45: 1191-1207 1205

Higo. 12 Las diferencias de gnero en las calificaciones para las palabras

relacionadas con el sexo
relaciones entre las palabras. En el primer caso, los medios actuales de
comunicacin digital se pueden utilizar para llegar a un gran pblico a un
precio asequible. El presente estudio es un ejemplo tpico de esto: En lugar de
tener que limitar la lista de palabras para unos pocos cientos, debido a la falta
de los encuestados humanos, hemos ampliado la lista a casi 14.000 (ver
Kuperman et al, 2012, por otro. ejemplo de una clasificacin a gran muestra
obtenida a travs de crowdsourcing). Nuestra coleccin de infor-macin
demogrfica primaria, tales como la edad, el gnero, la educacin y, adems,
en-abled anlisis refinados, tanto de la tendencia central y de variabilidad en
cada una de las dimensiones emocionales. Del mismo modo, se abri el camino
para la caracterizacin de las actitudes y opiniones de la poblacin en general,
as como en grupos especficos de los encuestados.

La derivacin de caractersticas de palabras por medio de conteo de palabras

co-ocurrencias es un enfoque que es probable que se expanda consid-blemente
en los prximos aos. Podra decirse que el escaparate en este momento es la
derivacin de significados de las palabras, estableciendo que las palabras co-
ocurren en los textos y fragmentos de discurso. Las estimaciones basadas en
co-ocurrencias de palabras se correlacionan razonablemente bien con
asociaciones de palabras generadas por el hombre y clasificaciones similitud
semntica. Este enfoque fue iniciado por Landauer y Dumais (1997) y Burgess
(1998). Anlisis recientes y las extensiones se pueden encontrar en Shaoul y
Westbury (2010) y Zhao, Li, y Kohonen (2011). La empresa depende
crticamente de
algoritmos que extraen automticamente la informacin de la palabra de
colecciones de textos y calculan diversas medidas de co-ocurrencia.

Bestgen y Vincze (2012) aplicaron este enfoque a las dimensiones afectivas de

palabras. Se calcularon las normas afectivas de ms de 17.000 palabras,
mediante la comparacin de cada palabra a los mil palabras de la lista de
nuevo. La puntuacin de cada palabra se deriva de las normas ANEW de las
palabras con la distancia ms cercana en el espacio semntico. Bestgen y
Vincze observaron que el rendimiento fue mejor cuando se utilizaron los 30
vecinos ms cercanos de la palabra objetivo. Esto llev a Correla-ciones de r
= .71 entre los valores que se derivan automticamente de valencia y las
votaciones humanos, r = 0,56 para la excitacin, y r = .60 para la dominacin.
En igualdad de condiciones, estas correlaciones de-penden sobre el nmero de
los llamados "palabras de semillas" -palabras con valores conocidos a los que
las nuevas palabras se pueden comparar. Mientras ms palabras de semillas,
mejores sern las estimaciones de las palabras restantes. Por otra parte, las
palabras ms semillas para las que se dispone de datos humanos, menor ser
la necesidad de extraccin automtica de dicha informacin. Nuestro amplio
conjunto de datos claramente contribuye a la precisin de estas estimaciones
computacionales. Adems, se introduce la posibilidad de hacer estimaciones
del sentimiento textual para perfiles especficos de lectores: por ejemplo, los
hombres de bajo nivel educativo, las mujeres mayores, o jvenes con estudios
superiores. Esto a su vez puede informar a la creacin de textos que se hacen

1206 Behav Res (2013) 45: 1191-1207

ms o menos atractivo emocional o despertar a poblaciones especficas.

En resumen, nuestra coleccin de normas emocin por casi 14.000 palabras da
computacionales y experimentales de investigacin-res del lenguaje utilizan
una seleccin mucho ms amplia de materiales para sus estudios.
Dependiendo del tamao del vocabulario de una persona, nuestro tamao de la
muestra se calcula que entre la mitad y una cuarta parte de las palabras que
se sabe que los individuos. clasificaciones fiables de los estados afectivos
invocados por este nmero de palabras sern avanzar en el estudio de la
interaccin entre el lenguaje y la emocin.

Disponibilidad

Nuestras calificaciones estn disponibles como material complementario de

este artculo y se proporcionan en formato .csv. Cada valor se informa tres
veces: una vez para cada dimensin, con el prefijo V de valencia, A para la
excitacin, y D por el dominio. Para cada palabra, se presenta la media global
(Mean.Sum), desviacin estndar (SD.Sum), y el nmero de clasificaciones de
contribuyentes (Rat.Sum). Nos informan tambin de estos valores para las
diferencias entre grupos, sustituyendo el sufijo .sum con los siguientes
sufijos: .M = hombre; .F = Mujer;

.O = Mayores; .Y = Ms joven; .H = Alto nivel de educacin; .L = Bajo nivel de

educacin. Las palabras se presentan en orden alfabtico.

Observamos que las diferencias entre los grupos (sexo, nivel de educacin, y
edad), si bien es interesante, son en realidad muy limitada. Tomando un
conservador p <0,01 como nuestra definicin de una diferencia significativa,
menos de 100 palabras por dimensin cumplen este criterio (edu-cacin y la
excitacin, se ms, con cerca de 200 palabras cada uno). En trminos de
gnero, las diferencias parecen ocurrir principalmente en categoras
relacionadas con el sexo, la violencia y otros temas tab. Cuando estos
dominios estereotipadas estn bajo investigacin, nosotros aconsejamos a la
gente a considerar las diferencias de gnero en las votaciones. Las categoras
semnticas para otras diferencias entre los grupos fueron ms difciles de
definir. En general, a menos que exista una razn ya estab-cado para
considerar las diferencias de grupo, utilizando la clasificacin general. Las
calificaciones suma es, sentimos, completamente vlido.
Notas del autor Este estudio fue apoyado por una beca de Odiseo otorgado por
el Gobierno de Flandes (la de habla holandesa, mitad norte de Blgica) a Mo, y
por un subsidio para el desarrollo Insight de las Ciencias Sociales y el Consejo
de Investigacin de Humanidades y una subvencin del descubrimiento de la
Ciencias naturales e Ingeniera de Investigacin de Canad a VK Agradecemos
a Dan Wright y Barbara Juhasz para comentarios interesantes sobre el proyecto
anterior.

referencias

Altarriba, J., Bauer, LM, y Benvenuto, C. (1999). Concrecin, la disponibilidad

contexto y clasificaciones imaginabilidad y asociacio-nes de palabras para las
palabras abstracto, concreto, y la emocin. Mtodos de investigacin del
comportamiento, 31, 578-602. doi: 10.3758 / BF03200738

Amsel, BD, Urbach, TP, y Kutas, M. (2012). Las calificaciones de atributos

perceptuales y motoras de 559 conceptos de objeto. Mtodos de investigacin
del comportamiento, 44, 1028-1041. doi: 10.3758 / s13428-012-0215-z

Agustn, AA, Mehl, MR, y Larsen, RJ (2011). Un sesgo positividad en Ingls

hablado y escrito y su moderacin por la personalidad y el gnero. Social
Psychological and Personality Science, 2, 508-515.

Baayen, RH, Feldman, LB, y Schreuder, R. (2006). influencias morfolgicas

sobre el reconocimiento de las palabras monosilbicas monomorfmicas. Diario
de la memoria y el lenguaje, 55, 290-313. doi: 10.1016 / j.jml.2006.03.008
Balota, DA, Yap, MJ, Cortese, MJ, Hutchison, KA, Kessler, B., Loftis, B., et al.
(2007). El proyecto lxico Ingls. Mtodos de investigacin del
comportamiento, 39, 445-459. doi: 10.3758 / BF03193014

Bestgen, Y., y Vincze, N. (2012). Comprobacin y bootstrapping normas lxicas

mediante ndices de similitud de palabras. Mtodos de investigacin del
comportamiento, 44, 998-1006. doi: 10.3758 / s13428-012-0195-z

Bradley, MM, y Lang, PJ (1999). normas afectivos de palabras en ingls (ANEW):

Los estmulos, manual de instrucciones y clasificaciones afectivos (Informe
Tcnico N C-1). Gainesville, FL: Universidad de Florida, NIMH Centro de
Investigacin en Psicofisiologa.

Brems, C., Johnson, ME, Warner, TD, y Roberts, LW (2010). informes de los
proveedores de salud del estigma percibido asociado con el VIH y el SIDA en las
comunidades rurales y urbanas. Diario del VIH / SIDA y Servicios Sociales, 9,
356-370.

Brysbaert, M., & nuevo, B. (2009). Yendo ms all Kuera y Francis: Una
evaluacin crtica de las normas actuales de frecuencia de palabras y la
introduccin de un nuevo y mejorado medida de frecuencia de palabras de
Ingls Americano. Mtodos de investigacin del comportamiento, 41, 977-990.
doi:. 10 3758 / BRM.41.4.977

Brysbaert, M., Nueva, B., y Keuleers, E. (2012). Aadir informacin de parte de

discurso a las frecuencias de palabras SUBTLEX-estadounidenses. Mtodos de
investigacin del comportamiento, 44, 991-997. doi: 10.3758 / s13428-012-
0190-4 Bureau of Labor Statistics. (2011, mayo). em-pleo y los salarios
estimaciones nacionales ocupacionales: Estados Unidos. Consultado en agosto
del

31, 2012, de www.bls.gov/oes/current/oes_nat.htm#00-0000 Burgess, C.

(1998). Desde las asociaciones simples a los bloques de construccin de

idioma: Modelado de significado en la memoria con el modelo HAL.

Mtodos de Investigacin de comportamiento, instrumentos, y Computacin,
30, 188- 198. doi: 10.3758 / BF03200643

Cohen, J. (1992). Un cebador de energa. Psychological Bulletin, 112, 155- 159.

doi: 10.1037 / 0033-2909.112.1.155

Cortese, MJ, y Fugett, A. (2004). Las calificaciones imaginabilidad de 3.000

palabras monosilbicas. Mtodos de investigacin de comportamiento, los
instrumentos, y Computacin, 36, 384-387. doi: 10.3758 / BF03195585

Eilola, TM, y Havelka, J. (2010). normas afectivos para 210 Ingls britnico y los
nombres finlandeses. Comportamiento Mtodos de Investigacin, 42, 134- 140.
doi: 10.3758 / BRM.42.1.134

Ferrand, L., New, B., Brysbaert, M., Keuleers, E., Bonin, P., Mot, A., et al.
(2010). El proyecto lxico francs: datos de decisin lxica para 38,840 38,840
palabras en francs y pseudopalabras. Mtodos de investigacin del
comportamiento, 42, 488-496. doi: 10.3758 / BRM.42.2.488

Fraga, I., Pieiro, A., Acua-Faria, C., Redondo, J., y Garca-Orza, J. (2012).
sustantivos emocionales afectan las decisiones de fijacin en las tareas de
terminacin de sentencia. Quarterly Journal of Experimental Psychology, 65,
1740-1759. doi: 10.1080 / 17470218.2012.662989

Garca, D., Garas, A., y Schweitzer, F. (2012). Las palabras positivas llevan
menos informacin que las palabras negativas. EPJ Data Science, 1. doi:
10.1140 / epjds3

Gilhooly, KJ, y Logie, RH (1980). La edad de adquisicin, imgenes, concrecin,

la familiaridad, y las medidas de ambigedad de 1.944 palabras.
Comportamiento Mtodos de Investigacin e Instrumentacin, 12, 395- 427.
doi: 10.3758 / BF03201693
Janschewitz, K. (2008). Taboo, con valencia emocional y emocionalmente
neutros normas de palabras. Mtodos de investigacin del comportamiento,
40, 1065-1074. doi: 10.3758 / BRM.40.4.1065

Behav Res (2013) 45: 1191-1207 1207

Juhasz, BJ, y Yap, MJ (2012). clasificaciones de la experiencia sensorial de ms

de 5.000 palabras mono- y bislabas. Mtodos de investigacin del
comportamiento. doi: 10.3758 / s13428-012-0242-9

Juhasz, BJ, Yap, MJ, Dicke, J., Taylor, Carolina del Sur, y Gullick, MM (2011).
palabras materiales se realizan con mayor rapidez: La puesta a tierra del
significado en los sistemas sensoriales y perceptivas. Quarterly Journal of
Experimental Psychology, 64, 1683-1691. doi: 10.1080 /
17470218.2011.605150

Keuleers, E., Brysbaert, M., & nuevo, B. (2010). SUBTLEX-NL: Una nueva
medida para la frecuencia de la palabra holandesa basado en los subttulos de
la pelcula. Mtodos de investigacin del comportamiento, 42, 643-650. doi:
10.3758 / BRM.42.3.643

Keuleers, E., Lacey, P., Rastle, K., y Brysbaert, M. (2012). El proyecto lxico
britnica: los datos de decisin lxica de 28.730 palabras en ingls
monoslabas y bislabas. Mtodos de investigacin del comportamiento, 44,

287-304. doi: 10.3758 / s13428-011-0118-4

Kloumann, IM, Danforth, CM, Harris, KD, Bliss, CA, y Dodds, PS (2012). La
positividad del idioma Ingls. PLoS One, 7, e29484. doi: 10.1371 /
journal.pone.0029484
Kousta, ST, Vigliocco, G., Vinson, DP, Andrews, M., & Del Campo, E. (2011). La
representacin de las palabras abstractas: Por qu es importante la emocin.
Revista de Psicologa Experimental. General, 140, 14-34. doi: 10.1037 /
a0021446

Kousta, ST, Vinson, DP, y Vigliocco, G. (2009). Palabras de emocin,

independientemente de la polaridad, tienen una ventaja sobre el
procesamiento de palabras neutras. Cognicin, 112, 473-481. doi: 10.1016 /
j.cognition.2009.06.007

Kuperman, V., Stadthagen-Gonzlez, H., y Brysbaert, M. (2012). clasificaciones

de la edad de adquisicin de 30.000 palabras en ingls. Mtodos de
investigacin del comportamiento, 44, 978-990. doi: 10.3758 / s13428-012-
0210-4

Landauer, los conocimientos tradicionales, y Dumais, ST (1997). Una solucin

de prob-lem de Platn: La teora de anlisis semntico latente de adquisicin,
la induccin, y la representacin del conocimiento. Psychological Review, 104,
211-240. doi: 10.1037 / 0033-295X.104.2.211

Leveau, N., Jhean-Larose, S., Denhire, G., y Nguyen, BL (2012). Validacin de

una metanorma interlingual para el anlisis emocional de textos. Mtodos de
investigacin del comportamiento, 44, 1007-1014. doi: 10.3758 / s13428-012-
0208-y

Liu, B. (2012). El anlisis de sentimientos y la minera opinin. San Rafael, CA:

Morgan & Claypool.

Medler, D., Arnoldussen, A., Binder, J., y Seidenberg, M. (2005). La base de

datos puntuaciones de atributos perceptual Wisconsin. Obtenido de
www.neuro.mcw.edu/ratings/
Fundacin MetLife. (2011). Qu piensa Latina: la encuesta de la Fundacin
MetLife Alzheimer. Obtenido el 31 de agosto de 2012 de www.metlife.com/
activos / cao / contribuciones / bases / alzheimers-2011.pdf

Mohammad, SM, y Turney, PD (2010). Las emociones evocadas por las palabras
y frases comunes: El uso de Mechanical Turk para crear un lxico emocin. En
Actas de la NAACL-HLT 2010 Taller sobre Computacional enfoques de anlisis y
generacin de la emocin en texto (pp. 26-34). Nueva York, Nueva York:
Asociacin de Lingstica Computacional.

Moros, A., De Houwer, J., Hermans, D., Wanmaker, S., van Schie, K., Van
Harmelen, AL,. . . Brysbaert, M. (2012). Normas de valencia,

la excitacin, la dominacin y la edad de adquisicin de 4.300 palabras

holandesas. Mtodos de investigacin del comportamiento. doi: 10.3758 /
s13428-012-0243-8

Newman, ML, novio, CJ, Handelman, LD, y Pennebaker, JW (2008). Diferencias

de gnero en el uso del lenguaje: Un anlisis de 14.000 muestras de texto.
Procesos discurso, 45, 211-236. doi: 10.1080 / 01638530802073712

Osgood, CE, Suci, GJ, y Tannenbaum, PH (1957). El mea-al de significado.

Urbana, IL: University of Illinois Press.

Petersen, JL, y Hyde, JS (2010). Una revisin meta-analtica de la investigacin

sobre las diferencias de gnero en la sexualidad, 1993-2007.

Psychological Bulletin, 136, 21-38. doi: 10.1037 / a0017504 Rammstedt, B., y

Krebs, D. (2007). Cmo afecta el formato de escala de respuesta
el contestador de escalas de personalidad? Revista Europea de Evaluacin
Psicolgica, 23, 32-38.

Redondo, J., Fraga, I., Padrn, I., y Comesaa, M. (2007). La adaptacin

espaola de ANEW (Normas para Afectivos Palabras en ingls). Mtodos de
Investigacin de Comportamiento, 39, 600-605. doi: 10.3758 / BF03193031

Schock, J., Cortese, MJ, y Khanna, MM (2012). imaginabilidad estimaciones de

3.000 palabras bislabas. Mtodos de investigacin del comportamiento, 44,
374-379. doi: 10.3758 / s13428-011-0162-0

Scott, GG, O'Donnell, PJ, y Sereno, SC (2012). palabras emocionales afectan

fijaciones oculares durante la lectura. Journal of Experimental Psychology:
aprendizaje, la memoria y la cognicin, 38, 783-792. doi: 10.1037 / a0027209

Shaoul, C., y Westbury, C. (2010). Explorar el espacio de co-ocurrencia lxica

utilizando HiDEx. Mtodos de investigacin del comportamiento, 42, 393-413.
doi: 10.3758 / BRM.42.2.393

Soares, AP, Comesaa, M., Pinheiro, AP, Simes, A., y Frade, CS (2012). La
adaptacin de la Afectivo Normas para las palabras en ingls (DE NUEVO) para
el portugus europeo. Mtodos de investigacin del comportamiento, 44, 256-
269. doi: 10.3758 / s13428-011-0131-7

Stadthagen-Gonzlez, H., & Davis, CJ (2006). El Bristol normas para la edad de

adquisicin, imaginabilidad, y la familiaridad. Mtodos de investigacin del
comportamiento, 38, 598-605. doi: 10.3758 / BF03193891

Tillotson, SM, Siakaluk, PD, y Pexman, PM (2008). Las calificaciones de

interaccin cuerpo-objeto para 1.618 sustantivos monoslabos. Mtodos de
investigacin del comportamiento, 40, 1075-1078. doi: 10.3758 /
BRM.40.4.1075 Van Overschelde, JP, Rawson, KA, y Dunlosky, J. (2004).
Categora normas: una versin actualizada y ampliada del Montague (1969) y
las normas Battig. Diario de la memoria y el lenguaje,
50, 289-335. doi: 10.1016 / j.jml.2003.10.003

Verona, E., Sprague, J., y Sadeh, N. (2012). el control inhibitorio y el

procesamiento emocional negativa en la psicopata y antisocial trastorno de
personalidad per. Journal of Abnormal Psychology, 121, 498-510.

YouGov. (2011). Cncer britnicos enfermedad ms temida. Obtenido el 31 de

agosto de 2012 de cncer
http://yougov.co.uk/news/2011/08/15/~~number=plural-britnicos-ms-temida
enfermedad /

Zhao, X., Li, P., y Kohonen, T. (2011). Contextuales mapa de organizacin

propia: Software para la construccin de representaciones semnticas. Mtodos
de Investigacin de Comportamiento, 43, 77-88. doi: 10.3758 / s13428-010-
0042-z