arousal

Abstract Core body temperature (Tb) is defended within narrow limits through thermoregulatory behaviors like huddling, nesting, and physical activity as well as autonomic responses like brown fat thermogenesis. While Tb displays regulated fluctuations across different behavioral states and rest/arousal cycles, the neural control of these transitions is poorly understood. Here, we investigate the relationship between oxytocin neurons of the paraventricular hypothalamus (PVN OT ) and behavioral and autonomic thermoeffector pathways across physiological states in mice. First, we show that PVN OT neurons are activated during social thermoregulation. We then demonstrate that in vivo PVN OT calcium dynamics align with transitions from rest to thermogenesis and behavioral arousal. Counter to our initial hypothesis, these dynamics were observed in both social and non-social contexts. Using a computer vision model to track thermoeffector pathways, we demonstrate that precisely timed stimulation of PVN OT neurons during low-Tb resting states increases thermogenesis followed by behavioral arousal. We therefore suggest a model in which PVN OT neurons facilitate homeostatic state-dependent transitions in thermo-behavioral states.

Introduction This simulation-based computational study develops a non-linear state-space framework for stress-related negative cognitive bias and multivariate EEG/ERP observations. Methods A three-state model represents negative bias, cognitive control, and arousal, while symptom load and normalized model stress input reshape a quartic bias potential. N2, P3, late positive potential, frontal theta, frontal alpha asymmetry (FAA), and frontoparietal phase locking provide complementary observation channels. Additional checks distinguish the non-linear benchmark from additive and interaction-only competing generators, examine equilibria of the full coupled system, and perturb the observation model. Results We establish bounded stochastic dynamics, a conditional scalar multistability boundary, stable-branch stress sensitivity, and a sufficient local state-observability condition. A seeded benchmark with 180 simulated participants yields model-implied stress-by-symptom slopes of 66.83 ms for response time, 1.12 μV for LPP, 0.775 dB for frontal theta, 0.133 for FAA, and 0.0769 for frontoparietal PLV. Under a non-linear generating process, mean held-out RMSE was 0.060 for the pre-specified quartic candidate vs. 0.436 for the interaction-only candidate. State-reconstruction RMSE increased from 0.152 under the nominal loading matrix to 0.232 under 15% loading perturbations. Discussion These results demonstrate implementation consistency and characterize model sensitivity; they are not clinical effect estimates or evidence of empirical parameter identifiability.

Background Simulated interviews could provide behavioral information for young-adult mental-health research, including studies of social-evaluative anxiety. Their value depends on reliable observer impressions and interpretable links to participants’ self-reports. We examined personality expression, affective communication, self-observer correspondence, and competence impressions in emerging adults. Methods Two video-interview protocols were administered to participants aged 18–23 years: an occupationally framed protocol ( n = 55 ) and a broader personality-oriented protocol ( n = 33 ); 30 participants completed both. The protocols covered parallel HEXACO-related domains but differed in both framing and question content. Participants completed HEXACO self-reports and selected one of five valence-arousal categories after each response. Four observers rated personality expression, affective communication, and competence. We distinguished focused domain-matched tests from secondary question-level tests and exploratory correlation matrices, reported 95% confidence intervals, used permutation tests, and controlled the false-discovery rate within analysis families. Results Self-reported HEXACO scores were similar across protocols except for lower Agreeableness in the broader protocol (mean difference = − 0.23 , 95% CI [ − 0.35 , − 0.12 ] , q = 0.004 ). Global valence was more positive in the broader protocol (mean difference = 0.30 , 95% CI [ 0.15 , 0.45 ] , q < 0.001 ), whereas the arousal difference was uncertain. Reliability was heterogeneous: personality and competence ICCs ranged from 0.27 to 0.65 and 0.35 to 0.64 in the occupational protocol and from 0.33 to 0.58 and 0.22 to 0.73 in the broader protocol. Question-level affect ICCs were approximately 0.00 to 0.60 and − 0.91 to 0.03, respectively. Occupational self-observer correlations for Extraversion and Agreeableness survived correction; no broader-protocol personality correlation did. Strong same-observer personality-competence associations survived correction in both protocols, but broader-protocol affect-competence associations did not. Conclusions Affective reports differed between protocols, but question content also differed, precluding a pure context effect. Observer-rating reliability and self-observer correspondence identify conditions for future mental-health studies pairing simulated interviews with validated symptom and functioning measures.

Introduction Information and communication technologies, including wearable sensors, offer accessible and ecological ways to support psychological processes underpinning technical practice in sport, such as the regulation of attention, arousal and mental load. The aim of this exploratory study is to examine whether heart rate (HR) and physical activity (PA), recorded with a chest-worn wearable, can serve as a potential, indirect correlate of the mental load experienced during golf putting training. Two research questions were of interest: (i) Do pre-shot HR and PA differ between made and missed putts? (ii) Do pre-shot HR and PA differ following a made compared with a missed putt? Methods Seven youth golfing athletes (13–16 years old; handicap (hcp) index < 12) performed a putting training exercise in which the goal was to score five consecutive putts from 3-metre distance to the hole. HR and PA were recorded continuously and matched with putting performance using video footage. Pre-shot HR and PA were taken as the mean over the 5 s before ball contact. Because the putts are nested within sessions and athletes, the analyses combine within-athlete non-parametric tests, corrected for multiple comparisons and reported with effect sizes, with linear mixed-effects models treating athlete and session as random effects. Results Pre-shot HR and PA do not differ significantly between made and missed putts (mixed-model estimate for HR: +0.09 bpm, 95% CI [−0.46, 0.64]; p = 0.76). However, pre-shot HR is higher following a made putt and lower following a missed one (+5.08 bpm, 95% CI [4.54, 5.62]; p < 0.001), an association that persists after adjusting for the pre-shot HR of the preceding putt. PA shows the opposite trend. Discussion Because no subjective ratings of mental load, arousal or affect were collected, mental load remains one plausible interpretation of this pattern rather than an established one. Pending validation against such measures, the approach could offer coaches and athletes an exploratory starting point for conversations about how training situations are experienced, and illustrates how continuous monitoring of HR may provide a potential indirect correlate of mental load in youth golfers.

Sleep and circadian disturbances in Alzheimer’s disease (AD) affect patients and caregivers, but clinical action depends on the syndrome, measurement, and outcome under consideration. This narrative review links sleep assessment to indication-based care while distinguishing symptomatic benefit, physiological target engagement, and disease modification. A purposive literature search was supplemented by targeted checks of PubMed-indexed and original publisher records through 4 October 2026. Selected studies are described by population, AD ascertainment, comparator, and measured endpoint rather than assigned formal evidence-certainty grades. Actigraphy characterizes behavioral rest–activity patterns; melatonin timing and temperature rhythms address endogenous circadian physiology under controlled conditions. Polysomnography and quantitative electroencephalography characterize respiratory events, sleep architecture, and oscillatory activity. These measurements inform different questions and do not independently assign AD etiology or cognitive-functional stage. Clinical priorities include confirmed obstructive sleep apnea, cognition-adapted insomnia care, irregular sleep timing, medication-related effects, parasomnias, limb symptoms, and excessive daytime sleepiness. Interpretation incorporates hypoxemia, treatment exposure, comorbidity, caregiver support, and competing diagnoses. Randomized sleep benefits remain distinct from observational cognitive associations or exploratory imaging and cerebrospinal fluid changes. Human and animal studies of arousal circuits, protein dynamics, inflammation, and fluid transport provide mechanistic context, with conflicting results interpreted according to the actual experimental endpoint. The review provides a clinically organized account of selected evidence, not a comprehensive treatment ranking. Sleep care and cognitive-etiologic assessment should proceed in parallel, with follow-up matched to patient function, safety, and the specific treatment goal.

OBJECTIVE: Multi-view electroencephalography (EEG) emotion recognition must decide how the spectral graph sets of different connectivity views correspond and how their graph propagation operators interact. We present CSTO-Net, a cross-view spectral-transport and topology-operator network for EEG-based emotion recognition. Approach: CSTO-Net integrates three window-wise views: dynamic differential entropy (DDE) as node attributes, amplitude-envelope Pearson correlation coefficient (PCC) graphs, and phase-locking value (PLV) graphs. Cross-View Spectral Transport Routing (CSTR) formulates PCC-PLV spectral correspondence as an entropy-regularized optimal-transport problem with explicit marginal constraints, deliberately separating correspondence estimation from band-importance estimation. Directional Cross-Topology Modulation (DCTM) performs ordered composition of the two routed propagation operators on shared node features and encodes order-dependent propagation discrepancy via a provably skew-symmetric graph-operator commutator with signed decomposition. Main results: On the Database for Emotion Analysis using Physiological Signals (DEAP) dataset, CSTO-Net achieves 93.95 ± 2.50% valence and 94.97 ± 2.72% arousal accuracy under the subject-dependent setting, and 93.73% and 94.54% under participant-wise five-fold subject-independent cross-validation across 32 participants. On the SJTU Emotion EEG Dataset (SEED), it achieves 93.12% under the standard subject-dependent split, 91.36% under 15-fold leave-one-subject-out evaluation across 15 participants, and 98.05 ± 2.32% under subject-dependent five-fold cross-validation. Ablation studies confirm that both CSTR and DCTM contribute substantially to recognition accuracy. Significance: These results demonstrate that explicit cross-view spectral correspondence and topology-operator-level interaction provide complementary benefits for EEG emotion recognition, offering an interpretable route for modeling order-sensitive interactions between functional connectivity views.

هدف: شناسایی هیجان مبتنی بر الکتروانسفالوگرافی چندنما (EEG) باید تعیین کند که مجموعه‌های گراف طیفی نماهای مختلف ارتباطی چگونه با یکدیگر متناظر می‌شوند و عملگرهای انتشار گراف آن‌ها چگونه با هم تعامل دارند. ما CSTO-Net را ارائه می‌دهیم؛ شبکه‌ای برای انتقال طیفی بین‌نما و عملگر توپولوژی جهت شناسایی هیجان مبتنی بر EEG. روش: CSTO-Net سه نمای مبتنی بر پنجره را ادغام می‌کند: آنتروپی تفاضلی پویا (DDE) به عنوان ویژگی‌های گره، گراف‌های ضریب همبستگی پیرسون پوش‌آمپلیتیود (PCC) و گراف‌های مقدار قفل‌شدگی فاز (PLV). مسیریابی انتقال طیفی بین‌نما (CSTR) متناظر بودن طیفی PCC-PLV را به صورت یک مسئله انتقال بهینه با قید حاشیه‌ای صریح و منظم‌سازی آنتروپی مدل‌سازی می‌کند و به طور هدفمند برآورد متناظری را از برآورد اهمیت باند جدا می‌سازد. مدولاسیون متقاطع توپولوژی جهت‌دار (DCTM) ترکیب مرتب دو عملگر انتشار مسیریابی‌شده را بر ویژگی‌های گره مشترک انجام می‌دهد و اختلاف انتشار وابسته به ترتیب را از طریق یک جابجایی عملگر گراف با تجزیه علامت‌دار و اثباتاً پادمتقارن رمزگذاری می‌کند. نتایج اصلی: بر روی پایگاه داده تحلیل هیجان با استفاده از سیگنال‌های فیزیولوژیک (DEAP)، CSTO-Net به دقت 93.95 ± 2.50٪ برای والانس و 94.97 ± 2.72٪ برای برانگیختگی در شرایط وابسته به آزمودنی دست می‌یابد و در اعتبارسنجی متقاطع پنج‌تایی مستقل از آزمودنی به ترتیب 93.73٪ و 94.54٪ در میان 32 آزمودنی کسب می‌کند. بر روی پایگاه داده EEG هیجان دانشگاه SJTU (SEED)، به دقت 93.12٪ در تقسیم‌بندی استاندارد وابسته به آزمودنی، 91.36٪ در ارزیابی leave-one-subject-out پانزده‌تایی در میان 15 آزمودنی و 98.05 ± 2.32٪ در اعتبارسنجی متقاطع پنج‌تایی وابسته به آزمودنی دست می‌یابد. مطالعات حذف مؤلفه نشان می‌دهد که هر دو مؤلفه CSTR و DCTM سهم قابل توجهی در دقت شناسایی دارند. اهمیت: این نتایج نشان می‌دهد که متناظر‌سازی طیفی بین‌نما و تعامل در سطح عملگر توپولوژی، مزایای مکملی برای شناسایی هیجان مبتنی بر EEG فراهم می‌آورد و مسیر قابل تفسیر برای مدل‌سازی تعاملات حساس به ترتیب بین نماهای ارتباط عملکردی ارائه می‌دهد.

This study aimed to develop a Japanese version of the Sleep Problem Acceptance Questionnaire (SPAQ-J) and assess its reliability and validity. The SPAQ-J was developed through a forward-backward translation procedure with permission from the original authors. The sample included 861 adults with insomnia who completed questionnaires on experiential avoidance, insomnia symptoms, dysfunctional beliefs about sleep, sleep-related safety behaviors, insomnia catastrophizing, and pre-sleep arousal. Confirmatory factor analysis confirmed that the SPAQ-J retained the two-factor structure of the original version (CFI = 0.972, TLI = 0.958, RMSEA = 0.082, SRMR = 0.059): Activity Engagement and Willingness. Although internal consistency was adequate (Activity Engagement: α = 0.868, ω = 0.870; Willingness: α = 0.895, ω = 0.895), test-retest reliability was below the recommended threshold (Activity Engagement: ICC = 0.586, Willingness: ICC = 0.589). In terms of construct validity, Willingness moderately correlated with all scales, whereas Activity Engagement showed moderate-to-weak correlations. Hierarchical multiple regression analysis revealed that adding the SPAQ-J subscales significantly enhanced the explanatory power. Measurement invariance analysis across sex and age groups showed no significant changes in the fit indices, indicating stability. These findings suggest that the SPAQ-J is a valid and partially reliable measure of psychological flexibility related to sleep problems in the Japanese population.

این مطالعه با هدف توسعه نسخه ژاپنی پرسشنامه پذیرش مشکلات خواب (SPAQ-J) و ارزیابی پایایی و روایی آن انجام شد. SPAQ-J از طریق فرایند ترجمه پیشرو-پسرو و با کسب اجازه از نویسندگان اصلی تهیه گردید. نمونه شامل ۸۶۱ بزرگسال مبتلا به بی‌خوابی بود که پرسشنامه‌هایی درباره اجتناب تجربی، علائم بی‌خوابی، باورهای ناکارآمد درباره خواب، رفتارهای ایمنی مرتبط با خواب، فاجعه‌سازی بی‌خوابی و برانگیختگی پیش از خواب را تکمیل کردند. تحلیل عاملی تأییدی نشان داد که SPAQ-J ساختار دو عاملی نسخه اصلی (CFI = 0.972، TLI = 0.958، RMSEA = 0.082، SRMR = 0.059) را حفظ کرده است: درگیری در فعالیت و تمایل. اگرچه انسجام درونی مناسب بود (درگیری در فعالیت: α = 0.868، ω = 0.870؛ تمایل: α = 0.895، ω = 0.895)، پایایی آزمون-بازآزمون کمتر از آستانه توصیه‌شده بود (درگیری در فعالیت: ICC = 0.586، تمایل: ICC = 0.589). از نظر روایی سازه، تمایل با همه مقیاس‌ها همبستگی متوسط داشت، در حالی که درگیری در فعالیت همبستگی متوسط تا ضعیف نشان داد. تحلیل رگرسیون چندگانه سلسله‌مراتبی نشان داد افزودن زیرمقیاس‌های SPAQ-J به طور معناداری قدرت تبیین را افزایش داد. تحلیل ناوری سنجش در گروه‌های جنسی و سنی تغییر معناداری در شاخص‌های برازش نشان نداد که بیانگر پایداری است. این یافته‌ها نشان می‌دهد که SPAQ-J ابزاری روا و تا حدی پایا برای سنجش انعطاف‌پذیری روان‌شناختی مرتبط با مشکلات خواب در جمعیت ژاپنی است.

Introduction Interventions that dyadically equip families with self-compassion skills represent a promising approach for addressing mental health challenges, particularly during the key transitional period of middle childhood. This study examines changes and candidate processes associated with participation in the Mindfulness and Self-Compassion for Children and Caregivers (MSC-CC) course. Methods Twenty-three caregiver-child dyads (Child, M age =8.78; Caregiver, M age =41.2) participated in MSC-CC, delivered remotely over six weekly group sessions. Pre- and post-intervention assessments included self-report measures of parenting and relational closeness outcomes during a dyadic stressor task (behavior, reflective functioning[RF], and physiology). Analyses investigated pre-post change in primary outcomes and linear mixed-effects models estimated time-related changes and baseline moderators of physiological change. Significance tests identify pre-post increases in parenting and emotion-supportive beliefs. Results and Discussion Physiologically, we detected significant decreases in child physiological arousal. Exploratory moderation analyses suggest, among others, low levels of mindfulness and high RF at baseline predict the largest reductions in child stress physiology. While uncontrolled, the MSC-CC participation was associated with increases in mindful parenting and the caregiver-child relationship and lower child physiological arousal during a dyadic challenge, most prominently in families with lower emotion-supportive beliefs at baseline. Altogether, this highlights candidate processes and moderators of efficacy to be confirmed in a fully powered randomized controlled trial. Trial registration ClinicalTrials.gov , Self-Compassion for Children and Caregivers (SCCC) , NCT05818397, registration and study start on 2023-10-16.

مقدمه: مداخلاتی که به صورت دوتایی خانواده‌ها را به مهارت‌های شفقت به خود مجهز می‌کنند، رویکردی نویدبخش برای مواجهه با چالش‌های سلامت روان، به‌ویژه در دوره‌ی گذار کلیدی کودکی میانی به شمار می‌روند. این پژوهش به بررسی تغییرات و فرایندهای نامزد مرتبط با مشارکت در دوره‌ی ذهن‌آگاهی و شفقت به خود برای کودکان و مراقبان (MSC-CC) می‌پردازد. روش‌ها: بیست‌وسه زوج مراقب-کودک (کودک، میانگین سن = ۸.۷۸؛ مراقب، میانگین سن = ۴۱.۲) در دوره‌ی MSC-CC که به صورت مجازی و طی شش جلسه‌ی گروهی هفتگی برگزار شد، شرکت کردند. ارزیابی‌های پیش و پس از مداخله شامل ابزارهای خودگزارشی درباره‌ی پیامدهای فرزندپروری و نزدیکی رابطه‌ای در حین یک تکلیف استرس‌زای دوتایی (رفتار، عملکرد بازتابی [RF] و فیزیولوژی) بود. تحلیل‌ها تغییرات پیش-پس در پیامدهای اصلی را بررسی کردند و مدل‌های خطی با اثرات مختلط تغییرات مرتبط با زمان و تعدیل‌گران پایه‌ای تغییرات فیزیولوژیک را برآورد نمودند. آزمون‌های معناداری افزایش‌های پیش-پس در باورهای فرزندپروری و حمایت هیجانی را نشان دادند. نتایج و بحث: از نظر فیزیولوژیک، کاهش معناداری در برانگیختگی فیزیولوژیک کودک مشاهده شد. تحلیل‌های اکتشافی تعدیل‌گری نشان می‌دهد، از جمله، سطوح پایین ذهن‌آگاهی و RF بالا در خط پایه بیشترین کاهش در فیزیولوژی استرس کودک را پیش‌بینی می‌کنند. اگرچه مطالعه فاقد گروه کنترل بود، مشارکت در MSC-CC با افزایش فرزندپروری ذهن‌آگاهانه و بهبود رابطه‌ی مراقب-کودک و کاهش برانگیختگی فیزیولوژیک کودک در حین چالش دوتایی همراه بود، به‌ویژه در خانواده‌هایی که در خط پایه باورهای حمایت هیجانی پایین‌تری داشتند. در مجموع، این یافته‌ها فرایندها و تعدیل‌گران اثربخشی را برجسته می‌کند که باید در یک کارآزمایی تصادفی‌شده‌ی کنترل‌شده‌ی با توان کافی تأیید شوند. ثبت کارآزمایی: ClinicalTrials.gov، Self-Compassion for Children and Caregivers (SCCC)، NCT05818397، ثبت و آغاز مطالعه در ۲۰۲۳-۱۰-۱۶.

The present study reports two independent investigations examining, respectively, the relationship between pornography consumption and paraphilic interests and sexual fantasies (Study 1), and the content of public commentary directed at apparently young female users on TikTok (Study 2). Study 1 examined how the frequency, duration and self-reported arousal associated with pornography consumption relate to paraphilic interests. A sample of 320 participants completed three validated measures: the Consumption of Pornography Scale–General (COPS-G), the Paraphilia Scale and the Sexual Fantasy Experience Scale (SFES). Spearman’s rho correlations found that greater pornography use and higher arousal were associated with overall paraphilic interest and with interests featuring sexually aggressive undertones. Study 2 used thematic analysis to examine 179 comments posted beneath 53 TikTok videos identified as featuring apparent minors, identifying five themes: (1) Deception, (2) Inappropriate Compliments, (3) Insults, (4) Invitations and Requests for Engagement and (5) Sexualized. Comments regularly referenced the young age or student identity of the creator. The two studies together, suggest that themes prominent in mainstream pornography, including sexual aggression and the sexualisation of youth, are echoed both in some individuals’ internalized interests and in unrelated public online discourse, without this establishing that pornography exposure causes either outcome.

پژوهش حاضر شامل دو مطالعه مستقل است که به‌ترتیب به بررسی رابطه بین مصرف پورنوگرافی با علایق پارافیلیک و خیال‌پردازی‌های جنسی (مطالعه اول) و محتوای نظرات عمومی خطاب به کاربران ظاهراً نوجوان زن در تیک‌تاک (مطالعه دوم) می‌پردازد. در مطالعه اول، نحوه ارتباط فراوانی، مدت زمان و برانگیختگی خودگزارش‌شده مرتبط با مصرف پورنوگرافی با علایق پارافیلیک بررسی شد. نمونه‌ای متشکل از ۳۲۰ شرکت‌کننده سه ابزار معتبر را تکمیل کردند: مقیاس مصرف پورنوگرافی–عمومی (COPS-G)، مقیاس پارافیلیا و مقیاس تجربه خیال‌پردازی جنسی (SFES). همبستگی اسپیرمن نشان داد که مصرف بیشتر پورنوگرافی و برانگیختگی بالاتر با علایق کلی پارافیلیک و علایقی با زمینه‌های پرخاشگری جنسی مرتبط است. در مطالعه دوم، تحلیل تماتیک بر روی ۱۷۹ نظر ثبت‌شده زیر ۵۳ ویدیوی تیک‌تاک که به‌عنوان ویدیوهای دارای افراد ظاهراً خردسال شناسایی شدند، انجام شد و پنج تم استخراج گردید: (۱) فریب، (۲) تعریف‌های نامناسب، (۳) توهین‌ها، (۴) دعوت و درخواست برای تعامل و (۵) جنسی‌سازی. در نظرات، به‌طور مکرر به سن پایین یا هویت دانش‌آموزی سازنده اشاره شده بود. مجموع یافته‌های دو مطالعه نشان می‌دهد که تم‌های غالب در پورنوگرافی جریان اصلی، از جمله پرخاشگری جنسی و جنسی‌سازی نوجوانان، هم در علایق درونی برخی افراد و هم در گفتمان عمومی آنلاین بازتاب می‌یابد، بدون آن‌که این امر دلالت بر علیت مصرف پورنوگرافی در بروز این پیامدها داشته باشد.

Background Depression is a prevalent mental health condition that significantly affects individuals’ well-being and daily functioning, making early depressive symptom detection crucial. Objectives This study explores the potential of advancing speech analytics with dimensional sentiment analysis, using valence and arousal scoring to enhance depressive symptom detection in family caregivers. Methods We recruited 116 family caregivers and assessed their depression levels using the Beck Depression Inventory-II. Participants provided verbal responses to 12 open-ended questions related to family resilience. The extracted words from the responses were analyzed for sentiment using the Chinese Valence-Arousal Words dictionary to determine their valence and arousal ratings. For each participant, we computed various summary statistics (e.g., mean, variance, quantiles) and frequency-domain statistics (e.g., spectral entropy, dominant frequency components) of valence and arousal distributions. These features were then used as predictors in nine different machine learning models evaluated under repeated 5-fold nested cross-validation with cost-sensitive cutoff selection, enabling robust classification of depression levels while prioritizing the identification of true positive cases. Results Our analysis showed that participants with higher depressive symptoms used words with more extreme valence and arousal scores than those with lower depressive symptoms. The models demonstrated strong predictive utility of these emotional dimensions: the quadratic discriminant analysis (QDA) model achieved an out-of-sample sensitivity of 0.725, a specificity of 0.563, and an AUC of 0.7. These findings support that valence and arousal analysis provides meaningful discriminative power for identifying depressive symptoms. Importantly, the high sensitivity achieved by these models ensures that individuals with elevated symptoms are more reliably detected, thereby reducing the risk of missed cases. Overall, the results suggest strong potential for automated depressive symptom detection based on emotional signal analysis, with cost-sensitive optimization reducing false negatives while maintaining clinically relevant specificity. Conclusions This study offers proof-of-concept evidence that emotional sentiment analysis of speech using valence and arousal scoring can capture linguistic markers associated with depressive symptoms among family caregivers. With further refinement and validation, this approach lays an important foundation for the development of more robust machine learning models and ultimately contributes to non-intrusive mental health screening tools.

زمینه و هدف: افسردگی یکی از اختلالات شایع سلامت روان است که به طور قابل توجهی بر بهزیستی و عملکرد روزانه افراد تأثیر می‌گذارد و شناسایی زودهنگام نشانه‌های افسردگی را ضروری می‌سازد. هدف: این پژوهش به بررسی قابلیت ارتقای تحلیل گفتار با استفاده از تحلیل احساسی بُعدی و امتیازدهی والنس و برانگیختگی جهت بهبود شناسایی نشانه‌های افسردگی در مراقبان خانوادگی می‌پردازد. روش‌ها: تعداد ۱۱۶ مراقب خانوادگی جذب شدند و سطح افسردگی آن‌ها با استفاده از پرسشنامه افسردگی بک-نسخه دوم (Beck Depression Inventory-II) ارزیابی شد. شرکت‌کنندگان به ۱۲ پرسش باز مرتبط با تاب‌آوری خانواده به صورت شفاهی پاسخ دادند. واژه‌های استخراج‌شده از پاسخ‌ها با استفاده از فرهنگ واژگان چینی والنس-برانگیختگی از نظر احساسات مورد تحلیل قرار گرفت تا امتیازهای والنس و برانگیختگی آن‌ها تعیین شود. برای هر شرکت‌کننده، آمارهای خلاصه مختلف (مانند میانگین، واریانس، صدک‌ها) و آمارهای حوزه فرکانس (مانند آنتروپی طیفی، مؤلفه‌های فرکانسی غالب) توزیع والنس و برانگیختگی محاسبه شد. این ویژگی‌ها به عنوان متغیرهای پیش‌بین در نه مدل مختلف یادگیری ماشین که با اعتبارسنجی متقاطع تودرتوی ۵-تایی تکرارشونده و انتخاب نقطه برش حساس به هزینه ارزیابی شدند، مورد استفاده قرار گرفتند تا طبقه‌بندی قوی سطوح افسردگی با اولویت شناسایی موارد مثبت واقعی فراهم شود. نتایج: تحلیل ما نشان داد شرکت‌کنندگانی که نشانه‌های افسردگی بیشتری داشتند، واژه‌هایی با امتیازهای والنس و برانگیختگی افراطی‌تر نسبت به افراد با نشانه‌های افسردگی کمتر به کار بردند. مدل‌ها سودمندی پیش‌بینی قوی این ابعاد هیجانی را نشان دادند: مدل تحلیل ممیز مربعی (QDA) حساسیت خارج از نمونه ۰.۷۲۵، ویژگی ۰.۵۶۳ و سطح زیر منحنی (AUC) برابر با ۰.۷ را به دست آورد. این یافته‌ها نشان می‌دهد که تحلیل والنس و برانگیختگی قدرت تمایز معناداری برای شناسایی نشانه‌های افسردگی فراهم می‌کند. مهم‌تر آنکه حساسیت بالای این مدل‌ها تضمین می‌کند که افراد با نشانه‌های بالا با اطمینان بیشتری شناسایی می‌شوند و در نتیجه خطر موارد از دست رفته کاهش می‌یابد. به طور کلی، نتایج نشان‌دهنده پتانسیل قوی برای شناسایی خودکار نشانه‌های افسردگی بر اساس تحلیل سیگنال‌های هیجانی است که با بهینه‌سازی حساس به هزینه، موارد منفی کاذب را کاهش داده و در عین حال ویژگی بالینی مرتبط را حفظ می‌کند. نتیجه‌گیری: این مطالعه شواهد اثبات مفهومی ارائه می‌دهد که تحلیل احساسات هیجانی گفتار با استفاده از امتیازدهی والنس و برانگیختگی می‌تواند نشانگرهای زبانی مرتبط با نشانه‌های افسردگی در میان مراقبان خانوادگی را شناسایی کند. با اصلاح و اعتبارسنجی بیشتر، این رویکرد می‌تواند پایه‌ای مهم برای توسعه مدل‌های یادگیری ماشین قوی‌تر و در نهایت ابزارهای غربالگری سلامت روان غیرتهاجمی فراهم آورد.

Insomnia disorder (ID) is a common sleep-wake disorder marked by persistent dissatisfaction with sleep quality or quantity. Previous studies have shown that sleep plays a critical role in emotion regulation, particularly in fear extinction. This study aims to characterize ID using estimates of the sympathetic arousal state derived from skin conductance (SC)-based observations, and to compare two observation models: the marked point process (MPP) model and the MPP coupled with continuous (MPP+Cont) model. We utilize SC data from a fear conditioning and extinction procedure involving 24 individuals with ID and 24 good sleepers (GS). The SC measurements are deconvolved to extract autonomic nervous system (ANS) activations and the tonic component. The MPP observation model uses only the extracted ANS activations, while the MPP+Cont model incorporates both ANS activations and the tonic component. Both models are employed to estimate the underlying arousal state over time and compute a high arousal index (HAI). We compare the estimated arousal states and HAI between the ID and GS groups to assess alterations in arousal associated with ID. Our results reveal that ID may be associated with impaired fear extinction learning and recall. Notably, the distinction between ID and GS emerges only under the MPP+Cont model, indicating the critical role of the tonic component in arousal estimation. Overall, this study highlights the potential of arousal state estimation for understanding autonomic dysregulation in ID, thereby supporting interventions for fear-centered comorbidities and improving quality of life.

اختلال بی‌خوابی (ID) یکی از اختلالات شایع خواب-بیداری است که با نارضایتی مداوم از کیفیت یا کمیت خواب مشخص می‌شود. پژوهش‌های پیشین نشان داده‌اند که خواب نقش حیاتی در تنظیم هیجان، به‌ویژه در خاموشی ترس ایفا می‌کند. هدف این مطالعه، توصیف اختلال بی‌خوابی با استفاده از برآوردهای وضعیت برانگیختگی سمپاتیک مبتنی بر مشاهدات هدایت پوست (SC) و مقایسه دو مدل مشاهده است: مدل فرآیند نقطه‌ای نشاندار (MPP) و مدل MPP همراه با جزء پیوسته (MPP+Cont). داده‌های SC از یک فرایند شرطی‌سازی و خاموشی ترس شامل ۲۴ فرد مبتلا به اختلال بی‌خوابی و ۲۴ فرد خواب خوب (GS) جمع‌آوری شد. اندازه‌گیری‌های SC به منظور استخراج فعال‌سازی‌های دستگاه عصبی خودمختار (ANS) و جزء تونیک، دیکانولوشن شدند. مدل مشاهده MPP تنها از فعال‌سازی‌های استخراج‌شده ANS استفاده می‌کند، در حالی که مدل MPP+Cont هر دو فعال‌سازی ANS و جزء تونیک را در بر می‌گیرد. هر دو مدل برای برآورد وضعیت برانگیختگی زمینه‌ای در طول زمان و محاسبه شاخص برانگیختگی بالا (HAI) به کار گرفته شدند. وضعیت‌های برانگیختگی برآوردشده و HAI بین گروه‌های ID و GS مقایسه شد تا تغییرات برانگیختگی مرتبط با اختلال بی‌خوابی ارزیابی شود. نتایج ما نشان می‌دهد که اختلال بی‌خوابی ممکن است با اختلال در یادگیری و یادآوری خاموشی ترس همراه باشد. به طور قابل توجهی، تمایز بین ID و GS تنها تحت مدل MPP+Cont آشکار می‌شود که نشان‌دهنده نقش حیاتی جزء تونیک در برآورد برانگیختگی است. به طور کلی، این مطالعه بر پتانسیل برآورد وضعیت برانگیختگی برای درک اختلال تنظیم خودمختار در اختلال بی‌خوابی تأکید می‌کند و از مداخلات برای همبودی‌های متمرکز بر ترس و بهبود کیفیت زندگی حمایت می‌کند.

Understanding how individuals evaluate social content in affective scenes is crucial for research in emotion, social cognition, and decision-making. However, standardized image databases often lack fine-grained ratings of social dimensions beyond basic emotional content. We present a normative dataset of 296 affective scenes rated by 424 adult participants across six social-affective dimensions: social relevance, emotion sharing, action sharing, interpersonal equality, scene pleasantness, and participatory arousal. Each image was independently coded for objective features such as number of people, face visibility, and gaze direction. All rating dimensions showed excellent interrater reliability. Pleasantness ratings demonstrated strong convergent validity with established valence norms from the International Affective Picture System (IAPS), while arousal ratings differentiated between experienced and participatory arousal, suggesting that the latter captures a distinct affective component. Correlation analyses revealed that social relevance was strongly associated with scene pleasantness and a composite “engagement” factor combining emotion sharing, action sharing, and equality. Notably, the association between pleasantness and social relevance was especially pronounced in scenes depicting single individuals. Linear mixed models further indicated that extraversion showed a tentative positive association with the engagement–social relevance relationship, which did not survive correction for multiple comparisons and requires replication. Other personality traits and empathy did not significantly moderate these relationships. This open-access dataset provides a reliable, multidimensional tool for selecting affective scenes based on both emotional and social-interpersonal features. It supports improved stimulus control and design in a wide range of behavioral and neurocognitive research. By systematically mapping social meaning in static affective scenes, our study advances existing methodological resources and offers empirical insight into the structure of social-affective appraisals. All image codes, mean ratings, and analysis scripts are publicly available via the Open Science Framework.

درک نحوه ارزیابی افراد از محتوای اجتماعی در صحنه‌های عاطفی برای پژوهش در حوزه هیجان، شناخت اجتماعی و تصمیم‌گیری اهمیت اساسی دارد. با این حال، پایگاه‌های داده تصویری استاندارد اغلب فاقد ارزیابی‌های دقیق ابعاد اجتماعی فراتر از محتوای عاطفی پایه هستند. در این پژوهش، مجموعه داده هنجاری شامل ۲۹۶ صحنه عاطفی ارائه می‌شود که توسط ۴۲۴ شرکت‌کننده بزرگسال در شش بعد اجتماعی-عاطفی ارزیابی شده‌اند: ارتباط اجتماعی، اشتراک هیجان، اشتراک عمل، برابری بین‌فردی، خوشایندی صحنه و برانگیختگی مشارکتی. هر تصویر به طور مستقل از نظر ویژگی‌های عینی مانند تعداد افراد، قابلیت مشاهده چهره و جهت نگاه کدگذاری شده است. تمامی ابعاد ارزیابی، پایایی بین ارزیاب بسیار عالی نشان دادند. ارزیابی‌های خوشایندی، روایی همگرا قوی با هنجارهای ارزش‌گذاری تثبیت‌شده از سامانه بین‌المللی تصاویر عاطفی (IAPS) داشتند، در حالی که ارزیابی‌های برانگیختگی بین برانگیختگی تجربه‌شده و مشارکتی تمایز قائل شدند که نشان می‌دهد برانگیختگی مشارکتی مؤلفه عاطفی متمایزی را منعکس می‌کند. تحلیل‌های همبستگی نشان داد که ارتباط اجتماعی با خوشایندی صحنه و عامل ترکیبی «درگیری» (شامل اشتراک هیجان، اشتراک عمل و برابری) ارتباط قوی دارد. به طور قابل توجهی، این ارتباط میان خوشایندی و ارتباط اجتماعی در صحنه‌هایی که تنها یک فرد را نشان می‌دهند، برجسته‌تر بود. مدل‌های خطی آمیخته همچنین نشان دادند که برون‌گرایی ارتباط مثبت و اولیه‌ای با رابطه درگیری–ارتباط اجتماعی دارد که پس از اصلاح برای مقایسه‌های متعدد معنادار باقی نماند و نیازمند تکرار است. سایر صفات شخصیتی و همدلی به طور معناداری این روابط را تعدیل نکردند. این مجموعه داده دسترسی آزاد، ابزاری پایا و چندبعدی برای انتخاب صحنه‌های عاطفی بر اساس ویژگی‌های هیجانی و اجتماعی-بین‌فردی فراهم می‌کند. این مجموعه از کنترل و طراحی بهتر محرک‌ها در طیف وسیعی از پژوهش‌های رفتاری و عصب‌شناختی حمایت می‌کند. با ترسیم نظام‌مند معنای اجتماعی در صحنه‌های عاطفی ایستا، مطالعه حاضر منابع روش‌شناختی موجود را ارتقا داده و بینش تجربی درباره ساختار ارزیابی‌های اجتماعی-عاطفی ارائه می‌دهد. تمامی کدهای تصاویر، میانگین ارزیابی‌ها و اسکریپت‌های تحلیل از طریق Open Science Framework به صورت عمومی در دسترس است.

Accurately managing emotions and quantifying anxiety continue to be important challenges in affective computing and digital mental health, especially where continuous, objective, and personalized evaluation goes beyond self-reported anxiety. Current deep learning systems mainly have coarse emotion classification ability and have no built-in and interpretable regulation mechanisms. In order to overcome these limitations, the Deep Learning Based Anxiety Quantification and Emotional Regulation Recommendation Generation Model (DLAQ-ERRG) is proposed in this study. It comprises three key components: (i) a Neural Stochastic Differential Attention Encoder (NSDAE) for capturing the continuous-time affective dynamics and temporal uncertainty from multimodal wearable signals; (ii) a Hyperbolic Contrastive Affective Manifold Learner (HCAML) for learning a non-Euclidean space to embed latent emotional states while preserving the hierarchical structure of affective severity and boosting inter-subject separability; and (iii) a Hyperbolic Neural Symbolic Policy Generator (ER-NSPG) for generating constraint-consistent and uncertainty-aware emotional regulation recommendations. Experimental results under strict Leave-One-Subject-Out validation on the WESAD dataset show an improvement of 11.85% compared to the best baseline (CCC = 0.734) and the Mean Absolute Error (MAE) of 0.384 and the Root Mean Square Error (RMSE) of 0.083, respectively. The overall anxiety prediction accuracy (AIPA) for affect-state classification is 87.3% for the model. Structured severity organization is confirmed by representation quality metrics: an Anxiety Severity Separation Score (ASS) of 0.726 and a Hyperbolic Clustering Quality Index (HCQI) of 0.681. The recommendation evaluation results in an Action Appropriateness Score (AAS) of 0.776, Recommendation Smoothness Score (RSS) of 0.764 and Emotion Regulation Diversity Score (RDS) of 0.701, all representing stable and tailored generation of interventions. The results illustrate the benefits of uncertainty-aware continuous estimation of anxiety-related arousal, improved structural representation, and interpretable support in regulating arousal within a single, uncertainty-aware framework.

مدیریت دقیق هیجان‌ها و کمی‌سازی اضطراب همچنان از چالش‌های مهم در رایانش عاطفی و سلامت روان دیجیتال به‌شمار می‌رود، به‌ویژه در مواردی که ارزیابی مستمر، عینی و شخصی‌سازی‌شده فراتر از اضطراب خودگزارش‌شده مورد نیاز است. سامانه‌های فعلی یادگیری عمیق عمدتاً دارای توانایی طبقه‌بندی عاطفی کلی هستند و فاقد سازوکارهای تنظیمی درونی و قابل تفسیر می‌باشند. به‌منظور غلبه بر این محدودیت‌ها، مدل مبتنی بر یادگیری عمیق برای کمی‌سازی اضطراب و تولید توصیه‌های تنظیم هیجان (DLAQ-ERRG) در این مطالعه پیشنهاد شده است. این مدل شامل سه مؤلفه کلیدی است: (i) رمزگذار توجهی تصادفی عصبی-افتراقی (NSDAE) برای ثبت پویایی‌های عاطفی پیوسته‌زمان و عدم‌قطعیت زمانی از سیگنال‌های پوشیدنی چندوجهی؛ (ii) یادگیرنده منیفلد عاطفی متضاد اَبَرهذلولوی (HCAML) برای یادگیری فضایی غیر اقلیدسی به‌منظور تعبیه حالات عاطفی نهفته ضمن حفظ ساختار سلسله‌مراتبی شدت عاطفی و افزایش قابلیت تفکیک بین آزمودنی‌ها؛ و (iii) تولیدکننده سیاست نمادین عصبی اَبَرهذلولوی (ER-NSPG) برای تولید توصیه‌های تنظیم هیجان سازگار با محدودیت‌ها و آگاه از عدم‌قطعیت. نتایج تجربی تحت اعتبارسنجی سختگیرانه Leave-One-Subject-Out بر روی مجموعه داده WESAD نشان‌دهنده بهبود ۱۱.۸۵٪ نسبت به بهترین خط پایه (CCC = 0.734) و خطای مطلق میانگین (MAE) برابر با 0.384 و ریشه میانگین مربعات خطا (RMSE) برابر با 0.083 است. دقت کلی پیش‌بینی اضطراب (AIPA) برای طبقه‌بندی حالت عاطفی در این مدل ۸۷.۳٪ گزارش شده است. سازمان‌دهی ساختاری شدت با معیارهای کیفیت بازنمایی تأیید می‌شود: امتیاز جداسازی شدت اضطراب (ASS) برابر با 0.726 و شاخص کیفیت خوشه‌بندی اَبَرهذلولوی (HCQI) برابر با 0.681. ارزیابی توصیه‌ها منجر به امتیاز تناسب اقدام (AAS) برابر با 0.776، امتیاز همواری توصیه (RSS) برابر با 0.764 و امتیاز تنوع تنظیم هیجان (RDS) برابر با 0.701 شده است که همگی نشان‌دهنده تولید مداخلات پایدار و متناسب می‌باشند. نتایج، مزایای برآورد پیوسته اضطراب مبتنی بر عدم‌قطعیت، بهبود بازنمایی ساختاری و پشتیبانی قابل تفسیر در تنظیم برانگیختگی را در یک چارچوب یکپارچه و آگاه از عدم‌قطعیت نشان می‌دهد.

Research on emotional recognition from images is advancing across computer vision, psychology, and neuroscience. Even though computer vision has come a long way, emotion detection still faces many challenges. For example, facial-centric models trained on small datasets don't always get the right results, and there aren't enough image collections that show emotions in the right context to show how complicated they really are. This work proposes an innovative approach for contextual emotional detection by integrating bodily sensations with environmental data. We created LEMOTIC, a large, diverse dataset that covers a 116,034 images; wide range of emotional situations. We constructed our methodology utilising a deep convolutional neural network (DCNN) architecture. To better understand emotions in context, we connect 26 different emotional categories to three continuous emotional dimensions: valence, arousal, and dominance. After extensive hyperparameter tuning, our model demonstrated accurate emotion recognition from full-body postures and ambient data. Our Sentiment Recognition Model surpasses earlier techniques in both accuracy and generalisation for continuous and discrete emotional variables. Our study reveals that somatic and contextual emotions are particularly important when examining emotions in images. Our method improves context-aware emotion recognition by using deep learning and a carefully chosen dataset. This makes it easier to use in social robotics, affective computing, and human-computer interaction.

پژوهش‌ها در زمینه شناسایی هیجان از تصاویر در حوزه‌های بینایی ماشین، روان‌شناسی و علوم اعصاب در حال پیشرفت است. با وجود پیشرفت‌های قابل توجه در بینایی ماشین، شناسایی هیجان همچنان با چالش‌های متعددی مواجه است. به عنوان مثال، مدل‌های مبتنی بر چهره که با داده‌های محدود آموزش دیده‌اند، همواره نتایج دقیقی ارائه نمی‌دهند و مجموعه تصاویر کافی که هیجان‌ها را در زمینه مناسب نمایش دهند و پیچیدگی آن‌ها را نشان دهند، وجود ندارد. این پژوهش رویکردی نوآورانه برای شناسایی هیجان زمینه‌مند با ادغام احساسات بدنی و داده‌های محیطی ارائه می‌دهد. ما مجموعه داده LEMOTIC را ایجاد کردیم که شامل ۱۱۶٬۰۳۴ تصویر و دامنه وسیعی از موقعیت‌های هیجانی است. روش‌شناسی ما مبتنی بر معماری شبکه عصبی کانولوشنی عمیق (DCNN) طراحی شده است. به منظور درک بهتر هیجان‌ها در زمینه، ۲۶ دسته هیجانی مختلف را به سه بعد پیوسته هیجان شامل والانس، برانگیختگی و سلطه متصل کردیم. پس از تنظیم گسترده ابرپارامترها، مدل ما توانست شناسایی دقیقی از هیجان بر اساس وضعیت‌های بدنی کامل و داده‌های محیطی ارائه دهد. مدل شناسایی هیجان ما از نظر دقت و تعمیم‌پذیری در متغیرهای هیجانی پیوسته و گسسته، عملکرد بهتری نسبت به روش‌های پیشین نشان داد. یافته‌های پژوهش نشان می‌دهد که هیجان‌های جسمانی و زمینه‌ای در بررسی هیجان‌ها در تصاویر اهمیت ویژه‌ای دارند. روش ما با بهره‌گیری از یادگیری عمیق و مجموعه داده‌ای منتخب، شناسایی هیجان آگاه از زمینه را بهبود می‌بخشد و کاربرد آن را در رباتیک اجتماعی، محاسبات عاطفی و تعامل انسان و رایانه تسهیل می‌کند.

Abstract Process‐oriented approaches are needed to understand the temporality and dynamics of teacher–student interactions in higher education classrooms. In this study, we follow a complexity science approach, based on non‐linear intra‐ and inter‐personal physiology methods, to explore the physiology of teacher–student interactions. In particular, we examine the relationship between higher education students' course interest, electrodermal activity (EDA, as an indicator of physiological arousal), perceived teacher enthusiasm in the classroom and lesson enjoyment. Ten higher education teachers and 42 of their students voluntarily participated in this study. Self‐reported measures were applied to assess students' course interest (pre), perceived teacher enthusiasm (post) and lesson enjoyment (post) in authentic higher education lectures. Teachers' and students' EDA was sampled at 2 kHz using Bionomadix mobile sensors during the lectures. Auto‐ and cross‐recurrence quantification analyses were applied to understand the temporal structures of students' individual EDA patterns and their physiological synchrony with their teachers. At the individual level, entropy of students' EDA predicted their perceived teacher enthusiasm and lesson enjoyment beyond course interest. At the physiological synchrony level, course interest was the only predictor of students' perceived teacher enthusiasm and lesson enjoyment. Moreover, our findings showed that the relationships between course interest and the structure of EDA patterns differ between individual and physiological synchrony levels. These results provide valuable insight into understanding interactions between teachers and students from a complexity science perspective. Practitioner notes What is already known about this topic? Control value theory (CVT) defines academic emotions in terms of the two dimensions of valence (positive or negative) and arousal (activating or deactivating). Enjoyment is considered a positive activating emotion that is central to effective teaching and learning. Emotions in the classroom are dynamically co‐constructed through social interactions among teachers and students. While valence is inherently subjective, objective physiological measures like electrodermal activity (EDA) are increasingly utilised to understand the arousal dimension of emotions and the dynamics of emotional contagion between teachers and students. What this paper adds? Observing EDA of higher education students during authentic lectures can provide valuable insights into their perceived teacher enthusiasm and lesson enjoyment. Exploring the temporal structures of EDA through nonlinear methods might help understand the emergence of students' lesson enjoyment in a bottom‐up manner. Studying temporal structures of EDA at intra‐ and interpersonal levels (i.e. teacher–student physiological synchrony) can provide a multilayered perspective on the relationship between students' course interest, perceived teacher enthusiasm and lesson enjoyment. At the intra‐personal level, students' course interest and their EDA entropy both predict perceived teacher enthusiasm and lesson enjoyment. At the inter‐personal level, teacher–student physiological synchrony occurs above chance level. Furthermore, physiological synchrony is associated with students' course interest. However, it does not predict perceived teacher enthusiasm or lesson enjoyment beyond the influence of course interest. Implications for practice and/or policy Teachers and learning designers can focus on fostering high course interest among learners at the beginning of their courses to facilitate positive relational dynamics with the students. Moving educational research towards non‐linear approaches can provide more nuanced insights into how students' and teachers' emotions evolve in higher education classrooms.

رویکردهای فرایندی برای درک زمان‌مندی و پویایی تعاملات معلم-دانشجو در کلاس‌های آموزش عالی ضروری است. در این پژوهش، ما با رویکرد علم پیچیدگی و بر اساس روش‌های فیزیولوژی غیرخطی درون‌فردی و بین‌فردی، به بررسی فیزیولوژی تعاملات معلم-دانشجو می‌پردازیم. به طور خاص، رابطه بین علاقه‌مندی دانشجویان آموزش عالی به درس، فعالیت الکترودرمال (EDA، به عنوان شاخص برانگیختگی فیزیولوژیک)، اشتیاق ادراک‌شده معلم در کلاس و لذت از درس را بررسی می‌کنیم. ده معلم آموزش عالی و ۴۲ نفر از دانشجویان آن‌ها به صورت داوطلبانه در این مطالعه شرکت کردند. برای سنجش علاقه‌مندی دانشجویان به درس (پیش‌آزمون)، اشتیاق ادراک‌شده معلم (پس‌آزمون) و لذت از درس (پس‌آزمون) در سخنرانی‌های واقعی آموزش عالی، از ابزارهای خودگزارش‌دهی استفاده شد. فعالیت الکترودرمال معلمان و دانشجویان با استفاده از حسگرهای سیار Bionomadix با نرخ نمونه‌برداری ۲ کیلوهرتز در طول سخنرانی‌ها ثبت شد. برای درک ساختارهای زمانی الگوهای فردی EDA دانشجویان و همزمانی فیزیولوژیک آن‌ها با معلمان، از تحلیل‌های کمّی بازگشت خودکار و متقاطع استفاده شد. در سطح فردی، آنتروپی EDA دانشجویان، اشتیاق ادراک‌شده معلم و لذت از درس را فراتر از علاقه‌مندی به درس پیش‌بینی کرد. در سطح همزمانی فیزیولوژیک، علاقه‌مندی به درس تنها پیش‌بین اشتیاق ادراک‌شده معلم و لذت از درس بود. افزون بر این، یافته‌های ما نشان داد که روابط بین علاقه‌مندی به درس و ساختار الگوهای EDA در سطوح فردی و همزمانی فیزیولوژیک متفاوت است. این نتایج بینش ارزشمندی برای درک تعاملات معلم و دانشجو از منظر علم پیچیدگی فراهم می‌کند. یادداشت‌های کاربردی چه چیزی پیش‌تر درباره این موضوع شناخته شده است؟ نظریه ارزش-کنترل (CVT) هیجانات تحصیلی را بر اساس دو بعد ارزش (مثبت یا منفی) و برانگیختگی (فعال‌کننده یا غیرفعال‌کننده) تعریف می‌کند. لذت به عنوان یک هیجان مثبت و فعال‌کننده، محور تدریس و یادگیری مؤثر است. هیجانات در کلاس به صورت پویا و از طریق تعاملات اجتماعی میان معلمان و دانشجویان ساخته می‌شوند. در حالی که ارزش ماهیتی ذهنی دارد، سنجه‌های عینی فیزیولوژیک مانند فعالیت الکترودرمال (EDA) به طور فزاینده‌ای برای درک بعد برانگیختگی هیجانات و پویایی سرایت هیجانی بین معلمان و دانشجویان به کار می‌رود. این مقاله چه می‌افزاید؟ مشاهده EDA دانشجویان آموزش عالی در طول سخنرانی‌های واقعی می‌تواند بینش‌های ارزشمندی درباره اشتیاق ادراک‌شده معلم و لذت از درس آن‌ها فراهم کند. بررسی ساختارهای زمانی EDA با روش‌های غیرخطی می‌تواند به درک ظهور لذت از درس دانشجویان به صورت پایین به بالا کمک کند. مطالعه ساختارهای زمانی EDA در سطوح درون‌فردی و بین‌فردی (یعنی همزمانی فیزیولوژیک معلم-دانشجو) می‌تواند دیدگاه چندلایه‌ای درباره رابطه علاقه‌مندی به درس دانشجویان، اشتیاق ادراک‌شده معلم و لذت از درس ارائه دهد. در سطح درون‌فردی، علاقه‌مندی به درس دانشجویان و آنتروپی EDA هر دو پیش‌بین اشتیاق ادراک‌شده معلم و لذت از درس هستند. در سطح بین‌فردی، همزمانی فیزیولوژیک معلم-دانشجو بالاتر از سطح تصادفی رخ می‌دهد. همچنین، همزمانی فیزیولوژیک با علاقه‌مندی به درس دانشجویان مرتبط است، اما فراتر از تأثیر علاقه‌مندی به درس، اشتیاق ادراک‌شده معلم یا لذت از درس را پیش‌بینی نمی‌کند. پیامدهای کاربردی و/یا سیاستی معلمان و طراحان آموزشی می‌توانند بر تقویت علاقه‌مندی بالا به درس در ابتدای دوره‌ها تمرکز کنند تا پویایی‌های مثبت رابطه‌ای با دانشجویان را تسهیل نمایند. حرکت پژوهش‌های آموزشی به سوی رویکردهای غیرخطی می‌تواند بینش‌های دقیق‌تری درباره چگونگی تحول هیجانات دانشجویان و معلمان در کلاس‌های آموزش عالی ارائه دهد.

Manualised therapies are typically justified as vehicles for treatment fidelity and evidence translation. However, clinicians often experience manuals as stabilising structures that reduce uncertainty and performance pressure and alleviate the cognitive load of the question “What do I do next?”, especially under high-arousal or high-uncertainty conditions. This article develops the concept of the clinician’s scaffold: manuals, session structures, and decision aids that function as external regulatory supports for therapist presence and relational availability. The central proposal is that some of the apparent value of structured therapies may be mediated not only through direct client-facing mechanisms but also through their effects on the therapist. By narrowing the decision space, scaffolds may reduce stress-driven attentional narrowing, support therapist regulation, and preserve the relational micro-behaviours required for attuned therapeutic work. The article defines key constructs, outlines a parallel process model, considers digital and alternative explanations, and proposes falsifiable predictions. It offers therapist self-regulation under load as a clinical competency deserving further empirical and conceptual development.

درمان‌های دستی‌سازی‌شده معمولاً به‌عنوان ابزاری برای حفظ وفاداری به درمان و انتقال شواهد توجیه می‌شوند. با این حال، درمانگران اغلب راهنماها را به‌عنوان ساختارهایی تثبیت‌کننده تجربه می‌کنند که عدم قطعیت و فشار عملکرد را کاهش داده و بار شناختی پرسش «گام بعدی چیست؟» را به‌ویژه در شرایط برانگیختگی یا عدم قطعیت بالا، تسهیل می‌کنند. این مقاله مفهوم داربست بالینی را توسعه می‌دهد: راهنماها، ساختار جلسات و ابزارهای تصمیم‌گیری که به‌عنوان حمایت‌های تنظیمی بیرونی برای حضور درمانگر و در دسترس بودن رابطه‌ای عمل می‌کنند. پیشنهاد اصلی این است که بخشی از ارزش ظاهری درمان‌های ساختاریافته ممکن است نه‌تنها از طریق سازوکارهای مستقیم رو‌به‌مراجع، بلکه همچنین از طریق تأثیر آن‌ها بر درمانگر میانجی‌گری شود. با محدود کردن فضای تصمیم‌گیری، داربست‌ها ممکن است تنگ‌شدگی توجه ناشی از استرس را کاهش دهند، تنظیم درمانگر را حمایت کنند و رفتارهای خرد رابطه‌ای لازم برای کار درمانی هم‌نوا را حفظ نمایند. مقاله مفاهیم کلیدی را تعریف می‌کند، مدل فرایند موازی را ترسیم می‌نماید، تبیین‌های دیجیتال و جایگزین را بررسی می‌کند و پیش‌بینی‌های ابطال‌پذیر ارائه می‌دهد. این مقاله خودتنظیمی درمانگر تحت فشار را به‌عنوان یک شایستگی بالینی شایسته توسعه تجربی و مفهومی بیشتر مطرح می‌کند.

This study examined the relationship between sources of self-efficacy and three dimensions of self-efficacy among early childhood education student teachers. Data from 155 participants were analyzed using structural equation modelling and multigroup analyses. Seven sources of self-efficacy, including Mastery Experiences, Vicarious Experiences, Social Persuasion, Physiological Arousal and Knowledge Capabilities, and three dimensions of perceived self-efficacy (pedagogical strategies, learning environment management, and children’s participation) were investigated. Knowledge Capabilities were included as a source based on the premise that pedagogical and content knowledge enable informed instructional decisions, reinforcing self-efficacy. Results showed that Mastery Experiences were the strongest and most consistent predictor across all dimensions. Vicarious Experiences had a moderate positive effect on pedagogical strategies and learning environment management, while Knowledge Capabilities moderately predicted children’s participation. Multigroup analyses revealed that explanatory power was higher among students with work experience and varied across age groups: younger students benefited more in learning environment management and children’s participation, while older students benefited more in pedagogical strategies. These findings highlight the need for individualized approaches in teacher education. Emphasizing mastery experiences and peer learning opportunities is essential. The results can inform targeted pedagogical strategies and support tailored to age and experience that strengthen self-efficacy development and better prepare students for professional demands.

این مطالعه به بررسی رابطه بین منابع خودکارآمدی و سه بعد خودکارآمدی در دانشجویان معلم آموزش کودکان پیش‌دبستانی پرداخت. داده‌های ۱۵۵ شرکت‌کننده با استفاده از مدل‌سازی معادلات ساختاری و تحلیل‌های چندگروهی مورد تجزیه و تحلیل قرار گرفت. هفت منبع خودکارآمدی، شامل تجارب موفقیت‌آمیز، تجارب جانشینی، ترغیب اجتماعی، برانگیختگی فیزیولوژیک و قابلیت‌های دانشی، و سه بعد خودکارآمدی ادراک‌شده (راهبردهای آموزشی، مدیریت محیط یادگیری و مشارکت کودکان) مورد بررسی قرار گرفتند. قابلیت‌های دانشی به عنوان یک منبع بر این اساس لحاظ شد که دانش آموزشی و محتوایی، تصمیم‌گیری‌های آموزشی آگاهانه را امکان‌پذیر می‌سازد و خودکارآمدی را تقویت می‌کند. نتایج نشان داد که تجارب موفقیت‌آمیز قوی‌ترین و پایدارترین پیش‌بین در تمامی ابعاد بود. تجارب جانشینی تأثیر مثبت متوسطی بر راهبردهای آموزشی و مدیریت محیط یادگیری داشت، در حالی که قابلیت‌های دانشی پیش‌بینی‌کننده متوسطی برای مشارکت کودکان بود. تحلیل‌های چندگروهی نشان داد که قدرت تبیین در میان دانشجویان دارای سابقه کاری بیشتر بود و در گروه‌های سنی مختلف تفاوت داشت: دانشجویان جوان‌تر در مدیریت محیط یادگیری و مشارکت کودکان بیشتر بهره‌مند شدند، در حالی که دانشجویان مسن‌تر در راهبردهای آموزشی بیشتر بهره بردند. این یافته‌ها بر ضرورت رویکردهای فردی‌سازی‌شده در آموزش معلمان تأکید دارد. تأکید بر تجارب موفقیت‌آمیز و فرصت‌های یادگیری همتایان ضروری است. نتایج می‌تواند راهبردهای آموزشی هدفمند و حمایت متناسب با سن و تجربه را برای تقویت رشد خودکارآمدی و آمادگی بهتر دانشجویان برای الزامات حرفه‌ای اطلاع‌رسانی کند.

Background and Objective The baseline sleep phenotype of early Alzheimer’s disease (AD) patients entering lecanemab therapy is poorly characterized.Methods Forty-four consecutive early AD patients (mild cognitive impairment or mild dementia) awaiting lecanemab underwent attended polysomnography, the Epworth Sleepiness Scale, Insomnia Severity Index (ISI), Pittsburgh Sleep Quality Index (PSQI), and Beck Depression Inventory (BDI). Forty-four controls without documented cognitive disorder, referred for polysomnography by the study’s sleep specialist over the same period, were balanced on sex, age and apnea–hypopnea index. Comparisons used independent-samples tests with Benjamini–Hochberg false discovery rate correction within pre-specified families.Results Obstructive sleep apnea was prevalent (61.4% moderate-to-severe) despite a body mass index of 22.5 kg/m2; groups were balanced (all p>0.15). Early AD patients showed greater wake after sleep onset (114.0 min vs. 78.7 min; q=0.006), lower sleep efficiency (67.7% vs. 77.2%; q=0.006) and shorter total sleep time (284.0 min vs. 321.1 min; q=0.039) with comparable recording time, and lower REM arousal index (13.9/h vs. 21.3/h; q=0.012). Differences were moderate (|g| 0.49–0.72); sleep-stage distribution and total arousal index did not differ. ISI (3.8 vs. 13.8) and PSQI (4.1 vs. 10.0) were nonetheless lower in AD (both q<0.001; |g| 1.52–1.86); BDI did not differ.Conclusions Early AD patients awaiting lecanemab therapy had a high prevalence of sleep apnea and reduced objective sleep continuity despite reporting fewer subjective sleep complaints than controls, a contrast that may partly reflect the symptomatic sleep-clinic comparator. Objective sleep assessment before initiating lecanemab therapy may therefore be considered.

زمینه و هدف: فنوتیپ خواب پایه در بیماران آلزایمر اولیه (AD) که وارد درمان با lecanemab می‌شوند، به‌خوبی توصیف نشده است. روش‌ها: چهل‌وچهار بیمار متوالی با آلزایمر اولیه (اختلال شناختی خفیف یا دمانس خفیف) که در انتظار lecanemab بودند، تحت پلی‌سومنوگرافی حضوری، مقیاس خواب‌آلودگی Epworth، شاخص شدت بی‌خوابی (ISI)، شاخص کیفیت خواب Pittsburgh (PSQI) و پرسشنامه افسردگی Beck (BDI) قرار گرفتند. چهل‌وچهار فرد کنترل بدون اختلال شناختی مستند که در همان بازه زمانی توسط متخصص خواب پژوهش برای پلی‌سومنوگرافی ارجاع شده بودند، از نظر جنس، سن و شاخص آپنه–هیپوآپنه متعادل شدند. مقایسه‌ها با استفاده از آزمون‌های نمونه‌های مستقل و تصحیح نرخ کشف کاذب Benjamini–Hochberg در خانواده‌های از پیش تعیین‌شده انجام شد. نتایج: آپنه انسدادی خواب شایع بود (۶۱.۴٪ متوسط تا شدید) علیرغم شاخص توده بدنی ۲۲.۵ کیلوگرم/متر مربع؛ گروه‌ها متعادل بودند (همه p>۰.۱۵). بیماران آلزایمر اولیه بیداری پس از شروع خواب بیشتری داشتند (۱۱۴.۰ دقیقه در مقابل ۷۸.۷ دقیقه؛ q=۰.۰۰۶)، کارایی خواب پایین‌تری (۶۷.۷٪ در مقابل ۷۷.۲٪؛ q=۰.۰۰۶) و زمان کل خواب کوتاه‌تری (۲۸۴.۰ دقیقه در مقابل ۳۲۱.۱ دقیقه؛ q=۰.۰۳۹) با زمان ضبط مشابه و شاخص برانگیختگی REM پایین‌تر (۱۳.۹/ساعت در مقابل ۲۱.۳/ساعت؛ q=۰.۰۱۲) نشان دادند. تفاوت‌ها متوسط بود (|g| ۰.۴۹–۰.۷۲)؛ توزیع مراحل خواب و شاخص کل برانگیختگی تفاوتی نداشت. با این حال، ISI (۳.۸ در مقابل ۱۳.۸) و PSQI (۴.۱ در مقابل ۱۰.۰) در گروه AD پایین‌تر بود (هر دو q<۰.۰۰۱؛ |g| ۱.۵۲–۱.۸۶)؛ BDI تفاوتی نداشت. نتیجه‌گیری: بیماران آلزایمر اولیه در انتظار درمان با lecanemab شیوع بالای آپنه خواب و کاهش تداوم عینی خواب داشتند، اگرچه شکایات ذهنی خواب کمتری نسبت به گروه کنترل گزارش کردند که این تضاد ممکن است تا حدی بازتاب مقایسه با گروه مراجعه‌کننده به کلینیک خواب باشد. بنابراین، ارزیابی عینی خواب پیش از شروع درمان با lecanemab می‌تواند مدنظر قرار گیرد.