Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
El reconocimiento de rostros emocionales es fundamental en la comunicación no verbal en la vida cotidiana de los seres humanos, y es relevante para inferir el estado de ánimo de otra persona o para comprender sus opiniones y sus actitudes, por lo que se constituye en una importante herramienta en la interacción social (Batty y Taylor, 2003;Itier y Taylor, 2002;Marzi y Viggiano, 2007); 2010). El reconocimiento de la expresión emocional requiere tres factores: (a) el procesamiento estructural del rostro; (b) los mecanismos atencionales focalizados en los estímulos más salientes de la cara; y (c) el grado de empatía del observador (Balconi y Canavesio, 2016;Bruce y Young, 1986; Maurer, Le Grand y Mondloch, 2002 ).
El procesamiento de las características estructurales del rostro se puede estudiar a través de potenciales relacionados a eventos (PRE), como, por ejemplo, el P100, el N170 y el LPP. El P100 es un PRE asociado a la codificación pictórica temprana (Turano, Marzi y Viggiano, 2016 ). Se ha encontrado mayor amplitud del componente P100 ante rostros en la región occipitoparietal, en comparación con estímulos como casas o edificios, lo que sugiere una mayor respuesta de orientación (Herrmann, Ehlis, Ellgring y Fallgatter, 2005 ).
El N170 es un potencial negativo relacionado con el reconocimiento de las características más sobresalientes del rostro (Bonilla y Leongómez, 2016; Joyce y Rossion, 2005;Minnebusch y Daum, 2009;Olivares, Saavedra e Iglesias, 2012 ). Este componente, según varios estudios, se incrementa ante caras con expresiones de miedo, lo cual indica una mayor relevancia motivacional de esta emoción, por lo que se movilizan mayores recursos atencionales. También existe evidencia de que las expresiones positivas tienen latencias menores en comparación con las negativas, lo que al parecer refiere un procesamiento subcortical inicial de las expresiones negativas que lentifica el procesamiento cortical medido a través del potencial N170 (Acosta, Bobes y Valdés, 2007;Batty y Taylor, 2003; Hinojosa, Mercado y Carretié, 2015 ).
El LPP es un potencial tardío (ocurre después de los 300 ms) asociado a la activación emocional (arousal) y al enganche atencional (Cuthbert, Schupp, Bradley, Birbaumer y Lang, 2000 ). En general, las caras que expresan cualquier emoción generan mayor magnitud del LPP que las caras neutrales; sin embargo, se ha encontrado que las expresiones de miedo e ira producen mayor LPP (Choi et al., 2014; Smith, Weinberg, Moran y Hajcak, 2013 ).
La empatía es una variable determinante en el desarrollo de interacciones sociales positivas y tiene una estrecha relación con el procesamiento de caras (Balconi y Canavesio, 2016). Es una respuesta afectiva y cognitiva que se deriva de la comprensión del estado o condición emocional de otro sujeto (Eisenberg, 2000 ). Incluye dos componentes: (a) el afectivo, el cual hace referencia a la experiencia emocional que está en sintonía con la de la otra persona, y (b) el cognitivo, que tiene que ver con la capacidad de entender la perspectiva del otro en una situación emocional (Belacchi y Farina, 2012 ).
Algunos estudios muestran que la empatía modula los PRE N170 y LPP. Por ejemplo, el N170 tiene una mayor amplitud en personas con alta empatía afectiva ante rostros con ira (Choi et al., 2014; Soria, Thoma y Suchan, 2012 ). Además, se ha encontrado una correlación positiva entre empatía afectiva y la magnitud del LPP ante rostros emocionales (Choi et al., 2014; Choi y Watanuki, 2014), lo que sugiere mayor codificación estructural, arousal y enganche atencional en personas empáticas ante los rostros emocionales.
La comunicación humana ha cambiado en las últimas décadas gracias a la comunicación mediada por computadores (CMC), por ejemplo, a través del uso de mensajes en plataformas como Facebook, WhatsApp y Skype, entre otros (Kaye, Malone y Wall, 2017 ). En la década de los ochenta, para mejorar este tipo de comunicación y poder transmitir comportamientos no verbales, se crearon los emoticones, que son la asociación de distintos caracteres tipográficos (p. ej.: :-) ); y en los noventa se desarrollaron los emojis (p. ej.: (, (), con el fin de transmitir mensajes más complejos en la comunicación virtual, simulando expresiones emocionales que se pueden dar en una conversación cara a cara (Kaye et al., 2017).
Los estudios sobre el procesamiento cortical de estos símbolos han encontrado que los emoticones con una expresión de felicidad (p. ej.: :-)) producen un PRE N170 similar al de los rostros humanos felices (Churches, Nicholls, Thiessen, Kohler y Keage, 2014 ), y los emojis potencian la respuesta emocional en comparación con las palabras que representan, lo cual se evidencia en una mayor activación de los PRE N200 y LPP (Comesaña et al., 2013 ).
A pesar del incremento en la CMC y el amplio uso de emojis, los estudios son limitados con respecto a la influencia de la empatía en estos nuevos canales de comunicación, en especial sobre el procesamiento cortical de los emojis. Las investigaciones en este campo permitirán avanzar en la comprensión de los efectos neurofisiológicos de la CMC y el grado en que estas nuevas formas de comunicación pueden sustituir la que se da cara a cara.
Por lo anterior, el objetivo del presente estudio es identificar el efecto de la empatía afectiva sobre el procesamiento cortical de expresiones deemojis. Para esto, se evaluó la modulación de los PRE P100, N170 y LPP. Se espera que la empatía afectiva aumente la magnitud de los potenciales N170 y LPP, especialmente ante emojis con expresiones de ira, debido a que esta emoción tiene mayor relevancia motivacional, de acuerdo con los resultados encontrados con rostros humanos (Choi et al., 2014; Choi y Watanuki, 2014).
Método
Diseño
El presente estudio tuvo un diseño factorial mixto 2 × 3. Con el factor Grupo (alta y baja empatía) como variable independiente intersujeto, y el factor Emoción (alegría, neutral e ira) como variable independiente intrasujeto.
Participantes
La muestra estuvo conformada por 69 estudiantes universitarios con edades comprendidas entre los 18 y los 26 años (M= 21.43, DE= 2.34), quienes reportaron tener un teléfono inteligente en promedio desde hace 5.36 años (DE= 2.03), usar redes sociales desde hace 7.96 años (DE= 2.66), y usar aplicaciones de chat durante 5.48 horas al día (DE= 3.15). La convocatoria de los participantes se hizo de forma libre a través de información divulgada en la universidad. Los participantes se dividieron en dos grupos (baja empatía afectiva n = 31 y alta empatía afectiva n = 38), según su puntaje en la escala de preocupación empática en el Índice de Reactividad Interpersonal (IRI; Davis, 1980 ), a partir de la validación colombiana, la cual obtuvo un adecuado índice de fiabilidad (α = 0.77) (Pineda et al., 2013 ). La tabla 1 muestra las diferencias en los datos sociodemográficos y en los puntajes del IRI entre grupos.
Tabla 1 Diferencias en las variables sociodemográficas y en los puntajes del IRI entre grupos
Fuente: elaboración propia.
Los participantes informaron no presentar trastornos psicológicos, neurológicos o estar en tratamiento psiquiátrico, ni haber sufrido algún trauma craneoencefálico moderado o severo. Todos ellos tenían una visión normal o corregida a la normalidad, y proporcionaron un consentimiento informado por escrito para participar en el estudio. La investigación fue aprobada por el Comité de Ética de la institución y siguió los principios éticos de la Declaración de Helsinki.
Instrumentos
Para la evaluación de la empatía se utilizó la versión validada en Colombia del IRI (Davis, 1980; Pineda et al., 2013 ), un instrumento compuesto por 28 ítems, dividido en cuatro subescalas que miden empatía cognitiva y empatía afectiva. Las dos escalas principales del IRI son Toma de Perspectiva (empatía cognitiva) y Preocupación Empática (empatía afectiva) (Vachon, Lynam y Johnson, 2014 ).
Para la evaluación subjetiva de la emoción provocada por los emojis, se utilizó el maniquí de autoevaluación (Self-Assessment Manikin, SAM), instrumento desarrollado por Bradley y Lang (1994 ) para evaluar las dimensiones de la emoción (valencia, arousal y dominancia). SAM está conformado por tres escalas, una para cada dimensión, las cuales utilizan cinco figuras humanoides que indican diferentes niveles de intensidad y niveles intermedios entre cada figura. El puntaje en cada escala va de 1 a 9. Esta herramienta ha mostrado niveles de confiabilidad apropiados en población colombiana para cada una de las dimensiones (0.79 a 0.97) (Gantiva, Guerra y Vila, 2011 ).
Procedimiento
Se utilizaron 24 imágenes deemojiscon expresiones de alegría, ira y neutros (ocho de cada una; figura 1). Estas imágenes fueron seleccionadas de las redes sociales Facebook y WhatsApp. Todos los estímulos se presentaron utilizando el software E-Prime 2.0 (Psychology Software Tools). Se mostraron a color en un monitor de pantalla plana de 19 pulgadas sobre fondo negro, a una distancia de aproximadamente 60 cm. El tamaño de cada imagen era de 480 × 480 píxeles. Todas las imágenes se presentaron dos veces, para un total de 48 ensayos. Las imágenes se organizaron en cuatro órdenes diferentes con la restricción de no presentar la misma categoría de emoji (p. ej.: alegría, neutral o ira) dos veces seguidas. Se contrabalanceó el orden entre los participantes. Las caras se presentaron durante 2000 ms y se presentó una marca de fijación (+) durante 1000 ms antes de los estímulos. El intervalo entre ensayos varió aleatoriamente entre 2000 ms y 4000 ms (Vico, Guerra, Robles, Vila y Anllo, 2010; Schupp, Markus, Weike y Ham, 2003 ). Antes de iniciar la presentación de los estímulos, la persona permaneció durante tres minutos con la pantalla en negro para favorecer la adaptación y la relajación previa al experimento.
Electroencefalograma (EEG) y el electrooculograma (EOG)
El EEG y el EOG se registraron utilizando el sistema ActiveTwo BioSemi (BioSemi), con una frecuencia de muestreo de 1024 Hz. Se registró el EEG con 32 electrodos activos, distribuidos según el sistema 10/20, y se aseguró que la impedancia se mantuviera por debajo de 20 kΩ. El EOG se registró a partir de dos electrodos: el primero ubicado aproximadamente a un centímetro por debajo del ojo derecho del sujeto, y el segundo, a un centímetro del canto del ojo izquierdo, ambos alineados con la pupila, para identificar los parpadeos y movimientos oculares durante el procesamiento fuera de línea. La visualización y el registro del EEG/EOG se realizaron con el software ActiView (Biosemi).
El procesamiento de las señales se hizo off line con el software Matlab a través del toolbox EEGLab (Delorme y Makeig, 2004 ) y de scripts personalizados. Los datos del EEG se referenciaron al promedio de la actividad eléctrica de todos los canales, y se diezmó la tasa de muestreo a 256 Hz. El conjunto de datos resultantes se filtró a través de un ancho de banda entre 0.1 y 40 Hz, seguido de una extracción de épocas entre -100 ms y 1000 ms. La corrección de los artefactos producto de los movimientos oculares se realizó utilizando el algoritmo de Gratton, Coles y Donchin (1983 ), con un tamaño de ventana de 20 ms y un umbral de +/-50 μV.
Las épocas con artefactos se detectaron y rechazaron cuando cuatro o más canales excedieron un umbral de voltaje de +/-70 μV. En total, se aceptó el 90.93% de las épocas.
Análisis de EEG
El grand average de los PRE y los mapas topográficos se calcularon promediando de forma independiente los tres tipos de estímulos (alegría, neutral e ira). Los PRE analizados fueron el P100, el N170 y el LPP. Las ubicaciones y las ventanas de tiempo para cada PRE fueron similares a investigaciones previas (Blau, Maurer, Tottenham y McCandliss, 2007; Eimer, Holmes y McGlone, 2003; Silva, Crager y Puce, 2016; Smith et al., 2013 ). El P100 se analizó en la región occipitoparietal (PO3, PO4, O1, Oz y O2), el N170 en la región parietal (P7 y P8) y el LPP en la región parietal/occipital (P3, P4, Pz, PO3 y PO4). Tanto el P100 como el N170 se analizaron a través de la amplitud y la latencia en ventanas de tiempo entre 100 ms y 200 ms (para el P100), y entre 150 ms y 250 ms (para el N170). El LPP se analizó a través del cálculo del área bajo la curva (ABC), utilizando un intervalo de tiempo entre 300 ms y 700 ms (Silva et al., 2016).
Análisis de datos
La amplitud y latencia de los componentes P100 y N170, y el ABC del componente LPP se analizaron a través de un Anova mixto de medidas repetidas, con el factor intersujeto Grupo (baja empatía afectiva y alta empatía afectiva) y como factores intrasujeto Emoción (alegría, neutral e ira) y Región (electrodo). Las medidas subjetivas se analizaron con un Anova mixto de medidas repetidas con los factores Grupo y Emoción. Cuando no se cumplió el supuesto de esfericidad, se aplicó la corrección Greenhouse-Geisser a los grados de libertad en todos los casos. Los análisis post hoc se hicieron ajustados con la corrección Bonferroni. Se utilizó un nivel de significancia de 0.05 en todos los análisis. Los tamaños del efecto se informan como el eta cuadrado parcial (ηp2; pequeño ≥ 0.01, medio ≥ 0.06, grande ≥ 0.14; Cohen, 1988 ). Todos los análisis se realizaron con el programa SPSS 20.
Resultados
A continuación, se presentan tanto los resultados de los potenciales relacionados a eventos P100, N170 y LPP, como los resultados de las medidas de autorreporte para las dimensiones de valencia, arousal y dominancia.
P100
El Anova para la amplitud del P100 reveló un efecto principal significativo para Región (F (4,268)= 45.71,p< 0.001, ηp 2= 0.40). La amplitud fue mayor en la región occipital (O1, Oz y O2), en comparación con la región parietooccipital (PO3 y PO4) (todas lasp< 0.001). No se encontró ningún otro efecto principal o de interacción significativos (todas lasp> 0.11). Con respecto a la latencia, el Anova identificó un efecto principal significativo para Región (F (4,268)= 4.38,p= 0.007, ηp 2= 0.06). La latencia en el electrodo O2 fue menor en comparación con los electrodos PO3 y O1 (ambasp< 0.05). No se encontró ningún otro efecto principal o de interacción significativos (todas lasp> 0.09).
N170
El Anova para la amplitud del N170 reveló un efecto principal significativo para Grupo (F (1,67)= 5.64,p= 0.02, ηp 2= 0.07). La amplitud del N170 fue mayor (más negativo) en el grupo de personas con alta empatía afectiva (p= 0.02) (figura 2). No se encontró ningún otro efecto principal o de interacción significativo (todas lasp> 0.150). Con respecto a la latencia, el Anova identificó un efecto principal significativo para Región (F (1,67)= 7.90,p= 0.006, ηp 2= 0.10) y para la interacción Grupo × Emoción × Región (F (2,134)= 3.32,p= 0.03, ηp 2= 0.04). En general, la latencia del N170 fue menor en el hemisferio derecho (P8) en comparación con el hemisferio izquierdo (P7) (p= 0.006). La interacción Grupo × Emoción × Electrodo muestra que la latencia fue menor en el hemisferio derecho (P8) en comparación con el hemisferio izquierdo (P7), ante losemojisde alegría y neutros en el grupo de baja empatía afectiva (ambasp< 0.05).
LPP
El Anova para el ABC del LPP encontró un efecto principal significativo para Región (F (4,268)= 14.33,p< 0.001, ηp 2= 0.17) y un efecto principal y de interacción marginalmente significativo para Emoción (F (2,134)= 2.68,p= 0.070, ηp 2= 0.03) y para Grupo × Emoción (F (2,134)= 2.97,p= 0.05, ηp 2= 0.04) (figura 3). En general, el LPP fue mayor en los electrodos Pz, PO3 y PO4 en comparación con los electrodos P3 y P4 (todas lasp< 0.05). Se encontró también una mayor magnitud del LPP ante emojiscon expresiones de ira en comparación conemojisneutros (p= 0.05). La interacción Grupo × Emoción reflejó una mayor magnitud del LPP anteemojiscon expresiones de ira en comparación conemojisneutros en el grupo de baja empatía afectiva (p= 0.004).
Fuente: elaboración propia.
Figura 3 A Grand average(P3, P4, Pz, PO3 y PO4) del PRE LPP para emojis con expresiones de alegría, ira y neutros en personas con baja y alta empatía afectiva. B. Mapa topográfico de la actividad cortical promedio entre 300 ms y 700 ms, para emojis de alegría, ira y neutros.
Medidas subjetivas
En la tabla 2 se muestran las medias y desviaciones estándar para las dimensiones de valencia, arousal y dominancia para cada expresión emocional en cada grupo. El Anova para la dimensión de valencia identificó un efecto principal significativo para Emoción (F (2,128)= 140.13,p< 0.001, ηp 2= 0.68) y un efecto principal marginalmente significativo para Grupo (F (1,64)= 3.18,p= 0.07, ηp 2= 0.04). Los emojis de alegría generaron estados afectivos positivos; los de ira, estados negativos; y los neutros, estados intermedios (todas las p < 0.001). Los participantes con alta empatía afectiva evaluaron los emojis marginalmente de forma más positiva (p = 0.07). El Anova para la dimensión de arousal encontró un efecto principal significativo para Emoción (F (2,128)= 8.11,p= 0.001, ηp 2= 0.11). Los emojis de alegría e ira generaron mayor arousal que los neutros (ambas p < 0.004). Finalmente, para la dimensión de dominancia, el Anova halló un efecto principal significativo para Emoción (F (2,128)= 3.26,p= 0.04, ηp 2= 0.04); sin embargo, en la comparación de pares solo se encontró una diferencia marginalmente significativa, donde los emojis con expresiones de ira generaron menor percepción de control en comparación con los emojis de alegría (p = 0.08).
Discusión
El objetivo del presente estudio fue identificar las diferencias en el procesamiento cortical de expresiones deemojisen personas con alta y baja empatía afectiva. Para esto se midió la amplitud y la latencia de los PRE P100 y N170, y el ABC del LPP, los cuales son índices de los procesos de atención, codificación y emoción (Maurer et al., 2002 ). Se encontró mayor amplitud del N170 en el grupo de personas con alta empatía afectiva y mayor magnitud del LPP ante emojisde ira en comparación conemojisneutros, especialmente en el grupo de baja empatía afectiva. Lo anterior sugiere que los emojis de ira generan mayor enganche atencional, y que las personas con alta empatía afectiva codifican de forma más intensa los emojis.
En el potencial P100 se obtuvieron efectos significativos en cuanto a la amplitud de los electrodos ubicados en el área occipital, en comparación con la zona izquierda occipitoparietal. Estos resultados están en línea con investigaciones previas que han demostrado que el procesamiento de rostros humanos empieza tempranamente y se refleja en el PRE P100 en la región occipital (corteza visual), en donde se codifica la información de la estructura del rostro (Hermann et al., 2005;Nakashima et al., 2008 ).
Los resultados del N170 son similares a lo encontrado con rostros humanos por Choi et al. (2014) yBalconi y Canavesio (2016 ), quienes identificaron que las personas con alta empatía tienen una mayor amplitud del N170 en presencia de rostros emocionales, en comparación con las personas con baja empatía. El aumento del PRE N170 en personas con alta empatía ante rostros humanos, y ahora ante emojis, sugiere que existe una mayor tendencia a codificar el estímulo como una cara, esto explicaría la respuesta de empatía afectiva. Es decir, codificar el estímulo como un rostro les permite a las personas una respuesta de mímica facial, la cual retroalimenta al sujeto favoreciendo el contagio emocional y, finalmente, la respuesta de empatía afectiva (Hatfield, Cacioppo y Rapson, 1992; MacDonald, 2003 ).
El LPP tuvo una mayor magnitud en la región occipitoparietal, con respecto a la atención controlada. Estos resultados son similares a los encontrados ante rostros humanos (Choi et al., 2014 ). Además, la mayor magnitud del LPP ante emojiscon expresiones de ira, en comparación con los neutros, soporta la hipótesis de que las expresiones de ira son motivacionalmente más relevantes en comparación con otras emociones, debido a que indican probabilidad de daño (Alpers, Adolph y Pauli, 2011 ).
En conjunto, los resultados del estudio sugieren que los emojis son procesados corticalmente y generan estados emocionales subjetivos similares (Smith et al., 2013 ) a los que se producen en el rostro humano, y que la empatía afectiva modula la codificación del emoji, pero no la atención primaria y el enganche atencional hacia estos estímulos. La similitud de estos hallazgos con aquellos observados con rostros humanos, pareciera radicar en que los emojis son estímulos que resaltan dos características fundamentales de la cara, los ojos y la boca. Al respecto, se ha encontrado que los ojos potencian el PRE N170 aún más que el rostro completo (Pesciarelli, Leo y Sarlo, 2016 ).
Asimismo, a partir de estos resultados, es posible concluir que la CMC es una forma eficaz de comunicar las emociones entre personas y está modulada, parcialmente, por la empatía afectiva, lo que explica, en parte, su incremento en los últimos años. Lo anterior debe analizarse tomando en cuenta varias limitaciones: primero, la población participante tuvo como característica principal ser joven, con edades entre los 18 y los 26 años, por lo tanto, se desconoce si los hallazgos pueden observarse en poblaciones de mayor edad o con menos familiaridad con la CMC. Segundo, se restringió al uso de emojiscon expresiones de alegría, ira y neutros, por lo que será necesario desarrollar futuras investigaciones que utilicen otros tipos de expresiones, como miedo, tristeza, asco y sorpresa, para validar estos primeros hallazgos
