Wie wir positive Emotionen ausdrücken und ableiten
Die Forschung über nonverbale emotionale Ausdrucksformen hat sich weitgehend auf die Untersuchung einer kleinen Gruppe von typischerweise negativen Emotionen beschränkt und sich stark auf die Verwendung von gestellten Ausdrücken verlassen. Im Rahmen des EU-finanzierten Projekts sollte dies geändert werden. „Um der Erforschung von Emotionen eine positive Wendung zu geben, haben wir uns darauf konzentriert zu analysieren, wie sich positive Emotionen anfühlen und wie wir sie durch unser Gesicht und unsere Stimme ausdrücken“, sagt Disa Sauter, Psychologin an der Universität Amsterdam.
Gelassenheit und Hoffnung: zwei Emotionen im Kern des Wohlbefindens
Die COVID-19-Pandemie erschwerte zwar einige Aspekte der Projektforschung, bot aber eine einzigartige Gelegenheit, Emotionen und Wohlbefinden in einer Zeit anhaltenden Stresses zu untersuchen. Diese Forschungsarbeit, deren Ergebnisse in der Zeitschrift „Emotion“ der American Psychological Association veröffentlicht wurden, stützte sich auf Umfragedaten, die von 24 221 Teilnehmerinnen und Teilnehmern in 51 Ländern während der Pandemie erhoben wurden, sowie auf eine Tagebuchstudie. Das PEP-Team, dem mehrere Personen in Promotion und Doktorat angehörten, fand heraus, dass verschiedene Arten positiver emotionaler Erfahrungen in unterschiedlichem Maße mit dem Wohlbefinden zusammenhängen. So haben die Forschenden beispielsweise festgestellt, dass Ruhe und Hoffnung zwei Emotionen sind, die für das Wohlbefinden besonders wichtig sind. „Dies ist überraschend, da sich emotionale Eingriffe zur Verbesserung des Wohlbefindens in erster Linie auf Dankbarkeit und Mitgefühl konzentrieren“, kommentiert Sauter. Sie ergänzt, dass die Möglichkeit, dies für eine große Anzahl von Ländern weltweit unter Einsatz verschiedener Methoden nachzuweisen, ein neuartiges, aber sehr robustes Ergebnis darstellt.
Aus dem Gehörten auf den emotionalen Kontext schließen
Ein weiteres wichtiges Ergebnis des vom Europäischen Forschungsrat finanzierten Projekts war die Prüfung der Frage, wie Menschen aus spontanen nonverbalen Äußerungen wie Seufzern und Grunzen auf Verhaltenskontexte schließen können. Die Forschenden wollten herausfinden, ob Zuhörende auf den spezifischen Verhaltenskontext schließen können, in dem sich eine Person befindet, wenn sie sich äußert. „Wenn wir eine andere Person lachen oder schreien hören, wollten wir wissen, ob die Zuhörenden erkennen können, in welcher Situation sie sich befindet – zum Beispiel, ob sie spielt oder streitet“, bemerkt Sauter. Sie fanden heraus, dass wir tatsächlich aus nonverbalen Lautäußerungen auf Kontexte schließen können, was darauf hindeutet, dass Zuhörende für systematische Zuordnungen zwischen akustischen Strukturen in Lautäußerungen und Verhaltenskontexten empfänglich sind. Über diese Forschung wurde in einer in der Zeitschrift „Cognition and Emotion“ veröffentlichten Arbeit berichtet.
Eine solide Grundlage für die zukünftige Forschung über positive Emotionen
Das PEP-Projekt hat Forschungsergebnisse und Daten hervorgebracht, die nicht nur innerhalb und außerhalb der Wissenschaft auf großes Interesse stießen, sondern auch als wichtige Grundlage für künftige Forschungsinitiativen dienen werden. So wurden zum Beispiel viele ihrer Erkenntnisse genutzt, um spezifische Muster von Gesichts- und Stimmausdrücken spontaner positiver Emotionen abzubilden. „Wir haben die Erforschung positiver Emotionen angeregt und die Notwendigkeit hervorgehoben, zwischen verschiedenen positiven Emotionen zu unterscheiden und emotionale Erfahrungen und Ausdrücke in der realen Praxis zu analysieren“, so Sauter abschließend. Aufbauend auf den Ergebnissen des Projekts PEP erforscht Sauter derzeit die Zusammenhänge zwischen positiven Emotionen und Nachhaltigkeit. In der Zwischenzeit verwendet ihre Forschungsgruppe einen Ansatz des maschinellen Lernens, der im Rahmen der PEP-Daten entwickelt wurde, um weiter Forschung an den Emotionen in der Stimme weiter zu betreiben.
Schlüsselbegriffe
PEP, Emotionen, positive Emotionen, Ruhe, Hoffnung, Wohlbefinden, emotionaler Kontext, maschinelles Lernen
