1. 引言
面孔携带丰富的社会信息，如表情信息、性别信息、种族信息、年龄信息。因此面孔是社会互动过程中一类重要的视觉线索，人际交往的过程很大程度上依赖面孔提供的多种信息。仅仅只是快速瞥一张脸，人们就能从中获得表情、性别、种族、年龄状态等信息。面孔情绪识别(facial emotion recognition)是指通过观察对象的特定面孔情绪状态，如眼周、面部和口部肌肉的变化从而识别该对象此时的情绪状态。面孔性别识别(Facial Gender Recognition)是指通过分析个体的面部特征(如骨骼结构、五官分布、皮肤纹理等)，判断该对象性别(通常分为男性或女性)的过程。它与面孔情绪识别类似，但目标不同：前者聚焦情绪状态判断，后者关注性别分类。早期的研究认为面孔性别信息与面孔情绪信息的加工是相互独立的[1]。Bruce和Young (1986)提出面孔加工的机能模型(the functional model)，该模型认为面孔加工存在多个不同的阶段。第一阶段是结构编码，该阶段会对面孔的结构特征进行编码，包括静态编码和动态编码。面孔进行结构编码之后是两条独立并行的通路：一条是视觉处理通路，该通路主要负责面孔的表情分析、面孔性别、种族、年龄等直接视觉信息的处理；另一条是面孔识别通路，又称之为“熟人通路”，主要负责熟悉面孔的加工处理[1]。彭小虎等人(2002)对Bruce-Young的面孔认知模型进行了验证并在此基础上提出补充，形成修正后的模型。与Bruce-Young模型不同，他们认为结构编码与视觉处理通路(包括表情分析、面孔语言分析和直接视觉处理)之间相互独立且基本平行。与此同时在它们之前还存在一个分类处理阶段，该阶段主要负责完成性别、种族、面孔熟悉度等信息处理[2]。
后续研究表明，发现面孔性别和面孔情绪的信息加工并非独立运作，而是存在加工重叠效应，且两者间呈现双向交互作用[3]-[7]。美国心理学家Krech (1958)在其著作《心理学纲要》(Elements of Psychology)中系统提出了四种基本情绪的分类框架，包括快乐(Joy)、愤怒(Anger)、恐惧(Fear)与悲伤(Sadness)。作为核心的负性基本情绪，愤怒与悲伤在人类社会互动中具有高频出现。既往研究通过系统考察这两种情绪的性别优势效应，发现被试对男性愤怒面孔和女性悲伤面孔的识别表现出显著的性别优势效应，具体表现为更高的反应速度和识别准确率。然而，针对该现象的形成机制，学界仍存在理论解释的分歧：部分研究者主张生物进化中驱动的视觉结构假说，另有学者强调性别与情绪的情感联结，或是性别和特定情绪绑定的刻板印象。例如对男性的相对负面评价可以帮助识别相对负面的表情，男性面孔的快乐与愤怒相比，更够更快更准确的识别愤怒[8]。不过也有研究表明，同样为负面情绪的悲伤与愤怒，被试能够更好的识别愤怒而非悲伤[4]。在此背景下，以愤怒和悲伤情绪为研究对象，深入解析负性基本情绪与性别因素的交互机制，不仅有助于厘清情绪识别的神经认知基础，更对完善社会认知理论框架具有重要的理论价值与实践意义。
此外，根据情绪表达通道的差异，可将其划分为面孔情绪、肢体情绪和言语情绪三个维度。其中，肢体情绪特指通过身体姿态、动作特征及手势变化等非言语行为传递的心理状态。并且面孔情绪和肢体情绪共同通过视觉通道进行加工，具有更多的相似性。尽管面孔表情作为一种明显的社会信息源在性别识别与情绪判断中具有重要作用，但实证研究表明，观察者能够通过身体形态特征及运动模式准确识别性别与情绪信息。然而现有学术文献对肢体情绪的关注度相对有限，其研究成果在数量级和质量层面均显著落后于面部情绪研究领域。
2. 常用实验范式
2.1. 面孔情绪、性别分类任务
在探究面孔情绪识别与性别认知的交互机制及其行为学基础时，研究者普遍采用双通道实验范式——面孔情绪分类任务(Facial Emotion Categorization Task)与面孔性别分类任务(Facial Gender Categorization Task)。前者通过向被试呈现具有性别差异(男性/女性)及情绪维度分化(如愤怒/悲伤)的实验刺激，要求被试基于标准化操作程序对目标情绪进行快速精准分类[9]；后者则要求被试在同等实验条件下优先完成性别维度判断。这两类任务在认知加工层级上存在本质性差异：情绪分类任务通过反应时与正确率指标，可有效揭示性别线索对情绪信息解码的调节效应；而性别分类任务则能够量化情绪效价对性别特征识别的潜在干扰作用。根据研究设计对信息加工方向的侧重差异，研究者可以选择性的使用这两种任务。
在实验面孔材料层面，基于刺激源的类型差异可将其划分为真实人脸数据库与计算机生成模型两类面孔材料。真实人脸材料因其天然包含社会文化特征而具有较高的生态效度，目前国内常用标准化数据库包括中国面孔表情图片系统(CFAPS)及中国汉族、回族和藏族面部表情数据库[10] [11]。然而，真实人脸可能因个体解剖学特征(如骨骼结构、软组织分布)的固有差异形成难以控制的混淆变量。为此，研究者常采用参数化建模方法构建标准化刺激材料，通过消除自下而上的物理特征变异来增强实验结果的内部效度。在此类研究中，FaceGen等三维人脸合成软件被广泛运用于生成具有可控表情参数与性别特征的虚拟面孔模型，其优势在于能够实现面部形态学变量与表情参数的独立操纵[12]。
2.2. 肢体情绪、性别分类任务
在探究非言语情绪表征的认知机制时，肢体情绪分类范式(Bodily Emotion Categorization Task)聚焦于身体性别线索对情绪识别的调节效应[13]-[15]。该范式通过将面部刺激替换为肢体动作，构建出与面部情绪分类任务平行的实验框架。基于同样的实验逻辑，衍生出肢体性别分类任务(Bodily Gender Categorization Task)，旨在系统解析情绪特征与性别线索的双向交互机制。相对而言，目前很少有研究调查从身体可识别的多种社会线索之间的相互作用。在迄今为止完成的研究中，大多数都集中在身体性别线索和情绪表达之间的相互作用上，关于从身体可识别的性别和情绪线索是否相互作用，出现了混杂的结果[14]-[16]。Bijlstra等人(2019)采用肢体情绪分类任务，使用非标准化刺激(BESST数据库)通过三项实验系统探讨了性别刻板印象和偏见如何影响情绪身体姿势的识别，重点关注愤怒与悲伤的识别差异及其与性别线索的交互作用[5]。三项实验一致表明，性别线索激活刻板印象(男性–愤怒，女性–悲伤)，导致情绪识别的速度与准确性偏向刻板一致的类别。然而，Gandolfo等人(2019)使用自制刺激材料[16]，包含8名演员(4男4女)的静态身体姿态照片，表达4种情绪(愤怒、恐惧、快乐、悲伤)。探究发现对肢体情绪的识别不受性别信息的影响，情绪信息也不影响性别判断(如愤怒/快乐肢体的性别分类不受情绪干扰)，这支持情绪与性别在感知中的独立通路。之后Craig (2023)同样使用非标准化刺激(BESST数据库) [14]，采用这两类任务研究发现，被试能够快速准确的识别男性愤怒肢体动作与女性悲伤肢体动作，并且性别与情绪信息互相影响。作者认为这是由于社会中人们存在男性愤怒、女性悲伤的刻板印象，从而驱动了对特定面孔类型的优势加工。不过其解释也无法排除视觉结构的作用，因为有可能男性与愤怒、女性与悲伤的动作或形体特征，促进了对应任务的加工[14]。并且这类研究得出不一致的结果，很可能是由于使用的肢体刺激不够标准化，未来可以借助计算机生成的标准化刺激，使用肢体情绪与性别分类任务，探究肢体负性基本情绪与性别之间的交互作用。
2.3. 动态情绪分类范式
鉴于人类情绪状态具有动态性和瞬变性(常于毫秒级时间窗口内完成跨效价迁移)，传统静态情绪识别范式难以充分模拟真实社会互动中的知觉复杂性。为提升实验生态效度，研究者引入动态情绪分类范式，系统考察性别线索对动态情绪识别的调节效应。所谓动态情绪分类任务指的是，呈现两种表情渐变融合的面孔，研究性别对情绪分类的影响。在这类任务中，被试需要观看一个表情变向另一个表情的视频，并指出何时首次觉察到特定表情的出现或消退，或要求他们对性别不同的模糊渐变表情进行标注[9]。Inzlicht等人(2008)通过计算机生成的男女面孔进行愤怒–快乐渐变实验，发现参与者对男性面孔上愤怒表情消退的觉察速度慢于女性面孔[17]。Parmley和Cunningham (2014)发现女性参与者在中性悲伤渐变过程中，对女性面孔的悲伤觉察速度快于男性面孔[18]。这些研究在动态情绪识别中，再次证实了特定性别情绪组合的感知偏向：愤怒优势存在于男性面孔，而悲伤优势则体现在女性面孔。体现了在面孔识别中，男愤怒，女悲伤识别优势的稳定性。
3. 理论解释
不论是在面孔分类任务，还是在肢体分类任务中，性别和情绪之间存在密切的联系。且这种联系在静态和动态材料呈现任务中都有出现。这足以证明特定性别和情绪之间的联系是非常紧密的，不受实验范式的影响。以愤怒和悲伤情绪为例，对男愤怒、女悲伤的识别优势是广泛证明了的。但是关于这种识别优势的理论解释存在差异，现有理论主要有以下三种理论解释，分别是视觉结构理论、评价联结理论、性别情绪刻板印象理论。
3.1. 视觉结构理论
视觉结构理论(Visual Structure Theory)认为面孔性别与面孔情绪在物理结构上的相似性，促进了面孔识别中的男性愤怒优势、女性悲伤优势(同样适用于肢体情绪与肢体性别)。有研究表明男性面孔与愤怒情绪更相似，女性面孔特征与悲伤情绪更相似。男性和女性有着不同的典型面孔特征。这些面孔特征与特定的社会信息相联系。对于男性典型面部特征而言，拉长的下巴、较低的前额和较粗的眉毛，这些特征可以作为强大或战斗能力的信号，阻止其他潜在的竞争对手。而这些特征在视觉上更愤怒情绪更为接近。对于女性典型面部特征而言，如比较大的面部特征(比如具有相对于整体面孔尺寸的大眼睛)使其更加年轻和幼态[19]。这些特征与悲伤情绪更为接近。Becker (2007)通过7项研究表明，被试更快更准确地探测到男性面孔上的愤怒表情。这些发现在不同的刺激集和判断任务中都是稳健的，表明了自下而上的知觉过程，而不仅仅是自上而下的概念驱动。通过中性表情的研究结果表明，男性愤怒的联系可能是面孔性别本身性别二态性的特征[3]。
3.2. 评价联结理论
评价联结理论(Evaluative Associations Theory)指出，性别角色与情绪效价之间的社会情感联结是驱动特定面孔识别优势的核心机制。该理论以情绪效价(积极/消极)为分类维度，认为快乐等积极情绪常与女性特质形成内隐关联，而愤怒、悲伤等消极情绪则更易与男性特质建立自动化联结[20] [21]。这种社会认知的性别–情绪效价匹配效应在面孔识别领域表现为：当面孔性别与其社会预期的情绪效价一致时(如女性表达快乐、男性表达愤怒)，个体的情绪识别速度和准确性显著提升；反之，当性别与情绪效价背离情感联结时(如男性微笑或女性愤怒)，识别过程则出现延迟和错误率增加[8]。Becker采用情绪分类任务和性别分类任务探究面孔情绪与面孔性别加工的交互作用，研究结果显示男性愤怒面孔比女性愤怒面孔更容易识别，而女性快乐面孔比男性快乐面孔更容易识别[3]。Hugenberg采用快乐、悲伤情绪的分类，证明了女性快乐分类优于女性悲伤。此类识别优势源于长期社会学习中形成的内隐评价联结，而非是认知联结的刻板印象[8]。不过这一理论虽然可以解释男愤怒、女快乐，但却难以解释男愤怒、女悲伤的识别优势。
3.3. 性别情绪刻板印象理论
性别情绪刻板印象理论(Gender-Emotion Stereotype Theory)强调，社会文化中形成的关于性别与情绪表达的固有信念，通过认知预期直接影响个体对面孔性别与情绪信息的交互加工。个体通过简化社会信息加工，将性别与特定情绪表达绑定为认知图式。这种图式化认知能够提高信息处理效率，但也可能导致系统性偏差。这一理论认为，长期的社会观察与文化规训塑造了“男性易怒、女性易悲”的刻板化关联，进而导致对特定性别–情绪组合的识别优势。尤其在单效价负性情绪(如愤怒与悲伤)条件下，性别情绪刻板印象的解释力显著优于仅依赖情绪效价的评价联结理论[4] [22]。例如，社会普遍预期男性更倾向于表达愤怒(与“力量”“支配性”关联)，而女性更倾向于表达悲伤(与“脆弱”“共情”关联)。从而在面孔情绪/性别分类任务中表现为男性愤怒优势、女性悲伤优势，即对符合刻板印象的性别–情绪组合反应更快、更准确[4]。
评价联结理论强调性别与情绪效价的情感联结，然而性别情绪刻板印象理论强调性别与特定情绪的认知联结。前者更偏向于情感联系，是一种偏见，具有情绪性，而后者偏向于认知联结。并且有研究表明，评价联结理论和性别情绪刻板印象理论具有相对独立性。评价联结和性别情绪刻板印象是相互独立的。评价联结理论强调情绪效价(积极/消极)与特定社会类别(如性别、种族)的情感自动化联结，而性别情绪刻板印象则指向对外部群体的文化信念认知表征，两者分别对应情感系统与认知系统的分离性[23] [24]。
研究发现，种族情绪刻板印象(Racial Emotion Stereotype Theory)发挥着和性别情绪刻板印象相似的作用，能够促进最特定种族面孔情绪的识别或分类，这为刻板印象驱动的面孔或肢体情绪识别提供了跨领域证据。Amodio与Devine (2006)通过情绪分类任务范式考察种族因素对面孔情绪识别的影响[23]，研究发现非洲裔美国人面孔与消极情绪词汇(如“危险”)存在显著内隐联结，而白人面孔则与积极情绪词汇(如“友善”)呈现更强的关联性。这一种族化情感效价偏差现象符合评价联结理论的核心假设，表明社会群体与情绪效价间存在自动化情感映射机制。为进一步区分认知与情感系统的作用，研究者采用内隐联想测验(Implicit Association Test, IAT)，通过智力属性词(如“聪慧”)与运动属性词(如“敏捷”)的对比范式，发现非洲裔美国人与运动属性词存在特异性认知联结，此类关联独立于情绪效价维度，反映了基于社会文化建构的群体特征刻板印象。通过皮尔逊相关性分析，两类IAT任务得分间未呈现显著统计关联，证实评价联结(情绪效价维度)与刻板印象(属性认知维度)分别表征情感系统与认知系统的独立运作模式[23]。Bijlstra (2019)通过动态面部表情识别任务与静态情绪分类任务，系统考察了情绪类型(悲伤/愤怒)与社会群体类别(摩洛哥人/荷兰人)间刻板印象关联对面孔情绪识别的调控机制。研究者通过整合情绪内隐联想测验(Emotional Implicit Association Test, eIAT)与传统内隐联想测验范式，量化测量被试种族–情绪内隐联结强度。跨实验数据显示，被试在eIAT中表现的“摩洛哥–愤怒/荷兰–悲伤”联结水平与其行为任务中的种族化情绪识别偏差呈显著正相关，与传统IAT之间没有显著相关。该结果表明，基于社会类别的情绪刻板印象可通过强化特定群体–情绪联结，定向塑造面孔知觉的认知预期偏差。
Adams通过三维面部建模与情绪分类算法，发现非洲裔美国人面孔的结构特征更接近恐惧表情原型，而欧洲裔美国人面孔则更趋近愤怒原型[23]。上述发现不能从视觉结构理论的角度解释“愤怒黑人”面孔情绪识别优势，这直接挑战了情绪识别的视觉结构理论。这说明面孔感知中，“愤怒的黑人”识别优势是种族情绪刻板印象驱动的，因为被认为是非洲裔美国人外貌原型的结构特征与常见的种族情绪刻板印象相冲突。
4. 理论整合与总结
针对当前理论解释的分歧，本文提出一个多层级动态模型(Multi-Level Dynamic Model, MLDM)，旨在系统整合视觉结构理论、评价联结理论与性别情绪刻板印象理论，揭示性别与负性情绪交互作用的认知层级与动态机制。该框架将认知加工分解为感知层、情感层、认知层，并强调三者间的双向交互路径，从而为跨范式稳定性和文化差异提供统一解释。
层级结构与上文理论解释相对应。感知层：基于视觉结构理论，性别与情绪在物理特征上的相似性(如男性粗犷轮廓与愤怒表情的视觉重叠)驱动自下而上的自动化加工。这一层级通过快速提取面孔或肢体的形态学线索(如男性低前额、女性大眼距)，形成初始识别优势，并解释跨范式(静态/动态任务)的稳定性[3]。情感层：评价联结理论的核心机制在此层级发挥作用，性别与情绪效价(积极/消极)的长期情感联结(如男性–消极、女性–积极)调节感知输出。例如，男性愤怒的识别优势既源于视觉结构，也因“男性–愤怒”的效价一致性而被强化[8]。这一层级独立于刻板印象，反映情感系统的自动化偏差。认知层：性别情绪刻板印象理论主导此层级，社会文化建构的预期(如男怒女悲)通过自上而下的认知调控调整加工优先级。在模糊表情或复杂情境中，刻板印象引导注意力分配至符合预期的特征(如优先关注男性眉部以探测愤怒)，从而放大识别优势[4]。
三层机制并非孤立运作，而是通过自下而上的反馈以及自上而下的调制共同发挥作用。感知层的物理特征(如男性粗犷轮廓)激活刻板印象(“男性易怒”)，进一步强化认知层的预期偏差；认知层刻板印象调整感知焦点(如关注女性眼周以捕捉悲伤)，间接放大视觉结构效应。当性别–情绪组合与效价或刻板预期冲突时(如女性愤怒)，情感层与认知层可能竞争主导权，导致识别延迟或错误率上升；而当三者一致时(如男性愤怒)，层级间协同作用显著提升加工效率。
5. 局限性以及未来研究发展
尽管现有研究在揭示负性基本情绪与性别交互作用的认知机制方面取得了重要进展，但仍存在以下局限性，需在未来研究中加以改进与拓展。
第一，研究范式的生态效度与跨模态整合不足。当前研究多聚焦于面孔情绪识别，对肢体情绪的关注相对有限，且实验材料标准化程度较低。例如，肢体情绪分类任务中使用的刺激多依赖非标准化数据库(如BESST)，其动作幅度、姿态复杂度及文化特异性均缺乏统一控制，导致结果异质性较高[14] [15]。此外，现有研究多采用静态或简单动态刺激，难以模拟真实社交场景中多模态情绪表达(如面部、肢体与语音的同步呈现)对性别–情绪交互的复杂影响。未来研究可结合虚拟现实(VR)技术构建高生态效度的多模态实验环境，或利用开发标准化肢体情绪数据库，以系统解析性别线索在不同感知通道中的动态调控机制。
第二，理论解释的协同路径尚未明确。视觉结构理论、评价联结理论与性别情绪刻板印象理论分别从感知、情感与认知层面提出独立机制，但三者如何协同或竞争仍缺乏实证支持。例如，当性别-情绪组合与物理特征、效价联结及刻板预期均一致时(如男性愤怒)，其识别优势可能源于多层级机制的叠加效应；而当三者冲突时(如女性愤怒)，不同层级的加工权重尚不清晰。未来可通过矛盾情境实验(如呈现具有女性结构特征却表达愤怒的面孔)结合计算建模(如贝叶斯网络)量化各理论的解释贡献，或采用神经影像技术(如fMRI、ERP)定位不同机制对应的脑区激活模式，从而揭示其交互的动态神经基础。
第三，跨文化差异与社会动态性未充分探讨。现有结论多基于西方文化背景，而情绪表达规范与性别刻板印象存在显著文化异质性。例如，东亚文化中“情绪抑制”倾向可能弱化性别–情绪的外显联结，而集体主义价值观可能强化群体内情绪识别的刻板偏差。此外，社会性别观念的动态演变(如非二元性别认同的兴起)可能重塑传统性别–情绪联结，但此类社会变迁对认知机制的影响尚未被纳入研究框架。未来需开展跨文化对比研究，并采用纵向设计追踪社会观念变迁如何调节性别与情绪的交互模式。
第四，样本多样性及个体差异关注不足。现有实验多招募大学生群体，其年龄、教育水平及社会经验同质性较高，限制了结论的普适性。研究表明，情绪识别能力随年龄增长呈非线性变化[18]，而性别认同可能通过自我归类机制影响刻板印象的激活强度。此外，个体认知风格(如场依存性)、共情水平及内隐偏见程度等变量可能调节性别–情绪交互效应，但此类调节作用尚未被系统考察。未来需扩大样本范围，纳入不同年龄、文化背景及性别认同群体，并引入调节变量分析以揭示个体差异的潜在作用。
第五，应用转化与实践价值有待挖掘。当前研究偏重基础理论构建，较少探讨其社会应用场景。例如，性别–情绪刻板印象可能导致司法决策中“愤怒男性更危险”的认知偏差，或医疗环境中“女性疼痛表达被低估”的诊断误差。未来可结合人工智能伦理领域，开发去偏见的情绪识别算法；或通过干预训练(如反刻板印象暴露)削弱自动化偏见，提升公共服务中的情绪感知公平性。
总之，负性情绪与性别的交互机制研究需在范式创新、理论整合、文化拓展及实践转化等多维度深化。通过跨学科协作与技术创新，未来研究有望构建更具包容性与动态性的认知模型，为理解社会知觉的复杂性提供新视角。