Lernziele in R

Images in Plots

Motivation

Die Vektortheorie von (Russel, 1980) versucht Emotionen als multidimensionales Phänomen zu erklären. Dabei werden Emotionen durch die beiden Grunddimensionen: (1) Erregung (Arousal oder Intensität) und (2) Valenz beschrieben. Später wurden diese Grunddimensionen auch erfolgreich zur Beschreibung des emotionalen Charakters von Stimulusmaterial verwendet (Purves et al., 2013).

Emojis sind kleine Piktogramme, die Stimmungen oder Emotionen bildlich darstellen. Aus kommunikationspsychologischer Sicht versucht der Sender mit einem Emoji, dem Empfänger die emotionale Färbung einer Botschaft zu übermitteln. Um es mit Watzlawick zu beschreiben, bezieht sich ein Emoji vor allem auf den Beziehungsaspekt einer Botschaft.

Methodik

Im Rahmen eines meiner Methoden-Seminare führte ich eine Befragung mit 20 Teilnehmer durch. Zunächst wählte ich 38 Emojis aus, die ich den 6 Basisemotionen: Freude, Trauer, Ekel, Ärger, Angst und Überraschung zuordnete. Anschließend wurde den Teilnehmern eine zufällige Auswahl von 24 Emojis präsentiert, die hinsichtlich der am ehesten zutreffenden Emotion, der Valenz und der Intensität bewertet wurden. Valenz und Intensität wurden mir einem Schieberegler von 0 (minimal) bis 100 (maximal) eingestellt.

Der Datensatz emoji_df enthält die aggregierten Werte der 38 Emojis (aggregiert wurde über die verschiedenen Teilnehmer).

# Einlesen der Daten
library(readr)
emoji_df <- read_delim(
  "https://www-user.tu-chemnitz.de/~burma/blog_data/emoji_df.csv", 
  delim = ";", escape_double = FALSE, locale = locale(decimal_mark = ",", 
        encoding = "ISO-8859-1"), trim_ws = TRUE)

Der Datensatz enthält die Variablen:

Emoji_Typ … Welcher Emotion drückt das Emoji am ehesten aus?
Intense_m … Intensitätsrating (\(\bar{x}\))
Intense_sd … Intensitätsrating (\(s\))
Valence_m … Valenzrating (\(\bar{x}\))
Valence_sd … Valenzrating (\(s\))
RT_m … Dauer zur Beantwortung von Emoji_Typ (\(\bar{x}\))
RT_sd … Dauer zur Beantwortung von Emoji_Typ (\(s\))
Var_R … Variation Ratio von Emoji_Typ

Emoji_Typ	Intense_m	Intense_sd	Valence_m	Valence_sd	RT_m	RT_sd	Var_R
Freude	75.70	26.98	89.70	12.18	11.91	3.43	0.00
Freude	75.62	15.98	69.75	29.39	16.65	8.79	0.00
Freude	83.00	20.26	87.10	10.18	11.18	5.37	0.00
Freude	87.22	12.70	80.89	13.93	10.73	3.86	0.00
Freude	55.50	17.96	74.43	16.74	16.35	8.81	0.00
Trauer	55.42	23.37	25.58	14.36	20.77	11.39	0.00
Ekel	72.25	16.91	15.25	10.64	19.68	13.15	0.58
Trauer	72.78	14.18	17.44	10.14	14.39	6.76	0.11
Angst	57.00	10.71	26.43	14.59	16.56	5.95	0.43
Ärger	82.23	12.42	17.31	14.09	15.14	9.21	0.00
Ärger	94.11	10.15	10.89	16.82	12.70	5.01	0.00
Trauer	70.31	21.92	18.85	8.73	12.28	3.19	0.00
Angst	70.12	15.52	24.75	23.74	38.71	57.18	0.38
Ärger	82.25	15.11	17.00	15.41	12.93	6.34	0.00
Trauer	64.09	21.64	25.00	9.44	20.75	19.26	0.45
Überraschung	67.64	13.89	33.18	20.91	18.91	8.36	0.18
Überraschung	62.55	12.54	24.64	8.92	16.98	13.95	0.45
Ärger	70.00	15.68	23.25	15.37	22.57	18.65	0.38
Angst	43.62	17.43	38.85	14.23	26.40	21.54	0.54
Trauer	92.91	10.36	6.09	12.05	15.13	17.76	0.00
Überraschung	70.64	20.75	51.57	15.07	10.63	3.65	0.00
Angst	77.27	20.59	16.64	15.09	15.45	4.51	0.36
Überraschung	89.57	15.98	49.57	17.35	12.03	3.81	0.00
Überraschung	70.90	17.22	36.70	16.77	13.22	2.94	0.10
Überraschung	76.30	14.50	33.40	11.01	29.05	36.69	0.20
Ekel	58.90	28.00	36.90	13.48	15.38	6.38	0.60
Trauer	44.18	21.70	27.82	10.40	16.83	12.95	0.18
Freude	44.00	23.00	65.44	14.82	14.94	8.28	0.00
Ekel	87.38	9.32	12.15	9.18	11.27	2.86	0.00
Freude	96.44	6.04	85.56	15.91	11.09	3.25	0.00
Freude	63.80	6.61	66.40	22.27	12.12	3.71	0.00
Ärger	94.00	12.41	7.00	13.93	10.00	2.14	0.00
Ekel	92.00	8.19	10.29	11.31	8.03	1.70	0.00
Überraschung	87.75	14.34	53.00	21.48	23.14	14.38	0.12
Freude	80.78	10.43	90.11	9.88	16.04	8.48	0.00
Überraschung	46.20	21.75	43.90	19.55	29.16	14.60	0.60
Freude	35.08	23.60	57.69	16.66	23.39	13.10	0.23
Freude	66.29	21.36	88.29	10.03	14.44	4.50	0.00

Ergebnis

Betrachten wir zunächst den Zusammenhang von Valenz und Intensität:

plot(emoji_df$Intense_m, emoji_df$Valence_m, xlab = "Intensity", ylab = "Valenz")

cor(emoji_df$Intense_m, emoji_df$Valence_m)

[1] -0.1035579

Die Korrelation ist mit \(r = -0.1\) so gut wie nicht vorhanden. Aber Achtung! Was passiert, wenn wir die Emotion in unsere Analyse einbeziehen?

# Zeichenoptionen 2*3 Fenster festelgen
par(mfrow = c(3,2))

# Behelfsvariable mit den Emotionen 
Emos <- unique(emoji_df$Emoji_Typ)
# Alle Grafiken werden innerhalb einer for-Schleife generiert
for (i in 1:6) {
  ix <- which(Emos[i] == emoji_df$Emoji_Typ)
  x <- emoji_df$Intense_m[ix]
  y <- emoji_df$Valence_m[ix]
  # Erstellung der Grafik
  plot(x, y, main = paste("Emotion:", Emos[i], "| r = ", round(cor(x, y), 2)),
       xlab = "Intensität", ylab = "Valenz", 
       xlim = c(0,100), ylim = c(0,100))
  # Erstellung der Regressionsgerade
  abline(lm(y ~ x), lty = 2)
  # Erstellung der Emojis als Punkte
  for (j in 1:length(x)) {
    image <- png::readPNG(emoji_df$Emoji_Code[ix[j]])
    rasterImage(image, 
                xleft = emoji_df$Intense_m[ix[j]] - 4,  
                xright = unlist(emoji_df[ix[j], "Intense_m"]) + 4,
                ybottom = unlist(emoji_df[ix[j], "Valence_m"]) - 4, 
                ytop = unlist(emoji_df[ix[j], "Valence_m"]) + 4)
  }
}

Bezieht man die Emotion mit ein, zeigen sich sehr deutliche Zusammenhänge. Das ist ein schönes Beispiel für eine sogenannte Moderation. In Abhängigkeit der Emotion verändert sich die Größe des Zusammenhangs zwischen Intensität und Valenz.

Emojis

Die hier gezeigten Emojis stammen aus googlefonts/noto-emoji und sind unter Apache License veröffentlicht.

Literatur

Purves, D., Brannon, E. M., Cabeza, R., Huettel, S. A., LaBar, K. S., Platt, M. L., & Woldorff, M. G. (2013). Principles of cognitive neuroscience. Sunderland: Sinauer Associates.

Russell, J. A. (1980). A circumplex model of affect. Journal of Personality and Social Psychology, 39(6), 1161–1178. https://doi.org/10.1037/h0077714

Watzlawick, P., Beavin, J., & Jackson, D. (2017). Some tentative axioms of communication. In Communication theory (pp. 74-80). Routledge.