情绪工作

摘要： 目的探讨应用临床场景再现融入人文元素对精神科低年资护士培训的效果。方法对某精神病专科医院入职3年内的93名护士采用临床场景再现融入人文元素进行培训,培训设计和实施包括资料收集、再现场景的设计、同伴现身分享、场景再现演练及反思、组织交流会5个步骤。在培训前及培训结束3个月后采用护士共情能力量表、护士情绪工作量表、关怀能力量表,并结合护士反思日记评价培训效果。结果88名护士完成培训。培训结束进入临床3个月后,护士共情能力得分、关怀能力得分高于培训前(均P<0.05);情绪工作量表中深层扮演及情绪表达要求维度得分高于培训前,表层扮演维度得分低于培训前(均P<0.05);反思日记体现护士坚定了职业信念,提升了人文素养。结论临床场景再现融入人文元素能有效开展人文渗透,引导精神科低年资护士学思结合、知行统一,有助于提高其共情能力、人文关怀能力,改善其情绪工作倾向。

摘要： 新时代加强教师队伍建设的一个重要命题在于重视教师的情绪问题。当前研究者们关于教师工作是情绪劳动还是情绪工作的分歧,普遍忽视了教师职业内部的异质性。从市场性与公共性的维度将教师职业划分为私立补习教师、私立雇员教师、公立雇员教师和公务教师四个类型,在博尔顿的情绪管理4Ps模型和格兰迪等提出的从情绪劳动到情绪工作的连续体的基础上,融入情绪劳动的马克思异化理论基础的异化与非异化维度,构建出教师情绪分析的连续体模型。对于教师工作而言,并不存在简单的是或者不是情绪劳动的二元划分,而是呈现出一个从情绪劳动到情绪工作的连续体。

摘要： 对国内外情绪劳动的概况、助产士情绪劳动的来源及策略进行梳理,分析国内外助产士情绪劳动现状,为提高助产士情绪劳动效果、促进其身心健康提供参考.

摘要： 近年来,随着我国市场经济的不断深化,一线服务型员工面对着更大的市场冲击和组织压力,消费者需求也更加复杂多变,员工表现的情绪状态将直接影响工作状态与工作质量.为探讨情绪宣泄、情绪工作(表面作用及内涵作用)与员工积极情感交互之间的关系,本研究以江西、浙江、广东130家汽车销售企业的421名销售人员为研究对象,采用问卷调查法展开研究.研究结果表明:情绪宣泄对员工积极情感交互具有积极的影响,而表面作用与内涵作用在二者间承担中介作用.根据研究结果,建议相关企业在一线服务工作人员的管理上应针对其产品特征与销售人员特质加以优化,以应对激烈的市场竞争.

摘要： 目的:了解三甲医院护士情绪工作的现状及影响因素。方法:采用一般情况表、护士情绪工作量表,对南昌市三甲医院160名护士进行问卷调查,了解情绪工作的现状。结果:160名护士情绪工作各维度得分由高到低为深层扮演(4.58±0.93)分、情绪表达要求(3.51±1.03)分、表层扮演(3.42±0.95)分。结论:南昌市三甲医院护士情绪工作得分处于中等水平,本科及以上护士在工作中更多的采用表层扮演。护理管理者有必要采取有效干预措施进行干预,以改善护理人员的情绪工作现状。

摘要： 采用问卷调查法,探究了影响金融行业和餐饮行业服务员工情绪工作的家庭层面因素.结果表明:家庭-工作冲突对情绪工作的陪伴行为、帮助行为和管制行为具有负向影响;家庭-工作平衡和家庭-工作增益对情绪工作的陪伴行为、帮助行为和管制行为均具有正向影响.

摘要： 教师在工作岗位中通常需要对情绪进行调节从而表达出教师角色和教学岗位所要求的情绪.本文针对山东省小学教师群体,采用回归分析对教师的情绪调节能力进行了研究,结果发现小学教师在情绪工作中,更多采用表面行为和被动深度行为来调节情绪,情绪调节能力与主动深度行为有关.

摘要： 教师在工作岗位中通常需要对情绪进行调节从而表达出教师角色和教学岗位所要求的情绪。本文针对山东省小学教师群体,采用回归分析对教师的情绪调节能力进行了研究,结果发现小学教师在情绪工作中,更多采用表面行为和被动深度行为来调节情绪,情绪调节能力与主动深度行为有关。

摘要： 本发明提供一种情绪分析方法、情绪提醒方法及情绪提醒控制装置，方法包括：采集语音信息并转化成文本，基于双层长短期记忆人工神经网络进行文本表征与辅助信息引入；利用辅助信息得到文本中的含有情感的词作为分析对象；分析对象中多个词之间建立情感依赖；筛选出最终目标分析对象；捕获最终目标分析对象和文本中上下文之间的关系；获取外部语料库，从外部语料库筛选出与最终目标分析对象相关性高于预设相似度的句；得到最终目标分析对象的情感对；基于情感对进行情绪分析。可以有效了解到文本中涉及到的详细方面的情感倾向性，为后续分析与决策提供一定的辅助信息。

摘要： 一种情绪检测设备、情绪检测系统、情绪检测方法和计算机可读存储介质。情绪检测设备包括：心率处理模块和情绪处理模块。所述心率处理模块被配置为接收心率信号，并对所述心率信号进行差分处理，以得到与所述心率信号对应的特征参数；所述情绪处理模块被配置为处理所述特征参数，以确定与所述特征参数对应的情绪标签。

摘要： 本发明提供一种情绪分析方法、情绪分析系统及情绪分析装置。其中，情绪分析系统包括：一案例库、一输入模组、一语句分析模组、一相似度分析模组以及一情绪判断模组。其中，案例库包含复数句案例语句，每一案例语句包含至少一主要词汇且对应至少一情绪标示。输入模组用于接收一输入语句。语句分析模组用于分析该输入语句的一语句结构。相似度分析模组用于根据语句结构，对输入语句与案例库中至少一案例语句进行一语意分析与一语法分析，以分别获得输入语句与至少一案例语句之间的一相似等级。情绪判断模组用于根据多个相似等级，判断该输入语句的至少一情绪。

摘要： 本发明涉及工业软件技术领域，具体公开了一种基于员工工作情绪的现场工作优化方法及系统。所述方法包含如下步骤：基于皮表生理参数和表情特征定义情绪特征值；通过机器学习方法获取某一员工在不同工作岗位下正常工作的情绪特征值，标记为不同工作岗位正常情绪特征值；存储不同工作岗位正常情绪特征值；获取某一员工在具体工作过程中的实时情绪特征值；根据实时情绪特征值判定该员工当前情绪所适应的工作岗位；输出该员工当前最合适的工作岗位。该方法和系统通过皮电值以及面部眼睑和嘴唇表情特征的结合作为情绪特征值，可以快速准确的识别某一员工的工作情绪，进而可以快速地判定出最合适的工作岗位。

摘要： 本发明涉及工业软件技术领域，具体公开了一种基于声音和表情识别工作过程情绪的方法及工作优化系统。所述的方法包含如下步骤：构建某一员工声纹特征和表情特征与情绪类型的对应关系，并进行存储；构建某一员工情绪类型与工作岗位的对应关系，并进行存储；获取某一员工工作过程中的声纹特征和表情特征；根据获取的声纹特征和表情特征判定情绪类型；根据情绪类型匹配出适合某一员的工作岗位。通过该方法和系统，可以及时根据员工的情绪匹配其最合适的工作岗位；有利于提高产品的质量和减少生产事故的发生。

摘要： 本发明公开了一种情绪监测的情绪建模方法及情绪监测调节系统，该方法是拾取训练的情绪信号，依次进行滤波预处理和微分熵特征提取，得到相应的特征向量；将特征向量通过基于线性核的SVM构建情绪分类的分类器，将训练中的高兴、中性、悲伤情绪状态下对应的情绪特征数据构成一个训练集，并将高兴、中性、悲伤情绪状态下对应的特征向量送入分类器进行训练，得到基于情绪的分类器模型；再次调用上述训练集中三种情绪状态对应的特征向量分别送入分类器模型，在分类器模型的输出中得到每种情绪状态的score值(代表情绪的强弱程度)，并基于score值构建反馈准则，用于帮助用户有效地改变自己的情绪调节策略，达到情绪调节的有用效果。

摘要： 本发明提供一种情绪分析方法、情绪提醒方法及情绪提醒控制装置，方法包括：采集语音信息并转化成文本，基于双层长短期记忆人工神经网络进行文本表征与辅助信息引入；利用辅助信息得到文本中的含有情感的词作为分析对象；分析对象中多个词之间建立情感依赖；筛选出最终目标分析对象；捕获最终目标分析对和文本中上下文之间的关系；获取外部语料库，从外部语料库筛选出与最终目标分析对象相关性高于预设相似度的句；得到最终目标分析对象的情感对；基于情感对进行情绪分析。可以有效了解到文本中涉及到的详细方面的情感倾向性，为后续分析与决策提供一定的辅助信息。

摘要： 一种情绪检测设备、情绪检测系统、情绪检测方法和计算机可读存储介质。情绪检测设备包括：心率处理模块和情绪处理模块。所述心率处理模块被配置为接收心率信号，并对所述心率信号进行差分处理，以得到与所述心率信号对应的特征参数；所述情绪处理模块被配置为处理所述特征参数，以确定与所述特征参数对应的情绪标签。

摘要： 本发明提供一种情绪分析方法、情绪分析系统及情绪分析装置。其中，情绪分析系统包括：一案例库、一输入模组、一语句分析模组、一相似度分析模组以及一情绪判断模组。其中，案例库包含复数句案例语句，每一案例语句包含至少一主要词汇且对应至少一情绪标示。输入模组用于接收一输入语句。语句分析模组用于分析该输入语句的一语句结构。相似度分析模组用于根据语句结构，对输入语句与案例库中至少一案例语句进行一语意分析与一语法分析，以分别获得输入语句与至少一案例语句之间的一相似等级。情绪判断模组用于根据多个相似等级，判断该输入语句的至少一情绪。

摘要： 本发明公开了一种基于全局工作空间的可解释情绪识别方法和系统，所述方法包括：通过多个预训练模型对相应的输入数据进行分析，获得结果编码；基于最大经验风险算法，将结果编码进行竞争，获得全局工作空间的向量；基于可解释的人工智能算法，获得输入数据的后解释数据；将后解释数据输入到相应的模态模型中，获得第二结果编码；根据向量对第二结果编码进行融合，获得融合向量；将融合向量送入全连接层，经归一化后，获得情绪识别结果。基于最大经验风险算法，对预训练模型的输出进行竞争，获得全局工作空间，通过向量确定融合的机制，使情绪识别快而准确；通过可解释的人工智能算法，提高情绪识别过程的可解释性，便于使用者了解机器学习模型决策的依据。