Detailansicht
What attributes make spider images fearful or disgusting?
machine learning analysis investigating visual triggers contributing to aversion towards spiders
Lisa Obenaus
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Frank Scharnowski
Mitbetreuer*in
David Steyrl
DOI
10.25365/thesis.73148
URN
urn:nbn:at:at-ubw:1-10571.60177.117946-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Warum haben Menschen Angst vor Spinnen? Spinnenphobie ist eine der am weitesten verbreiteten Angststörungen bei Kindern sowie bei Erwachsenen. Dennoch fehlt es an der Erforschung jener Charakteristika von Spinnen, die Gefühle der Angst und des Ekels auslösen. Aus diesem Grund war es unser Ziel, jene Attribute von Spinnen zu identifizieren, die Angst sowie Ekel auslösen, um herauszufinden, welche Aspekte von Abbildungen von Spinnen ein höheres Potenzial für bessere Therapieerfolge besitzen. Anhand dieser Erkenntnisse wäre es möglich, personalisierte Therapiekonzepte zu entwickeln, indem Bilder von Spinnen verwendet werden, die eher mit Angst oder Ekel assoziiert sind, je nachdem welches der beiden Gefühle der individuelle Auslöser für die Abneigung gegen Spinnen bei dem/der PatientIn ist. Unsere Analyse bestand aus den Daten einer online Umfrage mit N=152 Teilnehmern mit Angst vor Spinnen, die Abbildungen von Spinnen hinsichtlich Angst sowie Ekel bewerteten, und der Kategorisierung jener Abbildungen. Die Daten wurden dann verwendet, um die beiden Machine Learning (ML) Modelle mithilfe einer Gradient-Boosted Decision Tree (GBDT) Regression für die Zielvariablen „Angst“ und „Ekel“ zu trainieren, um jene dann vorhersagen zu können. Die ML Modelle waren in der Lage, 71.8% bzw. 72.0% der Varianz für die Zielvariablen „mittlere Angst“ bzw. „mittlerer Ekel“ zu erklären. Weiters waren die Modelle in der Lage, die Zielvariablen „mittlere Angst“ bzw. „mittlerer Ekel“ mit einer Präzision von 7.20 bzw. 7.50 Punkten vorherzusagen, im Vergleich zu 16.41 bzw. 16.64 Punkten einer Zufallsvorhersage. Die Analyse zeigte einen signifikanten Einfluss der Größe der Spinne auf Angst sowie Ekel, wohingegen das Vorhandensein von Körperbehaarung der Spinne nur Angst, aber nicht Ekel, signifikant vorhersagen konnte. Unsere Ergebnisse stimmen zum Teil mit vorangegangenen Studien überein, die ebenfalls zeigten, dass die Größe sowie Behaarung einer Spinne zentrale Attribute darstellen, die Angst sowie Ekel bei Personen mit Spinnenphobie auslösen. Unsere Ergebnisse tragen zur Bildung der Grundlage für automatisierte und individualisierte Konfrontationstherapie bei. Dennoch ist zukünftige Forschung essenziell, um die Mechanismen, die Spinnenphobie zugrunde liegen, verstehen und Therapieansätze effizienter gestalten zu können.
Abstract
(Englisch)
Why are people afraid of spiders? Spider phobia is one of the most prevalent anxiety disorders in children as well as in adults. Yet we lack research investigating the basic characteristics of spiders that trigger sensations of fear as well as disgust. Thus, our aim was to identify the key attributes of spider images that trigger fear as compared to feelings of disgust. Results could reveal aspects of spider images with a high potential of leading to better treatment outcomes in individualized exposure therapy settings by using images of spiders with fear- or disgust-inducing attributes depending on the individual underlying visual triggers of the aversion towards spiders of the respective patient. Our analysis consisted of the data from an online survey with N=152 spider-fearful participants rating fear and disgust levels of images of spiders and the categorization of those images. The data was then used to train our Machine Learning (ML) models for the targets “mean fear” and “mean disgust” utilizing Gradient-Boosted Decision Tree (GBDT) regression for the prediction of mean fear and disgust levels. Our ML models were able to explain 71.8% and 72.0% of the variance for the target variables “mean fear” and “mean disgust”, respectively. Furthermore, our models were able to predict the targets “mean fear” and “mean disgust” with a Mean Absolute Error (MAE) of 7.20 and 7.50 points, compared to 16.41 and 16.64 points of a chance prediction, respectively. The analysis indicated that the size of the illustrated spider has a significant impact on perceived fear and disgust, whereas the presence of body hair of a spider was only predicting fear values significantly, but not values of disgust. Concluding, our findings partially support evidence from previous studies, that the size of a spider as well as the visible presence of body hair are key attributes contributing to perceived fear and disgust towards spiders. Thus, our investigations contribute to laying the foundation for individualized exposure-based treatment concepts. Images of spiders with fear- or disgust-inducing attributes used in exposure therapy could be selected depending on the individual cause of the patients’ aversion towards spiders leading to better outcomes. Nevertheless, future research is needed to understand the underlying mechanisms and visual triggers of spider phobia, which is crucial for making exposure therapy more efficient.
Schlagwörter
Schlagwörter
(Deutsch)
Spinnenphobie Arachnophobie Konfrontationstherapie visuelle Attribute von Spinnen Angst Ekel machine learning analysis
Schlagwörter
(Englisch)
spider phobia arachnophobia exposure therapy visual attributes of spiders fear disgust machine learning analysis
Autor*innen
Lisa Obenaus
Haupttitel (Englisch)
What attributes make spider images fearful or disgusting?
Hauptuntertitel (Englisch)
machine learning analysis investigating visual triggers contributing to aversion towards spiders
Paralleltitel (Deutsch)
Welche Attribute von Spinnenbildern lösen Angst oder Ekel aus?
Paralleluntertitel (Deutsch)
Machine Learning Analyse zur Untersuchung visueller Trigger, die zur Abneigung gegen Spinnen beitragen
Publikationsjahr
2023
Umfangsangabe
48 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Frank Scharnowski
Klassifikation
77 Psychologie > 77.03 Methoden und Techniken der Psychologie
AC Nummer
AC16779546
Utheses ID
65965
Studienkennzahl
UA | 066 | 840 | |