Normas da valência das imagens do Ficheiro de Imagens Multicategoriais (FIM)

Marília Prada, Teresa Garcia-Marques
2013 Laboratório de Psicologia  
Resumo Neste estudo apresentam-se normas de valência afectiva de um conjunto de imagens (n=195) que compõem o Ficheiro de Imagens Multi-categoriais (FIM 1 ). A valência de cada imagem foi aferida através da média das respostas em duas dimensões contínuas referenciadas em 9 pontos, Mau/Bom e Não-Gosto/Gosto-Muito, fornecidas por uma amostra de estudantes universitários do curso de psicologia. Neste artigo apresenta-se o Ficheiro de Imagens Multi-categoriais (195 imagens de 4 categorias: plantas,
more » ... animais, objectos e pessoas) e respectiva avaliação (i.e., médias, desvios-padrão e intervalos de confiança a 95%) com o objectivo de contribuir para o desenvolvimento de um sistema normativo que permita a sua utilização em futuras investigações. Palavras-chave: Ficheiro de Imagens Multicategoriais; Normas de valência. Abstract In this paper we present affective valence norms for the full set of images that compose the Multicategory Images File (FIM). Valence of each image was assessed by university students of a psychological course, in two different dimensions Bad/Good and Don't Like/Like a lot, on a 9 point scale. Here we present the characteristics of the FIM (195 images of 4 different categories: plants, animals, objects and people) and their evaluations (i.e., means, standard-deviations and confidence intervals at the 95% level) with the goal of contributing to the development of a normative system to be used in future research. Este trabalho foi realizado como parte dos trabalhos de doutoramento de Marília Prada financiado pelo programa POCI 2010 da Fundação para a Ciência e Tecnologia. A correspondência relativa a este artigo deverá ser enviada para: Marília Prada ou Teresa Garcia-Marques. 1 As imagens que compõem este ficheiro estão disponíveis no arquivo LP (Revista Laboratório de Psicologia), associado ao Laboratório de Psicologia do ISPA.
doi:10.14417/lp.765 fatcat:nc4kzjqb7rd3nm4xtmpbhjfygy