梦境情感自评与他评之间的差异：观察者的盲点

《Consciousness and Cognition》：The observer’s blind spot: Discrepancies between self-reported and external ratings of dream affect

　　

观察者盲点：梦境情感自评与外部评定之间的差异。自评较外部评定产生更多情感性、正性和强烈的梦境。生物学性别、效价与评定方法交互作用，塑造梦境情感强度的评定。较长的报告可预测情感的存在与强度，但不能预测效价。方法间一致性在情感分类上为中等，在强度上较差。引言：情感在梦中发挥核心作用，尤其在快速眼动（REM）睡眠期间，这一观点已被广泛认可。从理论角度看，考察梦中的情感体验（情绪与心境）至关重要，因为众多作者强调了其在梦的适应功能中的潜在作用，包括睡眠期间情绪记忆的调节与巩固（Cartwright, 1991; du Plessis & Lininska, 2023; Hartmann, 1996; Kramer, 1993; Levin & Nielsen, 2009）。这一观点也在心理学多个领域（如Barbeau et al., 2022; Conte et al., 2020; Samson et al., 2023; Sterpenich et al., 2020; Zhang et al., 2024）和神经科学（关于神经影像学发现的综述，见Scarpelli et al., 2019）的大量研究中得到强调。梦的情感内容研究不仅具有理论意义，也具有临床意义，因为其与清醒事件和心理健康相关。根据梦的连续性假说（Domhoff, 2018; Schredl & Hofmann, 2003），梦内容反映清醒时的经历、想法、兴趣和关切。此外，有证据表明梦内容反过来可影响清醒时的情绪和幸福感。与这一观点一致，研究表明梦中的情感体验与清醒时（梦前一日和梦后一日）体验到的情绪呈正相关（Barbeau et al., 2022; Gilchrist et al., 2007; Mallett et al., 2022; Schredl, 2009b; Schredl & Doll, 1998; Schredl & Reinhard, 2009; Sikka et al., 2022; Yu, 2007）。烦躁性梦境（噩梦和坏梦）也与多种睡眠障碍（Fisher et al., 2011; Godin et al., 2015; Levin & Nielsen, 2007; Nielsen & Levin, 2007; Schredl, 2009a）以及心理痛苦和幸福感低下的指标相关（Blagrove et al., 2004; De Koninck & Koulack, 1975; Gilchrist et al., 2007; Pesant & Zadra, 2006; Samson-Daoust et al., 2019; Zadra & Donderi, 2000）。相反，愉快梦境与清醒时的积极心理健康指标相关，如内心平静（Sikka, Pesonen, and Revonsuo, 2018）和生活满意度（Gilchrist et al., 2007）。然而，关于梦中情感现象学的实证发现仍存在异质性， particularly涉及梦包含情感状态的频率、梦的主导情感效价（即梦主要被体验为负性、正性或两者混合）以及梦情感的强度。例如，根据梦报告的收集和评分方式，24%至100%的梦被报告含有情感体验（Conte et al., 2020; Foulkes et al., 1988; Hsu & Yu, 2016; Kahan & LaBerge, 1996; Merritt et al., 1994; Nielsen et al., 1991; Okuma et al., 1975; R?ver & Schredl, 2017; Samson-Daoust et al., 2019; Schredl & Doll, 1998; Schredl & Reinhard, 2009; Sikka et al., 2014, 2017, 2021; Sikka, Revonsuo, et al., 2018; Snyder, 1970; St-Onge et al., 2005; Strauch & Meier, 1996; Yu, 2015, Yu, 2022）。类似地，一些研究报告含有正性效价情感的梦比例较高（St-Onge et al., 2005; Yu, 2015），而另一些报告负性效价梦情感占主导（Dale et al., 2016; Hall & Van de Castle, 1966; Hsu & Yu, 2016; Merritt et al., 1994; Nielsen et al., 1991; Snyder, 1970），或正性与负性梦情感比例大致相等（Conte et al., 2020; Fosse et al., 2001; Samson-Daoust et al., 2019; Schredl & Reinhard, 2009; Yu, 2007）。关于情感强度，大多数研究表明梦中的情感体验倾向于低至中等强度（Barbeau et al., 2022; Conte et al., 2020; du Plessis & Lininska, 2023; Fosse et al., 2001; Nielsen et al., 1991; R?ver & Schredl, 2017; Schredl & Doll, 1998; Schredl & Reinhard, 2009; Sikka et al., 2014; St-Onge et al., 2005; Strauch & Meier, 1996; Yu, 2007, Yu, 2015），尽管偶尔有更高水平的报告（如Curci & Rimé, 2008; Mc Falls et al., 1980）。一些研究发现正性梦情感比负性更强烈（Samson-Daoust et al., 2019; Sikka et al., 2014, 2021; Yu, 2015），而另一些报告相反模式（Curci & Rimé, 2008; Schredl & Doll, 1998; Sikka et al., 2021），还有一些发现无差异（Conte et al., 2020; Fosse et al., 2001; Schredl & Doll, 1998）。正性和负性梦情感的流行率和强度上的这些差异，至少部分可能源于评估梦中情感体验的方法学差异。评估梦中情感体验存在多种方法，包括自评（SR）和他评（ER）。在SR方法中，参与者自己回答关于梦中体验到的情感的问题。在ER方法中，参与者梦报告中明确提到的情感由外部评判者（如Dale et al., 2016）或自动语言分析软件（如Yu, 2022）评分。在一些研究中（如Sikka, Revonsuo, et al., 2018），评判者也可能从梦者的行为或梦叙事背景中推断隐含情感的存在。例如，即使在“我看到怪物后开始奔跑”这样的段落中未明确提到恐惧，评判者仍可能将其编码为恐惧的实例。两种方法均不能直接访问睡眠期间体验到的梦。两者都依赖于觉醒后形成的回忆，此时梦的部分内容可能在向清醒过渡期间已被遗忘、重组或改变（Nemeth, 2023; Simor et al., 2023; Vallat et al., 2020）。自评可能纳入书面叙事中缺失的记忆感受，而他评还额外受限于梦者选择或能够表达的内容以及评判者对所得叙述的解读。因此，方法间的不一致不一定意味着一方准确而另一方错误。相反，两种方法评估的是记忆体验的部分不同表征。这些考虑更广泛地适用于梦内容分析。例如，外部编码可提高标准化和可比性（Domhoff, 1996），但它必然作用于报告的叙事，比梦者自身的回忆离体验更远一步。无论采用何种评定方法，均可使用不同工具评估情感并确定梦的主导情感效价。离散情感可使用开放式问题（如Kahan & LaBerge, 1996; Strauch & Meier, 1996）或列出离散情感状态的量表（如Hsu & Yu, 2016; Merritt et al., 1994; Nielsen et al., 1991; Sikka et al., 2014; St-Onge et al., 2005）单独评估。正性相对于负性情感强度或频率通常用于确定梦的主导效价。当使用频率时，若梦包含的正性情感多于负性情感，则视为正性；当使用强度时，若正性情感的合并强度分数超过负性情感，则视为正性。或者，可通过评定梦中正性和负性的整体水平来评估整体梦效价。通常使用序数（Likert型）量表量化这些维度（如Curci & Rimé, 2008; R?ver & Schredl, 2017; Schredl & Reinhard, 2009; Sikka et al., 2021），梦的主导效价由两个分数的相对大小确定，当正性分数超过负性分数时，梦报告被分类为正性。在两种方法下，正性和负性分数相等的梦通常被分类为平衡，而两个维度均为零分数的梦被视为中性。使用SR方法的研究通常发现大多数梦具有情感性，当测量离散情感时范围从70%（Foulkes et al., 1988）到100%（Sikka et al., 2014）。正性效价梦的比例范围从31%（Strauch & Meier, 1996）到83%（Sikka et al., 2014）。相反，负性效价梦的比例范围从10%（Yu, 2015）到38%（Conte et al., 2020）。当改为评估整体梦效价时，情感性梦的比例范围从95%（Sikka et al., 2021）到100%（Curci & Rimé, 2008）。主导效价在35%（R?ver & Schredl, 2017）到41%（Curci & Rimé, 2008）的梦中为正性，在39%（Samson-Daoust et al., 2019）到52%（Curci & Rimé, 2008）的梦中为负性。大多数采用ER方法的研究评估离散情感。使用这种方法，观察到情感性梦的比例较低，范围从24%到48%（Okuma et al., 1975）。正性效价梦的比例通常范围从3%（Sikka, Revonsuo, et al., 2018）到13%（Sikka et al., 2017），而负性效价梦范围从11%（Sikka et al., 2014）到37%（Sikka, Revonsuo, et al., 2018）。然而，当评估整体情感效价时，情感性梦的比例范围从56%（Sikka et al., 2021）到87%（Schredl & Doll, 1998）。据研究人员所知，仅有两项研究使用ER方法结合整体效价量表评估了正性和负性梦的比例。正性效价梦的比例分别为18%（R?ver & Schredl, 2017）和21%（Schredl & Doll, 1998），而负性效价梦分别占梦报告的54%（R?ver & Schredl, 2017）和56%（Schredl & Doll, 1998）。因此，当使用自评和评估整体效价的量表时，检测到更多情感性梦。正性梦效价在自评中似乎比在他评中被更频繁地识别，尤其是当评估离散情感而非整体效价时。相反，基于整体效价量表的外部评定产生比基于离散情感的外部评定更高比例的正性效价梦，但也产生显著更高比例的负性效价梦。因此，在他评中使用整体效价量表似乎增加了正性和负性效价的检测，负性梦仍比正性梦更频繁。然而，仅有少数研究直接比较了自评与他评。现有直接比较自报和外部编码梦情感的研究总结于表1。综上所述，这些研究表明外部评判者通常比梦者更少识别情感，尤其是正性情感。这一倾向在情感强度方面也似乎存在，对正性情感的低估更为明显（Barbeau et al., 2022; R?ver & Schredl, 2017; Schredl & Doll, 1998; Sikka et al., 2021）。现有比较无法确定这些差异是否源于仅梦者可得的信息、觉醒后重建和报告期间引入的变化、评判者对叙事解读的差异，或情感事件聚合为整体评分方式的差异。表1. 比较自评和他评的研究中报告的情感性梦比例。研究样本自评（%）他评（%）参与者梦情感正性负性平衡情感正性负性平衡Kahan and LaBerge (1996)be20W; 20M9393.038.0Barbeau et al. (2022)bce98W; 90M334100.035.061.43.6Sikka et al. (2021)ace19W; 13M52994.7正性>负性56.1正性<负性Sikka et al. (2014)bf10W; 7M115100.0c82.6c13.9c3.5c100.0d79.1d12.2d8.7d28.7d9.6d11.3d1.7dSikka et al. (2017)bde28W; 16M55297.555.835.36.347.812.528.15.1R?ver and Schredl (2017)ace350W; 63M1,20795.334.744.416.282.818.353.910.6Schredl and Doll (1998)e190W; 73M13399.2ac36.8ac50.4ac12.0ac42.1bd9.0bd26.3bd6.8bd86.5ac21.1ac56.4ac9.0ac注. W = 女性；M = 男性。a梦的情感内容使用整体评定量表评估。b梦的情感内容使用离散情感量表评估。c梦的主导效价由正性和负性情感的强度或程度确定。d梦的主导效价由正性和负性情感的频率确定。e家庭梦报告。f实验室梦报告。重要的是，如表1所示，所综述的研究在梦的主导效价方面存在分歧。Schredl和Doll（1998）以及R?ver和Schredl（2017）的研究报告在自评和他评中均以负性效价梦为主，而Sikka, Valli, Virta和Revonsuo, 2014、Sikka, Feilhauer, Valli和Revonsuo, 2017、Sikka, Valli, Revonsuo和Tuominen, 2021的研究则强调梦在自评中倾向于显得更积极。关于他评，Sikka等人（2014）发现正性和负性梦的分布相对平衡，而2017年和2021年的研究报告梦中负性更多。研究结果的这种变异性可能归因于额外的方法学或个体因素。值得注意的是，大多数先前比较SR和ER的研究缺乏能够同时考虑多重比较和参与者内重复梦评定额嵌套结构的统计设计。参与者的生物学性别也可能是一个合理的解释因素。1.1. 生物学性别差异文献中关于男性和女性情感梦体验的报告存在显著差异。使用ER的研究表明，女性在梦叙事中报告的明确情感比例高于男性，且其梦往往包含更多词汇（Dale et al., 2016; Hall & Van de Castle, 1966; Schredl & Doll, 1998; Winget et al., 1972）。这可能进而导致评判者在女性中识别出更高比例的情感性梦（Sikka et al., 2021）。然而，当使用SR时，通常在情感性梦或梦中情感体验的流行率上未观察到显著的性别差异（Sikka, Feilhauer, Valli and Revonsuo, 2017, Sikka, Valli, Revonsuo and Tuominen, 2021）。关于情感效价，一些研究观察到女性中负性效价梦和情感占主导（Blagrove et al., 2004; Dale et al., 2016; Schredl & Reinhard, 2011; Sikka et al., 2017; Strauch & Meier, 1996）或正性效价占主导（Schredl et al., 1998），或男性中含有正性情感的梦比例更高（Strauch & Meier, 1996），而另一些研究报告无显著性别差异（Hall & Van de Castle, 1966; Kahn & Hobson, 2002; Labell et al., 2024; Merritt et al., 1994; Samson-Daoust et al., 2019）。关于梦的情感强度，大多数研究未发现显著的性别差异（Mc Falls et al., 1980; R?ver & Schredl, 2017; Schredl, 2002; Schredl et al., 1998; Schredl & Doll, 1998; Strauch & Meier, 1996）。一个值得注意的例外是Sikka等人（2021）的研究，其报告评判者对女性报告的梦赋予更高的正性和负性分数。总体而言，需要进一步研究记录生物学性别在塑造情感梦体验中的潜在作用，特别是作为不同梦情感评定方法的函数。1.2. 目标与假设鉴于先前关于梦情感内容的发现存在异质性以及心理学中更广泛的重复危机（Maxwell et al., 2015; Open Science Collaboration, 2015; Shrout & Rodgers, 2018），本研究旨在重复并扩展先前比较不同梦情感评定方法（SR vs. ER）的工作。具体而言，研究旨在（a）记录自然情境下晨醒时收集的正性和负性梦的流行率和强度；（b）比较根据评定方法将梦分类为情感性（vs. 中性）的几率；（c）比较跨评定方法将情感性梦分类为负性（vs. 正性）的几率；（d）检查情感强度是否因评定方法和梦效价而异；以及（e）探索这些关联中潜在的性别和梦长度差异。基于先前发现，研究人员提出以下假设：1. 情感的存在：与自评梦相比，由外部评判者评估的梦被分类为情感性（vs. 中性）的几率较低。2. 情感效价：在情感性梦中，自评梦被分类为正性（vs. 负性）的几率预期高于他评梦。3. 情感强度：由外部评判者评定时，梦的平均情感强度预期低于参与者自评时。4. 性别差异：女性拥有情感性梦的几率高于男性，但仅在情感通过他评确定时。2. 方法2.1. 参与者通过报纸广告招募了107名无报酬志愿者，作为研究人员团队开展的关于梦内容、人格与心理健康之间关系的研究的一部分。一名男性参与者因梦日记难以辨认而被排除出数据集。最终样本因此包括22名男性和84名女性，平均年龄38.9岁（SD = 12.6；2个缺失值）。54名女性和10名男性用法语完成梦日记。此外，54.1%的参与者单身（8个缺失值），66.3%获得大学学位（14个缺失值）。参与者平均记梦日记17.7天（SD = 5.9；范围 = 6–52）。保留的报告数据集包括来自106名参与者的1,946个梦，每个梦平均156.7词（SD = 177.4；范围 = 25–2,739），每名参与者平均18.4个梦（SD = 9.5）。由于两名女性参与者的年龄不可得，包含年龄的模型包括104名参与者。所有参与者提供签署的知情同意书，研究经大学研究伦理委员会批准。2.2. 测量2.2.1. 自评为最大化梦回忆，参与者被指导在家记梦日记，持续两到三周。每天早晨，他们被要求记录前夜记得的任何梦，包括标题、日期和日记条目时间。参与者被指导报告他们记得的任何梦，但未提供梦的正式定义。如果回忆起多于一个梦，参与者应将每个梦报告在单独页面上。对于每个梦报告，参与者被要求通过选择以下三个选项之一来识别主要情感：1）正性，当梦的主要情感为愉快时；2）负性，当主要情感为不愉快时；或3）中性，当梦缺乏情感内容时。参与者随后使用五点Likert量表（1 = 非常低；2 = 低；3 = 中等；4 = 强；5 = 强烈）评定该主要情感的情感强度。2.2.2. 他评两名独立评判者使用与参与者相同的Likert量表评估梦情感的存在和强度。为允许评分纳入隐含情感以及明确命名的情感，并尽量减少低估情感的风险（R?ver & Schredl, 2017; Schredl & Doll, 1998），评判者被允许根据梦的背景或梦者的行为推断情感。鉴于参与者倾向于根据最显著的情感体验确定梦的主导效价（Labell et al., 2024），每个梦的主导效价由评判者根据获得最高强度评分的情感确定。2.3. 程序参与者首先完成一套问卷，评估人格特质、心理健康以及睡眠和梦特征。具体而言，该套问卷包括评估梦回忆、梦生动性、睡眠质量和潜伏期、药物使用和医疗状况、清醒梦、重复梦和噩梦频率的睡眠/梦问卷；社会期望量表（Crowne & Marlowe, 1960）；形容词检核表（Gough & Heilbrun, 1983）；艾森克人格问卷神经质量表（Eysenck & Eysenck, 1968）；状态-特质焦虑量表（Spielberger et al., 1970）；贝克抑郁量表（Beck & Beamesderfer, 1974）；Paykel生活事件量表（Paykel et al., 1971）；以及症状检核表-90-修订版全球严重性指数（Derogatis, 1977）。这些问卷的数据在本研究中未分析。随后向参与者提供梦日记和填写书面指导。同一页包含多个梦、缺乏效价和强度自评或明确提及觉醒时体验到的情感的晨报被排除。在构建分析数据集之前，排除了165份少于25词的报告（占总可用样本的7.8%；来自12名男性的19个梦和来自56名女性的146个梦）。该阈值被采纳为一种实用的编码规则，旨在为外部评判者提供足够的叙事背景以识别情感内容并推断主导效价。它并非意在暗示较短报告不包含梦体验或情感内容。词数计算时排除重复或更正词、填充词以及参与者的清醒状态评论（Antrobus, 1983）。剩余梦报告以其原始语言转写，供两名双语外部评判者评估。不反映梦体验本身的信息（如“我梦见我的狗，我非常爱它”）被移除以尽量减少潜在干扰源（Schredl, 2010）。为确保评分程序的一致性，评判者首先在从实验室另一数据库随机选取的50份梦报告样本上训练。随后一名评判者评估整个梦集，并且按照Schredl（2018）的建议，基于从20名参与者中随机选取的200个梦的子样本的独立评估估计评判者间一致性。当两名评判者之间出现分歧时，梦报告由研究主任（A. Zadra）审查，并通过讨论解决分歧。最后，使用方法特定的决策规则将自评和他评转换为五个类别。对于自评，根据参与者选择的回答将报告分类为正性、负性或中性。同时选择正性和负性的报告被分类为平衡。当未选择主导效价或参与者选择中性但在五点量表上赋予3或更高强度时，报告被分类为模糊。对于他评，根据获得最高强度评分的情感事件的效价将报告分类为正性或负性。当最强烈的正性和负性情感获得相等评分时，报告被分类为平衡；当评判者未识别出情感内容时，分类为中性。当最强烈的情感无法被赋予明确的正性或负性效价时（如惊讶可能出现的情况），报告被分类为模糊。2.4. 数据分析所有统计分析使用R（版本4.5.2；R Core Team, 2025）进行。200个梦的子样本分类为五个效价类别的评判者间一致性使用Cohen's kappa（J. Cohen, 1960）评估。一致性为中等（κ = .604, 95% CI [.512, .695], z = 13.000, p < .001; Landis & Koch, 1977）。鉴于梦在各类别间的分布高度不平衡， particularly平衡和模糊梦的流行率较低（约5%），κ值可能低估了实际一致性（Zec et al., 2017）。鉴于近期关于替代系数如Gwet's AC1可解释性的批评（Vach & Gerke, 2023），研究人员还验证了绝对一致率（73.5%）作为评判者间一致性的补充指标。强度评分的评判者间信度使用基于双向随机效应模型、平均测量绝对一致性的组内相关系数（ICCs）评估（Koo & Li, 2016）。结果表明所有维度上一致性良好（Koo & Li, 2016），整体强度ICC为.856（95% CI [.810, .891]），负性梦为.861（95% CI [.816, .894]），正性梦为.782（95% CI [.711, .835]）。这些结果支持后续分析中使用的外部评定的信度。关于自评和他评之间关联和一致性的分析细节和结果见补充数据（附录S1）。对于主要分析，使用线性混合效应模型（也称为分层线性模型或多水平模型）考虑数据的层次结构，自评和他评嵌套于梦报告内，梦报告又嵌套于参与者内。这种方法正确建模了观测之间的依赖性，并允许不平衡数据（即每名参与者的梦数不同）。通过同时捕捉个体内和个体间变异性，这些模型产生更准确的回归系数标准误估计（Hox et al., 2017）。2.4.1. 梦的情感性质和效价为全面描述梦的分布，研究人员首先计算每个情感效价类别的梦百分比，按参与者性别和评定方法分层。然后使用R包lme4（Bates et al., 2015）中的glmer函数估计广义线性混合效应模型（GLMM），以检查识别情感性梦的概率是否因评定方法和参与者性别而异。使用二项误差分布（带logit链接函数），因为因变量为二分变量（中性vs. 情感性梦）。随机效应结构通过使用似然比检验比较日益复杂的模型依次建立。研究人员首先拟合包含参与者水平随机截距的模型，以考虑识别情感性梦基线概率的个体差异。然后添加嵌套于参与者内的梦水平随机截距，以考虑对同一梦报告获得的两个评分（SR和ER）的非独立性，这显著改善了模型拟合，χ2(1) = 30.140, p < .001。由于纳入梦水平随机截距导致默认优化器出现收敛问题，所有后续包含该随机效应的模型使用bobyqa优化器拟合，最大函数评估次数增加至100,000。然后添加评定方法的参与者水平随机斜率，以允许评定方法效应在参与者间变化，这进一步显著改善了模型拟合，χ2(2) = 48.606, p < .001。所得模型保留为最终随机效应结构，收敛成功且无奇异性证据。评定方法作为Level 1固定效应预测变量纳入，性别作为Level 3固定效应预测变量，以及它们的交互作用。由于存在交互作用，评定方法和性别的主效应使用emmeans包（Lenth & Piaskowski, 2026）作为跨另一因素水平平均的边际效应估计。词数（Level 2；参与者内标准化）、梦顺序（Level 2；参与者均值中心化）和年龄（Level 3；总均值中心化）作为固定效应控制预测变量纳入。词数呈正偏态。因此，研究人员将词数按每名参与者的均值中心化，并按其参与者内标准差缩放，使所得预测变量索引相对于每名参与者典型报告的报告长度（即参与者内z分数）。选择此 specification主要出于其解释性，因为它将报告长度的个体内变异与稳定的个体间言语差异分离。它还解决了在替代 specification（包括原始和缩尾词数）下持续存在的收敛困难。梦顺序作为控制变量纳入，以考虑记录期间潜在的练习效应。情感强度未作为协变量纳入，以避免概念和统计冗余，因为中性梦按定义缺乏强度，且由于情感强度与情感存在之间的高点二列相关（rpb = .796）。指定第二个带二项误差分布的GLMM，以评估评定方法在将梦分类为负性vs. 正性的几率上是否不同。随机效应结构使用与第一个GLMM相同的程序建立，对所有包含梦水平随机截距的模型应用相同的优化程序。与仅包含参与者水平随机截距的模型相比，添加梦水平随机截距显著改善了模型拟合，χ2(1) = 185.131, p < .001，随后添加评定方法的参与者水平随机斜率进一步显著改善了模型拟合，χ2(2) = 9.423, p = .009。在所得模型中，参与者水平随机截距和评定方法随机斜率呈强负相关（r = ?.993）。尽管该相关很高，模型未被标记为奇异，固定效应估计和统计结论与从先前测试的两个模型获得的结果一致。因此，研究人员保留此随机效应结构，因为没有迹象表明高相关影响了模型推断。纳入与第一个模型相同的预测变量。然而，在此模型中，情感强度（参与者均值中心化）作为Level 1固定效应预测变量添加。2.4.2. 梦的情感强度为检验强度是否因评定方法、性别和效价而异，研究人员使用R包lme4（Bates et al., 2015）中的lmer函数指定线性混合效应模型。首先拟合无条件三水平模型，以将强度变异分解为评分内（Level 1；SR和ER）、参与者内梦间（Level 2）和参与者间（Level 3）。随后使用最大似然（ML）下的似然比检验依次比较日益复杂的模型建立随机效应结构。研究人员首先拟合包含参与者水平随机截距的模型。然后添加嵌套于参与者内的梦水平随机截距，显著改善了模型拟合，χ2(1) = 35.880, p < .001。还依次添加了评定方法和效价的参与者水平随机斜率。添加评定方法随机斜率显著改善了模型拟合，χ2(2) = 46.055, p < .001，添加效价随机斜率提供了进一步的显著改善，χ2(3) = 8.411, p = .038。相反，添加评定方法×效价交互作用的参与者水平随机斜率未显著改善模型拟合，χ2(4) = 5.059, p = .281。因此，最终模型包括参与者水平随机截距、嵌套于参与者内的梦水平随机截距，以及评定方法和效价的参与者水平随机斜率，但不包括其交互作用。固定效应预测变量包括Level 1的评定方法和效价（负性vs. 正性）以及Level 3的参与者性别。词数（每名参与者内标准化）和梦顺序（参与者均值中心化）作为Level 2固定效应控制预测变量添加，而年龄（总均值中心化）在Level 3控制。模型还包括评定方法、效价和性别之间的三向交互作用。固定效应显著性使用Type III F检验与Kenward–Roger自由度（Kenward & Roger, 1997）在lmerTest包（Kuznetsova et al., 2017）中实现评估。由于此方法需要限制最大似然（REML）估计，最终模型使用REML重新拟合，这也考虑了估计方差分量时用于估计固定效应的自由度（McNeish, 2017）。显著主效应的方向和大小使用估计边际均值之间的差异（ΔEMMs）描述，跨另一因素水平平均并使用emmeans包（Lenth & Piaskowski, 2026）计算。显著交互作用通过基于这些估计边际均值的简单效应分析分解，p值和置信区间（CIs）使用Bonferroni方法（Dunn, 1961）按比较总数调整。2.4.3. 梦分类和排除为分析目的，正性、负性和平衡分类被视为情感性，而中性分类被视为非情感性。模糊分类被排除出主要模型，因为它们不允许明确分配到定义的情感或效价类别。在1,946个梦报告中，3,892个方法特定观测中的358个（9.2%）被分类为模糊，其中314个自评和44个他评。至少一个评分模糊的报告有348个，包括304个仅自评模糊的报告、34个仅他评模糊的报告和10个两种方法均模糊的报告。两种方法下均非模糊分类的1,598个报告用于方法间一致性分析。主要混合效应模型保留所有其他合格的方法特定观测，因此不要求每个报告都有两个评分。在排除模糊观测和两名年龄数据缺失参与者的观测后，情感vs.中性模型包括来自1,894个报告和104名参与者的3,453个观测。正性vs.负性和强度模型包括来自1,412个报告和104名参与者的2,124个观测。相应的排除和类别计数见补充数据（表S4）。在整个主要分析中，统计显著性确定为p < .05。3. 结果3.1. 梦的情感性质和效价图1显示了按情感效价、性别和评定方法划分的梦分布。自评中情感性梦的比例高于他评，尤其是正性梦，而负性梦在两种评定方法中分布相似。预测将梦评为情感性的几率的第一个模型（结果见表2）支持了这一观察：在控制其他变量后，由外部评判者评定的梦被分类为情感性的可能性显著低于参与者自己评定的梦。由于评定方法与性别存在交互作用，其主效应报告为跨性别平均的边际效应，使用emmeans包（Lenth & Piaskowski, 2026）估计。具体而言，由外部评判者评定时，梦被分类为情感性的几率约低7.3倍（OR = 0.138, 95% CI [0.089, 0.212], z = ?9.016, p < .001）。该效应在男性和女性之间无显著差异，如性别与评定方法之间不显著的交互作用所示。长于参与者平均值的梦更可能被评为情感性（OR = 3.099每SD词数增加，p < .001）。参与者性别（跨评定方法平均：OR = 0.718, 95% CI [0.385, 1.340], z = ?1.041, p = .298）、梦顺序和年龄不是梦情感性的显著预测变量。下载：下载高分辨率图像（239KB）下载：下载全尺寸图像图1. 按评定方法、主导情感效价和生物学性别划分的梦分布。SR = 自评；ER = 他评；POS = 正性；NEG = 负性；BAL = 平衡；AMB = 模糊；NEU = 中性。百分比按各性别内计算。n = 1,946个梦报告。表2. 预测将梦评为情感性的几率的广义线性混合效应模型。空单元格B [95% CI]SEzOR [95% CI]p截距2.300 [1.881, 2.719]0.21410.7499.975 [6.558, 15.172]< .001观测水平预测变量（Level 1）评定方法（ER）?1.901 [?2.304, ?1.499]0.205?9.2590.149 [0.100, 0.223]< .001梦水平预测变量（Level 2）词数（控制）1.131 [0.967, 1.295]0.08413.5043.099 [2.630, 3.652]< .001梦顺序（控制）0.011 [?0.002, 0.025]0.0071.6061.011 [0.998, 1.025].108参与者水平预测变量（Level 3）性别（男性）?0.249 [?1.046, 0.547]0.406?0.6130.779 [0.351, 1.729].540年龄（控制）?0.006 [?0.026, 0.015]0.010?0.5460.994 [0.974, 1.015].585跨水平交互作用评定方法*性别?0.164 [?0.955, 0.627]0.404?0.4070.849 [0.385, 1.871].684注. ER = 他评。基于来自1,894个梦、涉及104名参与者的3,453个观测。由于将一些自评中性梦重新分类为模糊可能人为减少了中性梦的数量并可能改变分析结论，研究人员进行了敏感性分析，将所有模糊自评梦重新编码为中性。此重新编码大幅增加了中性自评梦的数量，从335增加到647，但未改变总体结果模式（见补充数据，表S5），表明发现对该潜在偏倚来源具有稳健性。表3呈现了预测将梦评为负性的几率的GLMM结果。跨性别平均，由外部评判者评估的梦与自评梦相比，获得负性而非正性分类的几率约为两倍（OR = 2.125, 95% CI [1.339, 3.370], z = 3.201, p = .001）。该效应在男性和女性之间无显著差异，如参与者性别与评定方法之间不显著的交互作用所示。观测在效价类别间的分布（见补充数据，表S4）表明，这种向负性分类的偏移主要反映ER下正性分类较少而非负性分类较多。参与者性别（跨评定方法平均：OR = 0.744, 95% CI [0.299, 1.850], z = ?0.636, p = .525）、情感强度、词数、梦顺序和年龄不是梦效价的显著预测变量。表3. 预测将梦评为负性的几率的广义线性混合效应模型。空单元格B [95% CI]SEzOR [95% CI]p截距0.829 [0.248, 1.411]0.2972.7962.292 [1.281, 4.099].005观测水平预测变量（Level 1）评定方法（ER）0.993 [0.574, 1.412]0.2144.6482.699 [1.776, 4.103]< .001强度?0.019 [?0.212, 0.173]0.098?0.1990.981 [0.809, 1.189].843梦水平预测变量（Level 2）词数（控制）0.017 [?0.232, 0.266]0.1270.1371.018 [0.793, 1.305].891梦顺序（控制）0.004 [?0.027, 0.036]0.0160.2541.004 [0.973, 1.036].800参与者水平预测变量（Level 3）性别（男性）?0.056 [?1.150, 1.038]0.558?0.1010.945 [0.316, 2.823].920年龄（控制）?0.011 [?0.041, 0.018]0.015?0.7680.989 [0.960, 1.018].442跨水平交互作用评定方法*性别?0.479 [?1.344, 0.386]0.441?1.0850.620 [0.261, 1.472].278注. ER = 他评。基于来自1,412个梦、涉及104名参与者的2,124个观测。3.2. 梦的情感强度在无条件模型中，参与者间差异（Level 3）占强度总方差的9.3%，而参与者内梦间差异（Level 2）额外占14.9%。其余75.8%归因于评分水平（Level 1）残差方差，表明强度变异的很大部分位于同一梦的两个评分之间。预测梦情感强度的线性混合效应模型结果见表4。评定方法的主效应具有统计学显著性，F(1, 104.872) = 52.667, p < .001。跨效价和性别平均，自评强度比 他评高0.592分，ΔEMM = 0.592, SE = 0.082, 95% CI [0.430, 0.754], t(104.872) = 7.257, p < .001。词数也正向预测强度，F(1, 1246.776) = 92.262, p < .001，表明梦的词数相对于参与者均值每增加一个标准差，梦强度增加0.225分，保持所有其他变量不变。梦效价单独不是统计学显著预测变量，F(1, 87.441) = 0.651, p = .422；梦顺序，F(1, 1256.077) = 0.762, p = .383；参与者性别，F(1, 99.143) = 1.770, p = .186；或年龄，F(1, 96.762) = 1.541, p = .218。表4. 预测梦情感强度的线性混合效应模型。空单元格B [95% CI]SEdftp截距3.452 [3.310, 3.593]0.07199.92948.317< .001观测水平预测变量（Level 1）评定方法（ER）?0.688 [?0.877, ?0.500]0.096235.448?7.191< .001梦效价（NA）0.074 [?0.084, 0.233]0.080151.5840.928.355梦水平预测变量（Level 2）词数（控制）0.225 [0.179, 0.270]0.0231246.7769.605< .001梦顺序（控制）?0.003 [?0.008, 0.003]0.0031256.077?0.873.383参与者水平预测变量（Level 3）性别（男性）0.107 [?0.200, 0.414]0.155103.1730.691.491年龄（控制）?0.004 [?0.011, 0.003]0.00496.762?1.241.218交互作用评定方法*效价0.102 [?0.088, 0.291]0.0971323.8091.051.293评定方法*性别?0.135 [?0.550, 0.280]0.211243.640?0.640.523效价*性别?0.599 [?0.944, ?0.255]0.174158.148?3.434< .001评定方法*效价*性别0.451 [0.022, 0.881]0.2191417.0902.060.040注. ER = 他评；NA = 负性情感。基于来自1,412个梦、涉及104名参与者的2,124个观测。重要的是，评定方法与梦效价之间出现统计学显著交互作用，F(1, 1416.378) = 8.916, p = .003，梦效价与参与者性别之间，F(1, 87.697) = 5.973, p = .017，而评定方法与性别之间的交互作用不显著，F(1, 104.498) = 0.310, p = .579。然而，这些两向交互作用进一步被评定方法、效价和性别之间的统计学显著三向交互作用所限定，F(1, 1417.090) = 4.244, p = .040。此三向交互作用表明评定方法、效价和性别对梦强度的效应相互依赖，使得一个因素的影响随另外两个因素的水平而变化。估计边际均值显示于图2，从三向交互作用导出的简单效应呈现于表5。评定方法的简单效应分析表明，对于正性和负性梦，自评强度在所有组中一致高于他评强度，例外是男性的负性梦，自评与他评强度之间的差异不显著（ΔEMM = 0.270, padj = 1.000）。下载：下载高分辨率图像（213KB）下载：下载全尺寸图像图2. 按评定方法、主导情感效价和生物学性别划分的梦情感强度估计边际均值。SR = 自评；ER = 他评。误差条表示95%置信区间。*padj < .05。表5. 预测梦情感强度的线性混合效应模型的简单效应。对比条件ΔEMM [99.58% CI]SEdftppadj评定方法PA；女性0.688 [0.411, 0.965]0.096235.4487.191< .001< .001NA；女性0.587 [0.354, 0.820]0.080134.5787.336< .001< .001（SR ? ER）PA；男性0.823 [0.279, 1.367]0.188246.3234.377< .001< .001NA；男性0.270 [?0.201, 0.741]0.162170.6401.666.0981.000性别PA；SR?0.107 [?0.561, 0.347]0.155103.173?0.691.4911.000NA；SR0.492 [0.061, 0.924]0.148115.5043.334.001.014（女性 ? 男性）PA；ER0.028 [?0.565, 0.621]0.203122.5130.137.8911.000NA；ER0.176 [?0.275, 0.626]0.154115.7691.138.2571.000效价女性；SR?0.074 [?0.307, 0.159]0.080151.584?0.928.3551.000男性；SR0.525 [0.074, 0.975]0.155159.5343.386< .001.011（PA ? NA）女性；ER?0.176 [?0.434, 0.082]0.089200.755?1.973.0498.598男性；ER?0.028 [?0.549, 0.492]0.180223.132?0.156.8761.000注. ΔEMM = 估计边际均值之间的差异；SR = 自评；ER = 他评；PA = 正性情感；NA = 负性情感。CIs和p值（padj）使用Bonferroni方法按12次比较调整；因此CIs对应99.58%的个体置信水平。在检查参与者性别的简单效应时，结果表明女性在自评条件下将负性梦评为显著比男性更强烈（ΔEMM = 0.492, padj = .014）。未观察到其他统计学显著的性别差异，表明此效应特定于负性自评梦。最后，效价的简单效应分析表明，在自评条件下的男性中，正性梦被评为显著比负性梦更强烈（ΔEMM = 0.525, padj = .011）。这是唯一一个强度因效价而显著不同的组。在外部评定条件下的女性中，出现相反模式，负性梦倾向于被评判者评为比正性梦更强烈（ΔEMM = ?0.176, p = .0498），但经Bonferroni校正后此差异不再显著（padj = .598）。作为敏感性分析，研究人员使用在主要分析中评估但未保留的更全面随机效应结构重新拟合情感强度模型，该结构额外包括评定方法×效价交互作用的参与者水平随机斜率。主效应和两向交互作用的模式和统计显著性未改变（见补充数据，表S6）。评定方法×效价×性别交互作用保持相同方向 and相似大小，但不再达到统计学显著性（B = 0.465, SE = 0.244, 95% CI [?0.020, 0.950], t(79.921) = 1.908, p = .060）。这可能部分反映与更复杂模型相关的精度降低， particularly鉴于男性参与者数量相对较少（n = 22）以及估计评定方法×效价交互作用参与者水平随机斜率所需的额外参数。然而，估计边际均值和简单对比产生与主要模型相同的实质性模式（见补充数据，表S7）。总之，这些结果表明自评倾向于产生比 他评更高的强度值， particularly对女性和正性梦。值得注意的是，女性将其负性梦评为比男性更强烈，此差异在由外部评判者评估梦时不存在。此外，效价对梦强度的效应主要在男性的自评中观察到，正性梦被评为比负性梦更强烈。3.3. 方法间一致性方法间一致性结果呈现于补充数据（附录S1）。自评和他评分类显著相关，尽管个体报告的一致性适中。情感性vs.中性分类的完全一致率为68.6%，四个非模糊效价类别的完全一致率为56.0%。负性分类的类别特定一致性（65.1%）高于正性分类（40.3%）。在两种方法赋予一致效价分类的报告中，自评和他评强度也呈正相关。然而，组内相关系数表明两组强度评分在绝对值上差异显著。因此，方法捕捉到共同的情感信号，但在个体报告水平上不可互换。4. 讨论在本研究中，研究人员旨在通过直接比较梦者提供的自评（SR）与独立评判者做出的他评（ER），重复并完善关于梦情感测量的关键发现。此外，研究人员探索了词数和参与者生物学性别的作用，以提供对评定方法之间差异的更细致理解。4.1. 梦的情感性质和效价本研究重复了以下发现：在控制梦强度、梦顺序、词数、参与者性别和年龄后，自评比 他评将梦评为更具情感性和更积极。这些结果与广泛先前比较SR和ER的工作（Barbeau et al., 2022; Kahan & LaBerge, 1996; R?ver & Schredl, 2017; Schredl & Doll, 1998; Sikka et al., 2014, 2017, 2021）以及仅使用SR（如Nielsen et al., 1991; St-Onge et al., 2005; Yu, 2007, Yu, 2015）或ER（如Hsu & Yu, 2016; Okuma et al., 1975; Snyder, 1970; Yu, 2022）的研究一致。与一些先前研究（Sikka et al., 2014, 2017; St-Onge et al., 2005; Yu, 2015）相反，在SR中未发现正性偏倚：正性和负性梦以相似比例出现，而ER产生的正性梦少于负性梦。此模式与使用整体评定量表比较SR和ER的研究结果相似（R?ver & Schredl, 2017; Schredl & Doll, 1998）。其他地方报告的正性偏倚可能源于离散情感量表，其倾向于放大正性情感并显示SR和ER之间较弱的收敛（Sikka, 2020）。因为正性情绪比负性情绪分化程度更低（Ellsworth & Smith, 1988; Mikels et al., 2005），形容词检核表可能促使参与者报告更多正性情感（Sikka et al., 2014）。此外，除Sikka等人（2017）外，正性偏倚主要在实验室梦中观察到，实验室梦被承认比家庭梦更少负性（Sikka, Revonsuo, et al., 2018; St-Onge et al., 2005）。总之，这些结果表明情感偏倚很大程度上取决于评定方法，外部评判者比参与者更不可能识别正性情感， particularly当使用离散情感量表时。4.2. 梦的情感强度梦情感强度一般为中等，与先前发现一致（Barbeau et al., 2022; Conte et al., 2020; Fosse et al., 2001; Nielsen et al., 1991; R?ver & Schredl, 2017; Schredl & Doll, 1998; Schredl & Reinhard, 2009; Sikka et al., 2014; St-Onge et al., 2005; Strauch & Meier, 1996; Yu, 2007, Yu, 2015）。如预期，研究人员发现评定方法对梦情感强度的主效应。总体而言，自评梦比他评梦更强烈，与先前发现一致（R?ver & Schredl, 2017; Schredl & Doll, 1998; Sikka et al., 2021）。此差异可能反映自报要求参与者将多个情绪事件整合为单一整体判断（Larsen & Fredrickson, 1999）。相反，外部评判者单独评估每个情感事件，这可能解释较低的强度评分（Sikka, 2020）。相反，未观察到梦效价的主效应。其他研究在使用ER时发现负性情感更强烈（Schredl & Doll, 1998; Sikka et al., 2021），在使用SR时发现正性情感更强烈（Samson-Daoust et al., 2019; Sikka et al., 2014, 2021; Yu, 2015）或正性和负性情感强度之间无显著差异（Conte et al., 2020; Fosse et al., 2001; Schredl & Doll, 1998）。在本研究中，效价仅在与评定方法和参与者性别的两向交互作用中显示显著效应，这些条件效应在三向交互作用（效价、性别和评定方法）中进一步阐明。这些发现表明先前研究间的差异可能反映样本组成的差异， particularly女性与男性参与者的比例，以及缺乏考虑此类交互作用或其他高阶效应的模型。4.3. 生物学性别差异研究人员预期，在由外部评判者评估时，女性报告的 情感性梦报告多于男性。然而，生物学性别不能预测报告情感性（vs. 中性）或负性（vs. 正性）梦的几率，无论评定方法如何。这些发现与报告梦情感性或效价无显著性别差异的研究一致（Hall & Van de Castle, 1966; Kahn & Hobson, 2002; Labell et al., 2024; Merritt et al., 1994; Samson-Daoust et al., 2019）。参与者内词数协变量捕捉了报告长度相对于每名参与者典型报告长度的变异，但未捕捉典型报告长度的个体间差异。因此，分析无法确定典型报告长度的个体间差异是否可能解释先前研究中报告的梦情感性别差异（Sikka, Feilhauer, Valli and Revonsuo, 2017, Sikka, Valli, Revonsuo and Tuominen, 2021），这些差异在外部评定的梦情感中观察到但自评中未观察到。研究间的这些差异也可能反映方法学差异。在Sikka等人（2017）中，梦效价由离散情绪的 频率确定，而在本研究中，基于情感强度。根据测量情感的哪个方面（如存在、频率、强度、持续时间；Schimmack et al., 2000; Sikka, 2020），可能产生不同结果。此外，Sikka等人（2021）分别测量每个梦事件的正性和负性情感强度，然后比较平均正性和负性情感分数。相反，本研究在分析前将梦分类为正性或负性。这种聚合可能掩盖了在分别分析正性和负性情感时可检测到的性别差异。关于情感强度，参与者性别对梦报告情感强度无主效应，与先前研究一致（Mc Falls et al., 1980; Schredl, 2002; Schredl et al., 1998; Schredl & Doll, 1998; Strauch & Meier, 1996）。然而，性别、效价和评定方法之间出现交互作用。仅在SR中，女性报告负性梦的强度高于男性，男性将其负性梦评为比正性梦强度更低。重要的是，三向交互作用应谨慎解释，因为其统计显著性对随机效应 specification敏感。尽管估计的交互效应和简单效应模式在模型间高度一致，但当纳入评定方法×效价交互作用的参与者水平随机斜率时，交互作用不再达到常规显著性。一致地，研究表明女性比男性有更多噩梦（Levin & Nielsen, 2007; Schredl & Reinhard, 2011）。这些研究表明女性可能a）经历更大的情感负荷或痛苦，因此更可能报告痛苦经历；b）对某些风险因素（如创伤或失眠）更脆弱，这增加烦躁性梦的可能性；c）经历与女性自青春期以来更高抑郁患病率相关的发育过程；d）表现出情绪脑过程的差异，如更好的情景情绪记忆和对情绪刺激更大的生理反应；以及e）使用比男性更多的情绪聚焦或反刍应对机制，男性可能倾向于回避或脱离策略。最后一种解释也可反映在以下结果中：在男性中，自报负性梦强度低于正性梦。实际上，这种不对称可能反映情绪表达的性别社会化，男性由于内化的情绪坚忍规范而更可能抑制或最小化情绪表达（Brody, 2000; Brody et al., 2016; Grossman & Wood, 1993）。这对负性情绪可能尤其如此（Deng et al., 2016; Polá?ková ?olcová & La?ev, 2017）。研究人员的发现与Sikka等人（2021）形成对比，后者报告女性外部评定梦中更高的正性和负性，可能由于情感效价操作化的差异。他们的分析在梦中分别处理正性和负性分数，而研究人员的方法对比主要为正性和负性的梦。4.4. 梦报告长度词数与梦的情感性质和情感强度均正相关，与先前发现一致（R?ver & Schredl, 2017; Sikka et al., 2014, 2017; Sikka, Revonsuo, et al., 2018）。中性和较低强度的梦较短，表明情感显著性促进更详细的梦回忆（D. B. Cohen & MacNeilage, 1974; Nemeth, 2023）并帮助评判者检测情感内容。然而，词数不能预测效价，表明参与者内正性和负性梦长度相当。尽管有人提出较长的梦报告可能通过促进情感（特别是负性情感）的检测来减少自评和他评之间的差异（R?ver & Schredl, 2017），但更合理的可能是评判者的评分受 signaling效价的 linguistic线索而非报告长度本身的影响。鉴于正性情绪一般分化程度较低（Ellsworth & Smith, 1988; Mikels et al., 2005）且比负性情绪描述得更不明确（Sikka et al., 2014; Snyder, 1970; Strauch & Meier, 1996），外部评判者可能更难可靠地识别梦叙事中的正性情感。4.5. 实证和理论意义本研究结果强化了考虑Sikka（2020）关于评估梦情感时不同方法互补性的方法学建议的重要性。自报和他评捕捉情感梦体验的不同维度。自评纳入梦者觉醒后的评价和对体验的记忆，而他评受限于书面报告的内容和评判者对该内容的解读（Sikka, 2020; Sikka & Gross, 2023）。由于每种方法都有其优势和偏倚，它们的结合使用对于克服这些局限、提供对梦中情感的更全面理解以及加强实证结论的效度至关重要。当研究人员受限于单一评估方法时，必须明确说明梦情感是如何测量的，并承认该方法固有的方法学局限。ER产生较少情感性和较少正性结果的一致发现具有重要的方法学和认识论意义。一方面，它强调需要开发工具或策略，鼓励梦者更明确地报告正性情感，从而使其更易被外部评判者检测，同时避免可能的需求特征。另一方面，它突显了关于情绪在梦中可能作用的理论主张可能因所采用的评定方法而被支持或反驳的风险（Sikka, 2020）。ER倾向于支持将梦描绘为较少情感性（如Domhoff, 2003, Domhoff, 2018, Domhoff, 2022）或主要为负性（Cartwright, 1991, Cartwright, 2010; Cartwright et al., 1998; Gazzillo et al., 2020; Hartmann, 1996, Hartmann, 1998, Hartmann, 2007; Levin and Nielsen, 2007, Levin and Nielsen, 2009; Nielsen & Levin, 2007; Revonsuo, 2000）的理论，而SR与强调梦情感丰富性的观点一致，不暗示负性情感偏倚（如Kramer, 1993, Kramer, 2011; Lemyre et al., 2023; Malinowski & Horton, 2021; Perogamvros & Schwartz, 2012; Westermann et al., 2013）。负性情感SR和ER之间更大的一致性进一步表明，关于负性情感的功能和相关物的理论推断可能较少依赖于评定方法。一些理论解释提出，梦中中等水平的情感强度可能对情绪调节最佳，足以参与情绪处理而不会变得压倒性（Cartwright, 1991, Cartwright, 2010; Cartwright et al., 1998; Kramer, 1993, Kramer, 2011; Levin and Nielsen, 2007, Levin and Nielsen, 2009; Malinowski & Horton, 2015; Nielsen & Levin, 2007）。研究人员的描述性发现，两种评定方法均产生中等平均情感强度评分，与这些解释一致，但不提供该命题的证据，因为平均强度不表明个体梦是否为中等强度，且研究未评估调节过程或后续情绪结果。观察到的自评强度性别相关差异进一步强调需要考虑个体和社会文化对梦内容的影响（如Domhoff & Schneider, 2008; Hsu & Yu, 2016; Lohmann, 2019; Sikka, 2020），以及情绪困难可能通过做梦处理的各种方式（Levin and Nielsen, 2007, Levin and Nielsen, 2009; Malinowski & Horton, 2015; Nielsen & Levin, 2007; Samson et al., 2023）。其他方法学因素，如感兴趣的现象（如情绪、心境、情感）、评估的情感方面（如存在、强度、持续时间）、评定量表的形式（如离散vs. 维度；双极vs. 单极；锚点数量）、梦收集的背景（如家庭vs. 实验室）和收集时间（如睡眠期早期vs. 晚期），可能进一步塑造结果及其理论意义（详细讨论见Sikka, 2020）。因此，为确保稳健性和可重复性，必须明确详细说明和证明与方法学选择相关的选择，并承认其对所得结果的潜在影响。4.6. 局限本研究有几个局限。首先，男性在样本中代表性不足，这可能降低了该亚组内估计的精度。这可能部分解释为何在男性中SR和ER在负性梦强度方面未出现显著差异。其次，参与者自愿参与研究可能表明对梦有高于平均的积极态度和兴趣（Hill et al., 1997）。第三，提供给参与者和评判者的指导语以及所采用的评定量表可能影响了结果。参与者被要求将其梦分类为正性、负性或中性，没有使用单独的正性和负性情感量表或“平衡”类别来细致表达其情感体验的选项。这种强制选择格式可能导致参与者忽略梦中混合情感共存（Scherer, 2005）。此外，强度量表缺乏零点可能偏倚了情感性梦的估计，因为“中性”类别可能被不均匀地解释。由于参与者被要求评定其情感体验的强度，即使他们报告了中性梦，一些人可能用它来描述主要情感既非明显正性也非负性、或正性和负性情感平衡的梦。这种偏倚可能反映在自评中模糊梦比例较高、相应地中性梦比例较低（与他评相比）。关于情感性梦的流行率和强度的结果可能部分反映ER程序，其强调强度而非频率。因为情感强度是一种难以在叙事形式中传达的现象学体验，参与者可能提供了少量语言线索，从而限制了评判者评估它的能力。因此，即使评判者间信度足够，此类评定的效度仍值得怀疑，因为分数可能不能完全捕捉参与者的主观体验（Domhoff, 1996）。最后，排除少于25词的梦报告可能不成比例地移除了片段性或较少阐述的报告，并且由于研究人员未操作定义可报告的梦内容，参与者可能在是否记录片段性体验或仅更详细的叙事方面存在差异。这种差异可能影响情感线索的可用性和报告被分类为情感性的可能性。4.7. 对未来研究的建议鉴于当采用不同量表时SR和ER之间的方法间一致性更弱（Sikka, 2020），未来研究应直接比较维度量表与离散量表获得的结果及其与评定方法的交互作用。由于没有单一方法可被视为金标准，结合测量可能提供对情感现象的更全面理解（Larsen & Fredrickson, 1999; Mauss & Robinson, 2009）。此外，为确定自报中聚合情感事件是否夸大情感强度，未来研究可比较对梦的整体强度评分与对每个情感场景分别进行的评分。研究人员还应注意不要平均所有梦的强度，因为这种方法可能因纳入零强度梦而使分数向下偏倚（Lemyre et al., 2023）。关于梦中情感内容的性别差异缺乏清晰图景也呼吁更多关注。未来研究应调查男性和女性之间差异的潜在原因。与梦的连续性假说一致（Domhoff, 2018; Schredl & Hofmann, 2003），检查性别而非生物学性别可能更有信息量，因为性别角色、规范和经历塑造清醒时的关切和情绪，这些延续到梦境生活，而生物学因素仅构成情绪性别差异的一个来源（Brody et al., 2016）。最后，随着各种自动评估梦中情感内容工具的使用日益增多（如Fogli et al., 2020; McNamara et al., 2019; van Wyk et al., 2024; Yu, 2022），未来研究应系统比较这些自动方法与SR和ER。尽管这些模型代表创新进展，但大多数仍呈现显著局限，且往往未能捕捉梦的更广泛叙事背景（Elce et al., 2021; Mohammad, 2021）。因此，进一步研究应检查这些计算方法产生的结果与自报和人类评分所得结果的比较。虽然已朝此方向迈出初步步骤（Baber et al., 2024, Baber, Hamilton and Gratton, 2025; Yu, 2022），但仍需更系统的调查以建立这些新兴方法的信度和效度。5. 结论本研究重复并扩展了先前关于自评和他评梦情感之间差异的发现，从而有助于加强梦研究可重复性的日益增长的努力。在大型自然数据集使用多水平模型分析中，自评比 他评将更多梦分类为情感性和正性，并赋予更高的情感强度。两种方法相关，但在个体报告水平上仅显示适度对应，表明它们捕捉记忆和报告梦体验的重叠但不可互换的方面。这些结果表明方法学选择 substantially塑造关于梦中情感存在和强度的结论。此外，观察到的评定视角、效价和参与者生物学性别之间的交互作用强调社会文化和认知因素在情感强度如何被体验、记忆和表达中的作用，男性可能低报负性情感强度。总之，这些发现强调需要区分主观评价与叙事中可识别的情感，精确描述评定和聚合程序，并避免假设任一方法提供对原始梦体验的透明访问。研究支持本研究由加拿大社会科学与人文研究理事会授予A. Zadra的资助[编号435-2023-0634]以及加拿大社会科学与人文研究理事会授予B. Brodeur的博士奖学金[编号767-2025-1229]和魁北克研究基金–社会与文化[https://doi.org/10.69777/330176]支持。AI声明在本工作准备期间，第一作者使用ChatGPT（OpenAI）和Gemini Notebook（Google）生成想法、将某些段落从法语翻译为英语，并改善稿件组织和可读性。两位作者随后根据需要审查和编辑内容，并对发表文章的内容承担全部责任。CRediT作者贡献声明Benjamin Brodeur：写作–审查与编辑，写作–原始草案，方法学，形式分析，数据管理，概念化。Antonio Zadra：写作–审查与编辑，写作–原始草案，监督，资源，项目管理，方法学，资金获取，数据管理，概念化。Benjamin Brodeur|Antonio Zadra

该论文聚焦于梦境情感评估中自评（SR）与他评（ER）之间的系统性差异。研究背景在于，梦中情感体验的评估方法存在异质性，既往研究显示自评通常比外部评判者识别出更多情感性、正性和强烈的梦，但多数比较研究缺乏能够处理参与者内重复评定嵌套结构的统计设计，且生物学性别的作用尚不明确。为此，研究人员利用107名参与者（22名男性、84名女性）在自然家庭情境下连续记录2–3周共1,946个梦报告，采用多水平混合效应模型系统比较SR与ER在情感存在、效价和强度上的差异，并考察性别和报告长度的调节作用。研究得出：自评梦被分类为情感性的几率约为他评的7.3倍（OR = 0.138），自评梦被分类为负性（vs. 正性）的几率显著低于他评（OR = 2.125，他评负性几率约为自评两倍）；自评强度显著高于他评（ΔEMM = 0.592）；词数正向预测情感存在和强度但不预测效价；方法间一致性在情感分类上为中等（完全一致率68.6%），在强度上较差；三向交互作用（评定方法×效价×性别）显著，女性自评负性梦强度高于男性，男性自评正性梦强度高于负性梦。研究意义在于揭示了评定方法对梦情感结论的实质性塑造作用，强调SR与ER捕捉的是记忆与报告体验中重叠但不可互换的方面，建议结合使用两种方法并精确描述评定与聚合程序。关键技术方法包括：自然家庭情境下的连续梦日记收集（2–3周）、两名独立双语评判者的外部评定（辅以50份训练样本和200份子样本的评判者间信度评估，Cohen's κ = .604，ICC = .782–.861）、五点Likert强度量表、以及带二项/高斯误差分布的三水平线性与广义线性混合效应模型（lme4包，bobyqa优化器，Kenward–Roger自由度，emmeans边际均值与Bonferroni校正简单效应分析）。研究结果如下：（1）梦的情感性质和效价——通过GLMM分析1,894个报告、3,453个观测发现，他评梦被分类为情感性的几率显著低于自评（OR = 0.138, p < .001），他评梦被分类为负性的几率约为自评的两倍（OR = 2.125, p = .001），该偏移主要反映他评下正性分类减少而非负性分类增加；（2）梦的情感强度——通过线性混合效应模型分析1,412个报告、2,124个观测发现，评定方法主效应显著（F = 52.667, p < .001），自评强度高于他评0.592分，词数正向预测强度（每SD增加0.225分），评定方法×效价×性别三向交互作用显著（F = 4.244, p = .040），女性自评负性梦强度显著高于男性（ΔEMM = 0.492, padj = .014），男性自评正性梦强度显著高于负性梦（ΔEMM = 0.525, padj = .011）；（3）方法间一致性——通过1,598个双方法非模糊报告分析发现，情感性vs.中性分类完全一致率68.6%，四类效价完全一致率56.0%，负性分类一致性（65.1%）高于正性（40.3%），强度评分组内相关显示绝对值差异显著。讨论部分指出，自评纳入梦者觉醒后的评价和记忆整合，他评受限于书面叙事和评判者解读，二者不可互换；ER倾向于支持梦较少情感性或主要为负性的理论，SR则与强调梦情感丰富性的观点一致；负性情感在两方法间收敛更好，提示关于负性情感功能的推论较少依赖评定方法；性别差异可能反映情绪表达的性别社会化与应对策略差异；未来研究应比较维度与离散量表、整体与分场景强度评分、性别而非生物学性别、以及自动化评估工具与SR/ER的系统比较。研究结论翻译：本研究重复并扩展了先前关于自评与他评梦情感差异的发现，从而有助于加强梦研究可重复性的持续努力。在大型自然数据集使用多水平模型分析中，自评比 他评将更多梦分类为情感性和正性，并赋予更高的情感强度。两种方法相关，但在个体报告水平上仅显示适度对应，表明它们捕捉记忆和报告梦体验的重叠但不可互换的方面。这些结果表明方法学选择实质性塑造关于梦中情感存在和强度的结论。此外，观察到的评定视角、效价和参与者生物学性别之间的交互作用强调社会文化和认知因素在情感强度如何被体验、记忆和表达中的作用，男性可能低报负性情感强度。总之，这些发现强调需要区分主观评价与叙事中可识别的情感，精确描述评定和聚合程序，并避免假设任一方法提供对原始梦体验的透明访问。