Memberikan satu label emosi kepada seluruh video mungkin kelihatan mudah, tetapi pendekatan itu tidak begitu sepadan dengan cara emosi berlaku. Seseorang boleh mengalami beberapa reaksi dalam satu klip—atau hanya berasa sangat tersentuh selama beberapa saat—sedangkan keseluruhan rakaman tetap dilabel sebagai satu keadaan emosi.\n\nMasalah ini menghasilkan gangguan temporal dalam data latihan. Model akhirnya perlu belajar daripada bahagian video yang neutral, bersifat persediaan atau mempunyai emosi berbeza daripada label utama. FIRMED cuba mengatasinya dengan memfokuskan anotasi pada peristiwa emosi tertentu, bukan pada keseluruhan sesi tontonan. 
42\n\n## Mengapa label seluruh video boleh mengelirukan\n\nDataset fisiologi emosi yang dicetuskan oleh video lazimnya menggunakan anotasi seluruh percubaan. Dalam kaedah ini, satu label digunakan untuk semua data yang direkodkan sepanjang peserta menonton sesuatu rangsangan. Namun, respons emosi bersifat dinamik: ia boleh muncul secara singkat, meningkat secara beransur-ansur dan berubah apabila naratif video bergerak ke babak seterusnya. 42\n\nFIRMED, singkatan bagi Fine-grained Immediate Recall-based Multimodal Emotion Dataset, menggunakan kaedah yang lebih terperinci. Matlamatnya ialah mengenal pasti saat peserta mula mengalami emosi yang dianggap ketara, bukannya meminta mereka membuat satu penilaian umum selepas video tamat. 5\n\n## Cara kaedah “immediate recall” berfungsi\n\nProses anotasi ini berlaku dalam dua peringkat:\n\n1. Peserta menonton video eksperimen.\n2. Sejurus selepas itu, video dimainkan semula dan peserta menunjukkan semula detik yang mereka ingat sebagai permulaan sesuatu respons emosi.\n\nKetika tayangan semula, penyelidik merekodkan cap masa peristiwa, kategori emosi dan tahap intensiti. Kategori yang didokumenkan termasuk kegembiraan, kesedihan, kemarahan, ketakutan, rasa jijik dan kejutan. Intensiti pula dibahagikan kepada rendah, sederhana dan tinggi. 
9\n\nTayangan semula serta-merta ini bertujuan mengekalkan maklumat masa daripada pengalaman asal sambil mengehadkan herotan ingatan yang mungkin berlaku jika peserta diminta mengingat semula emosi itu selepas tempoh yang panjang. Hasilnya bukanlah seluruh klip dilabel “takut” atau “gembira”, tetapi satu peristiwa emosi yang mempunyai masa tertentu dan boleh dipadankan dengan isyarat fisiologi serta tingkah laku yang direkodkan secara serentak. 5\n\n## Mengapa tetingkapnya empat saat?\n\nFIRMED memusatkan setiap peristiwa pada segmen empat saat: dua saat sebelum dan dua saat selepas detik emosi yang dilaporkan. Reka bentuk ini bertujuan menangkap perubahan fisiologi di sekitar peristiwa tanpa membawa terlalu banyak data daripada bahagian video yang tidak berkaitan.\n\nPilihan ini penting kerana tetingkap yang terlalu pendek mungkin terlepas proses peningkatan emosi atau tindak balas fisiologi yang berlaku sejurus selepasnya. Sebaliknya, tetingkap yang terlalu panjang boleh mencairkan corak khusus peristiwa dengan data daripada tempoh yang tidak benar-benar mencerminkan emosi berkenaan.\n\nAnalisis ablation dalam kertas kajian digunakan untuk menilai pertukaran ini. Tetingkap yang lebih panjang menghasilkan ciri yang kurang jelas bagi emosi seperti kejutan dan rasa jijik, melemahkan penindasan aktiviti alfa yang dikaitkan dengan ketakutan, serta mengurangkan kejelasan aktiviti gama yang berkaitan dengan kegembiraan. Dapatan ini menyokong idea bahawa model pengecaman emosi mungkin mendapat manfaat daripada segmen ringkas yang sejajar dengan detik emosi, berbanding keseluruhan klip. 42\n\n## Bagaimana anotasi itu disemak\n\nLabel FIRMED tidak sepatutnya bergantung pada ingatan subjektif semata-mata. Kajian turut meneliti sama ada detik emosi yang dilaporkan seiring dengan perubahan isyarat fisiologi, termasuk EEG dan konduktans kulit. Langkah pengesahan fisiologi ini menjadi sebahagian daripada penilaian terhadap kaedah immediate recall. 42\n\nBukti yang tersedia menyokong kesimpulan umum bahawa anotasi berpusatkan detik kemuncak boleh dibandingkan dengan respons fisiologi yang disegerakkan. Namun, bahan yang dapat disahkan di sini tidak mencukupi untuk mengesahkan semua angka terperinci yang pernah disebut dalam permintaan asal—termasuk nilai tepat Cohen’s kappa, peratus ketepatan masa atau keputusan penuh semakan bebas terhadap 150 rekod. Angka tersebut wajar disemak dalam jadual pengesahan lengkap kertas kajian sebelum dipetik sebagai keputusan muktamad.\n\nPerbezaan ini penting. Cap masa yang tepat masih boleh dipengaruhi oleh ingatan manusia yang tidak sempurna. Padanan dengan respons fisiologi menguatkan hujah bahawa kaedah ini berguna, tetapi tidak membuktikan setiap masa mula yang dilaporkan adalah tepat atau dataset itu akan berfungsi sama baik untuk semua individu, emosi dan konteks.\n\n## Apa yang berubah untuk pembelajaran mesin?\n\nApabila label menjadi lebih tepat dari segi masa, tugasan model turut berubah. Model yang dilatih menggunakan label seluruh video perlu belajar melalui tempoh yang mungkin neutral atau mempunyai campuran emosi. Model yang menerima segmen berpusatkan detik kemuncak pula mendapat hubungan yang lebih konsisten antara isyarat input dengan emosi sasaran.\n\nKertas FIRMED menilai idea ini melalui eksperimen pengecaman yang membandingkan label peristiwa terperinci dengan pelabelan konvensional yang lebih kasar. Dakwaan utamanya ialah penyeliaan yang lebih tepat boleh meningkatkan pengecaman walaupun segmen peristiwa mengandungi jumlah data yang lebih sedikit. 42\n\nBahan yang tersedia tidak mengesahkan dengan kukuh perubahan ketepatan khusus daripada 34.7% kepada 38.5%, mahupun perbandingan tepat antara setiap model berulang dan model berasaskan graf. Oleh itu, angka tersebut tidak wajar diulang sebagai fakta yang telah disahkan di sini.\n\nPengajaran metodologinya masih jelas: kapasiti temporal tambahan paling berguna apabila label latihan benar-benar mengenal pasti peristiwa yang bermakna. Jika input mengandungi tempoh panjang yang tiada kaitan dengan emosi sasaran, model yang lebih kompleks mungkin mempelajari gangguan anotasi, bukannya corak emosi yang kukuh.\n\n## Potensi di luar penanda aras\n\nPeralihan daripada klasifikasi seluruh klip kepada pengesanan peristiwa emosi boleh memberi implikasi kepada beberapa bidang:\n\n- Interaksi manusia-komputer: sistem mungkin bertindak balas ketika pengguna mula menunjukkan kekecewaan, kejutan, ketakutan atau kegembiraan, bukan memberikan satu label untuk keseluruhan interaksi.\n- Penyelidikan kesihatan mental: respons bertanda masa boleh membantu membezakan reaksi sementara daripada corak emosi yang lebih meluas, serta menghubungkan perubahan fisiologi dengan rangsangan tertentu.\n- Pemantauan kesihatan: tetingkap multimodal yang ringkas dan sejajar mungkin memudahkan kajian tentang masa perubahan fisiologi berlaku dan perkara yang kelihatan mencetuskannya.\n- Peranti boleh pakai: pada masa hadapan, amaran emosi mungkin dicetuskan berdasarkan peristiwa tertentu tanpa menunggu satu aktiviti atau rakaman lengkap selesai.\n\nNamun, semua ini ialah implikasi penyelidikan—bukan bukti bahawa FIRMED sudah menghasilkan pemantauan klinikal atau amaran masa nyata untuk peranti boleh pakai. Persoalan tentang saiz dataset, kebolehumuman merentas individu dan kesesuaian tetingkap empat saat untuk semua jenis respons emosi masih belum selesai.\n\n## Kesimpulan\n\nSumbangan utama FIRMED ialah mengubah tanggapan tentang label emosi yang berguna. Daripada menganggap sebuah video mempunyai satu identiti emosi dari awal hingga akhir, kaedah ini bertanya: bilakah peserta mengalami peristiwa emosi yang bermakna?\n\nDengan merekodkan detik itu bersama kategori dan intensitinya, label menjadi lebih serasi dengan sifat emosi yang berubah mengikut masa. Pendekatan ini tidak menghapuskan cabaran ingatan subjektif atau tafsiran isyarat fisiologi, tetapi ia menyediakan cara yang lebih terarah untuk menghubungkan laporan manusia, tindak balas tubuh dan ramalan pembelajaran mesin. 542
