在社交互動中，面部表情如同無聲的語言，承載著復雜的情感信息。然而對于自閉癥譜系障礙(Autism Spectrum Disorder, ASD)群體而言，這種"語言"的編碼和解碼似乎總存在某種錯位。自1943年Kanner首次描述自閉癥特征以來，大量研究表明ASD個體的面部表情常被感知為"難以解讀"——可能是表情稍縱即逝、與情境不符，或是被誤讀為消極情緒。這種溝通障礙究竟源于表情產生的本質差異，還是旁觀者的認知偏差？傳統研究多依賴刻意模仿或情境想象的表情誘發方式，但Emerson College的Ruth B.Grossman團隊獨辟蹊徑，選擇YouTube視頻這種自然刺激來捕捉青少年最真實的面部反應。

研究團隊招募了17名ASD和18名神經典型發育(Non-Typical, NT)青少年，通過標準化評估確保兩組在年齡、性別、智商和語言能力上無顯著差異。參與者觀看拼接的26個YouTube視頻序列（含4個惡心內容和4個可愛/搞笑內容），研究人員截取每個視頻最具情緒沖擊力的6秒片段，采用雙盲框架編碼(frame-by-frame coding)分析面部特征運動。為確�？陀^性，所有編碼員均不知曉參與者診斷信息，且通過ELAN軟件記錄特定肌肉動作（如嘴角上揚為積極效價，皺眉為消極效價），爭議數據需經三重校驗。

主要結果呈現三個關鍵發現

1. 表達時長差異：混合效應模型顯示ASD組情緒表達總時長顯著更長（β=953.03ms, p<0.001），尤其在積極效價表達上比NT組長2187.6ms(p<0.0001)。
2. 效價特異性：三因素交互作用揭示ASD組對惡心視頻仍產生長時間積極表情（比NT組長1167.9ms, p=0.036），而NT組無此現象。
3. 跨模態矛盾：行為觀察發現ASD個體常伴隨"微笑+身體后仰/遮眼"的矛盾反應，與Costa等報告的"臉身情緒不協調"現象吻合。

技術方法亮點
研究采用紅外運動捕捉(infrared motion capture)記錄32個面部標記點動態，結合半結構化社交環境設計消除任務干擾。通過臨床評估(ADOS-2、SCQ)嚴格分組，使用KBIT-2和CELF-5控制認知偏差。數據分析采用R語言的lme4包構建混合線性模型，處理缺失值并納入視頻/參與者隨機效應。

討論與意義
這項研究顛覆了早期"ASD負面表情偏倚"假說，用客觀數據證實現代研究提出的"積極效價偏倚"理論：當ASD個體面對負面刺激時，其面部肌肉運動模式可能同時激活"微笑肌群"和"厭惡肌群"，導致非自閉癥觀察者主要依據顯性的嘴角上揚判定為積極情緒。這種感知偏差可能解釋為何ASD兒童在玩具被奪走時會"笑著拍桌"——并非情緒體驗不同，而是表情編碼系統存在神經類型差異。

研究局限性在于編碼員均為非自閉癥人群，未來需納入ASD編碼者對比；且樣本以男性為主。但該成果為理解"雙重共情問題"(double empathy problem)提供了新視角：社交障礙不僅是ASD個體"表達異常"的結果，更是兩種神經類型在情感外化方式上的根本差異。正如作者強調，面部表情絕非情緒狀態的可靠指標，這項研究警示臨床和教育領域應避免僅憑表情判斷ASD個體的真實感受，為開發跨神經類型的溝通培訓提供了重要理論基礎。