Cet article propose des « représentations ordinales des émotions tenant compte de l'ambiguïté », un nouveau cadre de reconnaissance des émotions qui prend en compte simultanément l'ambiguïté et la nature dynamique des émotions. Contrairement aux études précédentes qui ignoraient l'ambiguïté émotionnelle ou la traitaient comme une variable statique, cette étude présente une approche qui modélise l'ambiguïté émotionnelle comme un taux de variation temporel. À l'aide de deux jeux de données d'émotions, RECOLA et GameVibe, nous évaluons la méthode proposée pour le suivi continu des émotions avec contrainte (éveil, valence) et sans contrainte (immersion). Les résultats montrent que les représentations ordinales des émotions surpassent les modèles existants tenant compte de l'ambiguïté dans les étiquettes sans contrainte et obtiennent les meilleures performances en termes de coefficient de corrélation de concordance (CCC) et d'accord différentiel signé (SDA), démontrant ainsi leur efficacité dans la modélisation de la dynamique du suivi des émotions. Pour les étiquettes avec contrainte, les représentations ordinales des émotions surpassent le SDA, démontrant ainsi leur capacité supérieure à capturer les variations relatives dans les suivis d'émotions annotés.
