На мой взгляд начать стоит с некоей формализации экспрессии. Вот у спикера есть хорошо различимые (хотя фрагмент не самый удачный из-за меняющейся камеры):
– движения глаз
– головы
– плеч
– рук
– корпуса
Какие из них в какой комбинации оцениваем, чтобы отнести то или иное слово на ту или иную сторону?