我们是否进入心流状态？探索基于脑电信号检测同时性心流体验的特征与方法
人机交互
2024-05-06 v1
摘要
当为团队目标执行相互依赖的个人任务时，同时性个体心流（simultaneous flow）是实现共享团队心流的前提条件。检测同时性心流有助于更好地理解团队成员的状态，因此对于优化多用户交互系统至关重要。然而，目前缺乏对检测同时性心流的客观特征和方法的探索。基于团队合作中心流的脑机制以及先前基于脑电图（EEG）的个体心流检测研究，本研究旨在探索与同时性心流相关的显著EEG特征，以及基于EEG信号的有效检测方法。首先，我们设计了一个双人同时性心流任务，并在此基础上构建了首个同时性心流的多脑电图信号数据集。然后，我们探索了可能与个体和同时性心流相关的潜在EEG信号特征，并使用各种机器学习模型验证了它们在同时性心流检测中的有效性。结果表明：1）脑间同步性特征与同时性心流相关，因为它能提升模型检测不同类型同时性心流的性能；2）在检测同时性心流时，来自额叶区域的特征似乎应被优先关注；3）随机森林在二分类中表现最佳，而神经网络和深度神经网络3在三分类中表现最佳。
引用
@article{arxiv.2405.02045,
title = {Are We in The Zone? Exploring The Features and Method of Detecting Simultaneous Flow Experiences Based on EEG Signals},
author = {Baiqiao Zhang and Xiangxian Li and Yunfan Zhou and Juan Liu and Weiying Liu and Chao Zhou and Yulong Bian},
journal= {arXiv preprint arXiv:2405.02045},
year = {2024}
}