SenseSeek 数据集：多模态感知用于研究信息寻求行为

信息处理任务涉及复杂的认知机制，这些机制受到包括个人目标、既往经验和系统环境在内的各种因素的影响。理解此类行为需要对如何与现代信息系统（如 Web 搜索引擎）进行交互进行精细且个性化的数据捕获。被动传感器（如可穿戴设备）捕获生理和行为数据，可能为此背景提供解决方案。本文提出了一种新型数据集——SenseSeek，旨在评估消费级传感器在复杂信息处理情景下的效果：即通过系统（如搜索引擎）进行搜索，这是用户寻求信息时常用策略之一。SenseSeek 数据集包含来自 20 名参与者、235 项刺激搜索过程、940 个搜索过程阶段（包括信息需求实现、查询形成、通过输入或语音提交查询、通过阅读或聆听进行相关性判断）的数据。数据包括电皮肤活性（EDA）、脑电图（EEG）、瞳孔、注视和运动数据，这些数据均使用消费级传感器捕获。数据集还包含从传感器数据中提取的 258 个特征、带注视标注的屏幕录像以及任务响应。我们通过对不同认知意图和交互方式对传感器数据的影响以及数据在区分搜索阶段有效性的基准分析，验证了数据集的有用性。据我们所知，SenseSeek 是首个利用来自多个传感器的生理信号，对信息寻求过程中多个阶段进行特征化的数据集。我们希望该数据集能为未来研究信息寻求行为提供参考。