使用多模态可穿戴传感器指标理解虚拟社交互动中的状态社交焦虑

移动传感技术无处不在，为洞察状态心理健康功能提供了机会。检测状态社交焦虑的升高尤其有用，因为这种现象非常普遍且影响深远，但往往不被披露。尽管焦虑是高度动态的，分钟内就可能快速波动，但迄今为止大多数研究是在小时、天或更长时间尺度上 examination 焦虑。本研究我们探讨了在 N=46 名表现出高水平特质社交焦虑症状的大学生中检测状态社交焦虑波动的可行性. 参与者通过 Zoom 进行两场双人和两场小组社交互动. 我们以参与者预测、立即经历和反思每次社交互动后评估其状态焦虑水平，spanning 2-6 分钟的时间范围. 我们通过 Empatica E4 设备收集了生物行为特征（即 PPG、EDA、皮肤温度和加速度计），作为他们参与不同社交情境（例如双人 vs. 小组；预测 vs. 经历互动；经历不同程度的社交评估）时的数据. 我们此外测量了他们的特质心理健康功能. 随机效应 logistic 回归和留一被试机器学习建模表明，生物行为特征显著预测状态焦虑的波动，尽管平衡准确率往往偏低（59%）. 然而，当我们将情境数据与特质心理健康功能整合到预测模型中时，我们识别实例高度社交焦虑 vs. 低状态焦虑的能力显著提高（平衡准确率在不同状态焦虑的不同操作化方式下范围从 69% 到 84%）. 我们讨论了这些发现以及其他发现在更广泛的焦虑检测文献中的含义。