- 简介当执行团队目的的相互依存的个人任务时,同时个人流(即同时流)是实现共享团队流的先决条件。检测同时流有助于更好地了解团队成员的状态,因此对于优化多用户交互系统非常重要。然而,目前缺乏探索检测同时流的客观特征和方法。基于团队合作中流的大脑机制和先前关于基于脑电图(EEG)的个人流检测的研究,本研究旨在探索与同时流相关的重要EEG特征,以及基于EEG信号的有效检测方法。首先,设计了一个两人同时流任务,基于此构建了第一个同时流的多EEG信号数据集。然后,我们探索可能与个人和同时流相关的潜在EEG信号特征,并使用各种机器学习模型验证它们在同时流检测中的有效性。结果表明:1)因为增强了模型检测不同类型的同时流,因此跨脑同步特征与同时流相关;2)在检测同时流时,额叶区域的特征似乎优先考虑;3)随机森林在二元分类中表现最佳,而神经网络和深度神经网络在三元分类中表现最佳。
- 图表
- 解决问题探索多人团队中的同时心流状态检测方法和相关脑电信号特征,解决当前缺乏此类研究的问题。
- 关键思路通过构建首个多人同时心流脑电信号数据集,探索脑电信号特征与同时心流状态的关系,并验证其有效性。
- 其它亮点设计了两人同时心流任务,构建了数据集,并使用多种机器学习模型验证了脑电信号特征的有效性。结果表明,跨脑同步特征与同时心流状态相关,前额叶区域的特征更能有效检测同时心流状态,Random Forests在二元分类中表现最好,而神经网络和深度神经网络在三元分类中表现最好。
- 相关研究包括基于脑电信号的个体心流检测、多人协同性研究等。
沙发等你来抢
去评论
评论
沙发等你来抢