Short-Term Affective Change in Immersive Installations: A Multimodal Analysis of EEG and PANAS
وجدت هذه الدراسة أن الوجدان المبلغ عنه ذاتياً عند خط الأساس (PANAS) قدم تنبؤاً أكثر استقراراً واتساقاً بالتغير الوجداني قصير المدى في التجهيزات الغامرة مقارنة بالمؤشرات المستمدة من تخطيط كهربائية الدماغ (EEG)، مما يشير إلى أن التقارير الذاتية المعتمدة تظل مرجعاً عملياً عندما تكون البيانات الفسيولوجية محدودة أو يصعب تفسيرها.
إن العواطف البشرية ليست لقطات ثابتة، بل هي تيارات متدفقة تتبدل وتتلاطم بينما نتحرك خلال يومنا. في مجال العلوم الوجدانية، سعى الباحثون منذ زمن طويل لفهم كيفية تغير هذه الحالات الداخلية، لا سيما أثناء التجارب الغامرة مثل الواقع الافتراضي أو التجهيزات الفنية التفاعلية. وبينما يمكننا بسهولة أن نسأل شخصاً ما عن شعوره الآن، فإن التنبؤ بكيفية تغيير تجربة معينة لمزاج الشخص من البداية إلى النهاية يعد لغزاً أصعب بكثير. لقد توجه العلماء نحو نشاط الدماغ، الذي يُقاس عبر أقطاب كهربائية توضع على فروة الرأس، آملين في إيجاد بصمة بيولوجية تكشف عن هذه التحولات العاطفية حتى قبل أن يدركها الشخص نفسه. والسؤال الجوهري الذي يحرك هذا المسار من البحث هو ما إذا كانت هذه الإشارات الكهربائية من الدماغ يمكن أن تخبرنا عن رحلة الشخص العاطفية أكثر مما يمكن للشخص أن يخبرنا به عن نفسه.
لقد شرع فريق من الباحثين في اختبار هذه الفكرة من خلال فحص مجموعة مكونة من ثلاثين شخصاً شاركوا في تجهيز فني غامر ومتعدد الحواس. صُممت هذه البيئة لتكون جذابة وتفاعلية، مما يسمح للمشاركين بالتحرك والتفاعل بحرية، تماماً مثل بيئة العالم الحقيقي بدلاً من المختبر المعقم. وقبل دخول التجهيز، أكمل كل شخص استبياناً قياسياً يسأل عن تقييم مشاعره الحالية، مثل ما إذا كان يشعر بالإثارة، أو الانزعاج، أو اليقظة. كما تم تسجيل نشاط دماغهم باستخدام غطاء من المستشعرات. وبعد الجلسة، أكملوا الاستبيان ذاته مرة أخرى. ثم قام الباحثون بحساب الفرق بين درجات "قبل" و"بعد" لمعرفة مدى تغير مزاج كل شخص، سواء كان إيجابياً أو سلبياً. كما قاموا بتحليل بيانات الدماغ التي جُمعت قبل الجلسة لمعرفة ما إذا كانت تلك الأنماط العصبية الأولية يمكن أن تتنبأ بحجم التحول العاطفي الذي سيحدث.
اقترب الباحثون من هذه المشكلة عبر بناء نماذج حاسوبية للتنبؤ بتغيرات المزاج. وقد اختبروا ثلاثة أنواع مختلفة من المعلومات لمعرفة أي منها يعمل بشكل أفضل. اعتمد النوع الأول كلياً على المشاعر المبلغ عنها ذاتياً من الاستبيان. واستخدم النوع الثاني فقط بيانات نشاط الدماغ، وبالتحديد قوة موجات الدماغ المختلفة والتوازن في النشاط بين الجانبين الأيسر والأيمن للدماغ. أما النوع الثالث، فقد جمع بين إجابات الاستبيان وبيانات الدماغ. واستخدموا طريقة تعلم الآلة، وهي نوع من البرامج الحاسوبية التي تتعلم كيفية إيجاد الأنماط في البيانات، لمعرفة ما إذا كان بإمكانها التنبؤ بدقة بمدى تغير مزاج الشخص بناءً على نقطة بدايته.
قدمت النتائج إجابة واضحة ومفاجئة نوعاً ما. فقد أظهرت النماذج التي اعتمدت على بيانات الدماغ وحدها أقل أداء مستقر؛ حيث فشلت في التنبؤ بشكل موثوق بما إذا كان مزاج الشخص سيتحسن أم سيتدهور. وفي الواقع، بالنسبة لخوارزميات معينة، أنتجت النماذج التي استخدمت إشارات الدماغ فقط قيم (R²) سالبة في مجموعة الاختبار، مما يشير إلى أنها كان أداؤها أسوأ من التنبؤ البسيط القائم على خط الأساس. وعندما دمج الباحثون بيانات الدماغ مع إجابات الاستبيان، لم تتحسن النتائج بشكل ملحوظ عن استخدام الاستبيان وحده. وكانت التنبؤات الأكثر اتساقاً ودقة هي تلك التي جاءت من النماذج التي استخدمت المشاعر المبلغ عنها ذاتياً فقط. وتحديداً، كان المستوى الأولي من الضيق أو الاضطراب لدى الشخص مؤشراً قوياً على مدى انخفاض مزاجه السلبي بعد التجربة. فإذا بدأ الشخص الجلسة وهو يشعر باضطراب أو ضيق شديد، فمن المرجح أن يساعده التجهيز الفني على الشعور بالهدوء لاحقاً. وقد ثبت أن التنبؤ بزيادة المشاعر الإيجابية كان أصعب بكما في جميع الطرق، لكن التقارير الذاتية ظلت هي الدليل الأكثر موثوقية.
تشير هذه النتيجة إلى أنه في البيئات المعقدة التي تحاكي الواقع، يعد وصف الشخص لحالته العاطفية حالياً أداة أكثر فائدة لفهم مساره العاطفي من ملخص موجات دماغه. أظهرت بيانات الدماغ بالفعل ارتباطات ثنائية متواضعة مع تغيرات المزاج، لا سيما فيما يتعلق بتوازن النشاط في الأجزاء الأمامية من الدماغ، لكن هذه الإشارات كانت ضعيفة ومليئة بالضجيج لدرجة تجعلها غير مفيدة بمفردها. وأشار الباحثون إلى أن الطبيعة الغامرة للتجهيز الفني، والتي سمحت بالحركة وتحول الانتباه، ربما أدخلت الكثير من الضجيج الخلفي في تسجيلات الدماغ، مما جعل من الصعب عزل الإشارات المحددة المتعلقة بالعاطفة.
تخلص الدراسة إلى أنه بينما يعد قياس نشاط الدماغ أداة قوية، إلا أنه ليس بديلاً بعد عن سؤال الناس عن شعورهم، خاصة عند محاولة تتبع التغيرات العاطفية قصيرة المدى في الإعدادات الديناميكية. فقد وفرت المشاعر المبلغ عنها ذاتياً خط أساس مستقراً ومتسقاً لم تستطع بيانات الدماغ مضاهاته. وهذا لا يعني أن بيانات الدماغ عديمة الفائدة، بل يعني أنها تلتقط جوانب مختلفة من التجربة العاطفية التي لا تتوافق دائماً بشكل مثالي مع ما يمكن للشخص الإبلاغ عنه بوعي. وفي الوقت الحالي، عند محاولة فهم كيف تغير تجربة غامرة مزاج الشخص، فإن المسار الأكثر مباشرة وموثوقية هو الاستماع إلى الشخص نفسه.
ملخص تقني: التغير الوجداني قصير المدى في التجهيزات الغامرة
بيان المشكلة تتناول هذه الدراسة التحدي المتمثل في توصيف التغير الوجداني (affective change) قصير المدى ضمن التجارب متعددة الحواس والغامرة. وبينما يركز الحوسبة الوجدانية (affective computing) غالباً على التعرف على الحالات العاطفية الثابتة، هناك فجوة في فهم كيفية انتقال الوجدان عبر مسار جلسة تفاعلية. ويوجد توتر منهجي محدد بين مقاييس التقرير الذاتي (مثل مقياس الوجدان الإيجابي والسلبي، PANAS) والمؤشرات الفسيولوجية (وتحديداً تخطيط كهربائية الدماغ، أو EEG). وبينما يوفر تخطيط كهربائية الدماغ إمكانية الوصول إلى الديناميكيات العصبية، فإن جدواه في التنبؤ بـ "التغير" (من مرحلة ما قبل إلى ما بعد الجلسة) في البيئات المتغيرة بيئياً والغامرة لا تزال غير واضى مقارنة بتقارير خط الأساس الذاتية. وعلاوة على ذلك، ليس من المؤكد ما إذا كانت التغيرات في الوجدان الإيجابي والسلبي تتبع مسارات تنبؤية مماثلة أم أن أحدهما أكثر قابلية للتتبع من الآخر.
المنهجية أجرى البحث تحليلاً ثانوياً لمجموعة بيانات متعددة الوسائط متاحة للعموم تتضمن 30 مشاركاً (جزء من 50 مشاركاً في الأصل) انخرطوا في تجهيز فني علاجي غامر يدمج بين تخطيط كهربائية الدماغ (EEG)، والواقع الافتراضي (VR)، والذكاء الاصطني التوليدي (AIGC).
مصادر البيانات: درجات PANAS قبل وبعد الجلسة، وتسجيلات خام لتخطيط كهربائية الدماغ (Emotid Flex، بتردد 128 هرتز، وتوزيع 10–10).
متغيرات النتيجة: تم تحديد هدفين مستمرين كدرجات فرق:
ΔPositive (التغير في الإيجابي) = الإيجابيبعد − الإيجابيقبل
ΔNegative (التغير في السلبي) = السلبيبعد − السلبيقبل
مجموعات المتنبئات: تم بناء ثلاث تكوينات للميزات باستخدام بيانات خط الأساس (ما قبل الجلسة):
PANAS فقط: درجات الوجدان الإيجابي والسلبي عند خط الأساس.
EEG فقط: ميزات الطيف الأساسية بما في ذلك القوة العالمية والجبهية (ثيتا، ألفا، بيتا)، وعدم التماثل الألفي الجبهي (F4–F3)، ونسب النطاقات (ثيتا/بيتا، ألفا/بيتا)، ومقاييس القوة النسبية.
الهجين (Hybrid): مزيج من ميزات PANAS وEEG.
استراتيجية النمذجة: استخدمت الدراسة الانحدار الخاضع للإشراف باستخدام خوارزميات الانحدار الخطي (Linear Regression)، وشجرة القرار (Decision Tree)، والغابة العشوائية (Random Forest - RF). تم تقييم الأداء عبر تقسيم التدريب والاختبار بنسبة 70:30 واستخدام التحقق المتقاطع خماسي الطيات (5-fold cross-validation) باستخدام متوسط مربع الخطأ (MSE)، ومتوسط الخطأ المطلق (MAE)، ومعامل التحديد (R2). تم اختيار الغابة العشوائية كنموذج استكشافي أساسي للسماح بتحليل أهمية الميزات.
النتائج الرئيسية
الأداء التنبؤي: أظهرت نماذج PANAS فقط الأداء الأكثر استقراراً والأعلى عبر كلا النتيجتين. بالنسبة لـ ΔNegative، حقق نموذج الانحدار الخطي (PANAS-only) أعلى R2 في مجموعة الاختبار (0.462)، يليه شجرة القرار (PANAS-only) بـ (0.358) ثم الغابة العشوائية (0.335). في المقابل، أعطت نماذج EEG فقط باستمرار قيم R2 سالبة في مجموعة الاختبار (على سبيل المثال، -0.469 لنموذج RF على ΔNegative)، مما يشير إلى أنها أدت بشكل أسوأ من المتنبئ المتوسط البسيط. ولم تتفوق النماذج الهجينة باستمرار على نماذج PANAS-only؛ وفي بعض الحالات، أدى إضافة ميزات EEG إلى تدهور الأداء.
عدم تماثل الوجدان: كان التنبؤ بالتغيرات في الوجدان السلبي (ΔNegative) أكثر نجاحاً بشكل ملحوظ من التنبؤ بالتغيرات في الوجدان الإيجابي (ΔPositive). بالنسبة لـ ΔPositive، أنتجت جميع النماذج (بما في ذلك PANAS-only) قيم R2 سالبة في مجموعة الاختبار، مما يشير إلى أن التغير الوجداني الإيجابي قصير المدى أقل قابلية للتنبؤ في هذه المجموعة من البيانات.
أهمية الميزات: في نماذج الغابة العشوائية، كان الوجدان السلبي المبلغ عنه ذاتياً عند خط الأساس هو المتنبئ المهيمن لـ ΔNegative، حيث احتل المرتبة الأولى بفارق واضح. بالنسبة لـ ΔPositive، كانت الأهمية أكثر توزيعاً. وبينما ساهمت ميزات EEG (تحديداً عدم التماثل الألفي الجبهي، ونسبة ثيتا/بيتا، ونسبة ألفا/بيتا) بمعلومات تكميلية، إلا أنها لم تدفع النماذج بقوة مثل التقارير الذاتية.
الارتباطات: أظهر التحليل ثنائي المتغير ارتباطات متواضعة بين ميزات EEG والتغير الوجداني (مثل نسبة ثيتا/بيتا مع ΔPositive، والألفا العالمية مع ΔNegative)، بينما أظهرت بنود PANAS الأساسية (مثل "مضطرب"، "منزعج") ارتباطات أقوى مع التغيرات اللاحقة في الوجدان السلبي.
المساهمات الرئيسية
الفعالية المقارنة: تقدم الدراسة دليلاً تجريبياً على أن الوجدان المبلغ عنه ذاتياً عند خط الأساس هو متنبئ أكثر اتساقاً وقوة من ملخصات طيف EEG في سياق الانتقال الوجداني قصير المدى داخل التجهيزات الغامرة.
قابلية النمذجة متعددة الوسائط: تثبت الدراسة جدوى النمذجة الوجدانية متعددة الوسائط في البيئات الواقعية، مع تسليط الضوء على أن دمج الوسائط لا يؤدي تلقائياً إلى تحسين دقة التنبؤ إذا كانت البيانات الفسيولوجية مشوشة أو خشنة.
القابلية للتفسير في العينات الصغيرة: تصدق هذه الدراسة على استخدام التعلم الآلي القابل للتفسير (الغابة العشوائية) لمجموعات البيانات الصغيرة والمتغيرة بيئياً. وتوضح أنه حتى عندما تكون القدرة التنبؤية محدودة، يمكن لهذه النماذج توضيح المساهمات النسبية لمختلف وسائط البيانات دون مخاطر الإفراط في التخصيص (overfitting) المرتبطة بهياكل التعلم العميق المعقدة.
تمايز الأبعاد الوجدانية: تشير النتائج إلى وجود عدم تماثل في القابلية للتتبع، حيث أن الانخفاض في الوجدان السلبي هو الأكثر قابلية للتوصيف بواسطة مقاييس خط الأساس مقارنة بالزيادة في الوجدان الإيجابي.
الأهمية والادعاءات يدعي المؤلفون أن هذه النتائج تدعم رؤية تكاملية وليست تنافسية لكل من التقرير الذاتي وEEG. ففي البيئات الغامرة أو التطبيقية حيث قد تكون البيانات الفسيولوجية محدودة بسبب آثار الحركة، أو التباين البيئي، أو الملخصات الطيفية الخشنة، توفر مقاييس التقرير الذاتي المعتمدة (مثل PANAS) مرجعاً أساسياً عملياً وموثوقاً لنمذجة التغير الوجداني.
تؤكد الورقة أن الأداء المنخفض لميزات EEG لا ينبغي تفسيره على أن EEG غير مفيد بطبيعته للبحوث الوجدانية، بل يعكس قيود المعلومات العصبية المحددة المتاحة (طاقة الطيف في حالة الراحة) في السياق الطبيعي. وتخلص الدراسة إلى أنه بينما تعد النمذجة متعددة الوسائط ممكنة، يجب على الباحثين إعطاء الأولوية للتقارير الذاتية منخفضة العبء والقابلة للتفسير عندما يصعب تفسير البيانات الفسيولوجية أو عندما يكون الهدف هو توصيف الانتقالات الوجدانية قصيرة المدى في الظروف المتغيرة بيئياً.