Short-Term Affective Change in Immersive Installations: A Multimodal Analysis of EEG and PANAS
Diese Studie ergab, dass die zu Beginn selbstberichtete Affektivität (PANAS) ein stabilerer und konsistenterer Prädiktor für kurzfristige affektive Veränderungen in immersiven Installationen war als EEG-abgeleitete Indikatoren, was darauf hindeutet, dass validierte Selbstberichte eine praktische Referenz bleiben, wenn physiologische Daten begrenzt oder schwer interpretierbar sind.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Menschliche Emotionen sind keine statischen Schnappschüsse; sie sind fließende Ströme, die sich im Laufe des Tages verändern und anschwellen. In der Fachrichtung der Affektiven Wissenschaft suchen Forscher seit langem nach einem Verständnis dafür, wie sich diese internen Zustände verändern, insbesondere während immersiver Erlebnisse wie Virtual Reality oder interaktiven Kunstinstallationen. Während wir jemanden leicht fragen können, wie er sich gerade fühlt, ist die Vorhersage, wie ein spezifisches Erlebnis die Stimmung von Anfang bis Ende verändern wird, ein viel schwierigeres Rätsel. Wissenschaftler haben sich der Gehirnaktivität zugewandt, die durch Elektroden auf der Kopfhaut gemessen wird, in der Hoffnung, eine biologische Signatur zu finden, die diese emotionalen Veränderungen offenbart, noch bevor eine Person sie selbst wahrnimmt. Die zentrale Frage, die diese Forschungsrichtung antreibt, ist, ob diese elektrischen Signale aus dem Gehen mehr über die emotionale Reise eines Menschen aussagen können, als der Mensch selbst über sich selbst aussagen kann.
Ein Forschungsteam unternahm den Versuch, diese Idee zu testen, indem es eine Gruppe von dreißig Personen untersuchte, die eine immersive, multisensorische Kunstinstallation besuchten. Diese Umgebung war darauf ausgelegt, ansprechend und interaktiv zu sein, was es den Teilnehmern ermöglichte, sich frei zu bewegen und zu interagieren, ähnlich wie in einer realen Umgebung statt in einem sterilen Labor. Vor dem Betreten der Installation füllte jede Person einen Standardfragebogen aus, in dem sie ihre aktuellen Gefühle bewertete, etwa ob sie sich aufgeregt, aufgewühlt oder aufmerksam fühlten. Zudem wurde ihre Gehirnaktivität mit einer Kappe voller Sensoren aufgezeichnet. Nach der Sitzung füllten sie denselben Fragebogen erneut aus. Die Forscher berechneten dann die Differenz zwischen den „Vorher“- und „Nachher“-Werten, um genau zu sehen, wie stark sich die positive oder negative Stimmung jeder einzelnen Person verändert hatte. Sie analysierten auch die vor der Sitzung gesammelten Gehirndaten, um zu sehen, ob diese anfänglichen neuronalen Muster die Größe der emotionalen Veränderung vorhersagen konnten, die eintreten würde.
Die Forscher gingen dieses Problem an, indem sie Computermodelle entwickelten, um die Stimmungsschwankungen vorherzusagen. Sie testeten drei verschiedene Arten von Informationen, um zu sehen, welche am besten funktionierten. Der erste Typ stützte sich ausschließlich auf die selbstberichteten Gefühle aus dem Fragebogen. Der zweite Typ nutzte nur die Gehirnaktivitätsdaten, wobei speziell auf die Stärke verschiedener Gehirnwellen und das Gleichgewicht der Aktivität zwischen der linken und rechten Gehirnhälfte geachtet wurde. Der dritte Typ kombinierte sowohl die Fragebogenantworten als auch die Gehirndaten. Sie verwendeten eine Methode des maschinellen Lernens – eine Art von Computerprogramm, das lernt, Muster in Daten zu finden –, um zu prüfen, ob es genau erraten konnte, wie sehr sich die Stimmung einer Person basierend auf ihrem Ausgangspunkt ändern würde.
Die Ergebnisse lieferten eine klare und etwas überraschende Antwort. Die Modelle, die sich allein auf die Gehirndaten stützten, zeigten die geringste stabile Leistung; sie waren nicht in der Lage, zuverlässig vorherzusagen, ob sich die Stimmung einer Person verbessern oder verschlechtern würde. Tatsächlich produzierten die Modelle, die nur die Gehirnsignale verwendeten, für bestimmte Algorithmen negative Test-Set-R²-Werte, was bedeutete, dass sie schlechter abschnitten als eine einfache Basisvorhersage. Als die Forscher die Gehirndaten mit den Fragebogenantworten kombinierten, verbesserten sich die Ergebnisse gegenüber der alleinigen Verwendung des Fragebogens nicht signifikant. Die konsistentesten und genauesten Vorhersagen kamen von den Modellen, die nur die selbstberichteten Gefühle verwendeten. Insbesondere das anfängliche Maß an Stress oder Unruhe war ein starker Indikator dafür, wie sehr die negative Stimmung nach der Erfahrung abnehmen würde. Wenn jemand die Sitzung in einem Zustand hoher Aufregung oder Unruhe begann, war die Installation wahrscheinlicher dazu in der Lage, die Person danach ruhiger werden zu lassen. Die Vorhersage einer Zunahme positiver Gefühle erwies sich für alle Methoden als wesentlich schwieriger, doch die Selbstberichte blieben der zuverlässigste Leitfaden.
Dieser Befund legt nahe, dass in komplexen, realen Umgebungen die eigene Beschreibung des emotionalen Zustands einer Person derzeit ein nützlicheres Werkzeug ist, um deren emotionalen Verlauf zu verstehen, als eine Zusammenfassung ihrer Gehirnwellen. Die Gehirndaten zeigten zwar moderate bivariate Assoziationen mit den Stimmungsschwankungen, insbesondere hinsichtlich des Gleichgewichts der Aktivität in den frontalen Teilen des Gehirns, aber diese Signale waren zu schwach und verrauscht, um für sich genommen nützlich zu sein. Die Forscher merkten an, dass die immersive Natur der Installation, die Bewegungen und wechselnde Aufmerksamkeit zuließ, wahrscheinlich viel Hintergrundrauschen in die Gehirnaufzeichnungen einbrachte, was es erschwerte, die spezifischen Signale im Zusammenhang mit Emotionen zu isolieren.
Die Studie kommt zu dem Schluss, dass die Messung der Gehirnaktivität zwar ein leistungsstarkes Werkzeug ist, aber noch kein Ersatz dafür ist, Menschen zu fragen, wie sie sich fühlen, insbesondere wenn man versucht, kurzfristige emotionale Veränderungen in dynamischen Umgebungen zu verfolgen. Die selbstberichteten Gefühle lieferten eine stabile und konsistente Basislinie, die die Gehirndaten nicht erreichen konnten. Dies bedeutet nicht, dass die Gehirndaten nutzlos sind, sondern vielmehr, dass sie andere Aspekte des emotionalen Erlebens erfassen, die nicht immer perfekt mit dem übereinstimmen, was eine Person bewusst berichten kann. Wenn es darum geht, wie ein immersives Erlebnis die Stimmung eines Menschen verändert, ist der direkteste und zuverlässigste Weg derzeit, der Person selbst zuzuhören.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.