BBBD多模态数据集:教育视频观看情境下的脑-体-行为同步记录与注意-学习机制研究

《Scientific Data》:The Brain, Body, and Behavior Dataset (BBBD): Multimodal Recordings during Educational Videos

【字体: 大 中 小 】 时间:2026年04月22日 来源:Scientific Data 6.9

编辑推荐:

  为解决自然情境下注意与学习机制研究的模态单一问题,研究人员开展了教育视频观看中的多模态同步记录研究,构建了包含EEG、ECG、眼动等信号的BBBD数据集,验证了α-band power、blink rate等指标在区分attentive vs. distracted状态中的有效性,为神经教育学研究提供了标准化数据资源。

  
在数字化教育时代,短小精悍的“微课”与在线视频已成为大众获取知识的主流途径。然而,屏幕前学习效率的个体差异极大:有人能全程专注、过目不忘,有人却频频走神、收获寥寥。这背后隐藏着一个关键的神经科学问题:在自然、连续的视听信息流(如看视频)中,大脑与身体究竟如何协同工作以支撑“注意”与“学习”? 传统实验室研究多采用简化的、试次化的静态刺激(如图片、单词),难以模拟真实学习场景;且受限于技术,往往只能单独记录脑电或眼动,缺乏多模态同步的“全景”数据。因此,构建一个在自然视频观看情境下,同步记录脑神经、眼动与生理活动的标准化大样本数据集,对于揭示真实学习机制至关重要。
正是为了填补这一空白,发表在《Scientific Data》上的研究发布了脑-体-行为数据集(The Brain, Body, and Behavior Dataset, BBBD)。该研究通过五组实验,在精心操控的“注意力”(专注vs.分心)、“学习目标”(有意vs.偶然)及“动机”(金钱激励)条件下,对178名参与者观看短教育视频的过程进行了全方位记录。这不仅提供了约110小时的高质量、时间对齐的多模态数据,更通过严谨的技术验证,揭示了注意力状态转换下的生物标志物变化,为神经教育学、认知神经科学及计算建模研究提供了宝贵的资源。

主要技术方法概述

研究团队招募了178名成人参与者,在其观看短教育视频(平均每人观看28±5分钟)时,同步采集了脑电(EEG)、眼电(EOG)、心电(ECG)、呼吸、瞳孔大小、 gaze 位置、 saccades、 blinks、 fixations及头部运动信号。所有数据均与视频严格时间对齐,并按照脑成像数据结构(BIDS) 进行了标准化格式化,确保了数据的可重复性与易用性。研究设计了多因素实验范式,系统操纵了注意力状态、学习意图与动机水平,并采集了成人ADHD自评量表(ASRS)及数字广度工作记忆评估等行为与临床特征数据。

研究结果与发现

多模态数据全景与标准化结构

BBBD数据集的核心贡献在于其体量与质量。它包含了来自178名参与者的约110小时多模态信号,其中约97%的连续信号数据为首次公开释放。所有数据均以BIDS格式组织,解决了不同模态数据(如高频EEG与低频呼吸信号)时间同步的难题,为社区提供了“即用型”的分析基础。

注意力状态下的神经振荡特征

通过对比“专注”与“分心”条件,技术验证结果显示,alpha-band power 在分心状态下显著升高。这一经典的神经振荡指标在自然视频观看情境中得到了复现,证实了该数据集在捕捉认知状态相关脑活动方面的敏感性。

脑电功率的解剖梯度效应

数据分析揭示了EEG功率在头皮表面存在稳定的后部到前部梯度(posterior-to-anterior gradient)。这种梯度效应反映了不同脑区在信息处理中的功能分化,为研究自然情境下大脑的大规模功能组织提供了线索。

眼动行为的注意力标记

注意力被有效操纵时,眼动指标表现出系统性变化:当注意力被 divert 时,参与者的眨眼率(blink rate)增加,而 saccade 率降低。这表明在自然视觉任务中,眼动行为可作为注意力投入程度的可靠外部指标。

动机与学习目标的交互影响

虽然摘要未详述具体交互效应,但数据集包含了在“偶然学习”与“有意学习”以及“有无金钱激励”条件下采集的数据。这些维度的设计,使得研究者能够深入挖掘动机与认知目标如何调节大脑与身体在学习过程中的响应模式。

结论与意义

BBBD数据集的发布,标志着自然情境认知研究向标准化、可共享迈出了关键一步。它不仅是简单的数据汇集,更通过多因素实验设计(注意力、动机、学习目标)和严格的技术验证,建立了脑-体-行为在真实学习场景中的关联模型。该资源极大地促进了以下研究领域的进展:
  1. 1.
    神经教育学的机制探索:使研究者能够直接关联神经活动(如EEG alpha power)与学习成效,揭示高效学习的生物标志物。
  2. 2.
    注意力的多模态计算建模:为开发基于多模态信号(眼动+EEG+生理信号)的注意力实时监测算法提供了训练与测试基础。
  3. 3.
    临床与个体差异研究:包含的ASRS及工作记忆数据,支持了从健康到ADHD等注意缺陷群体的认知差异研究。
总之,BBBD作为一个公开可用的资源,将推动认知神经科学从受控的简化实验,走向复杂的、生态效度更高的自然行为研究。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号