旅游体验日益将游客定位为主动且情感投入的参与者，而非被动的接受者（Prebensen et al., 2013）。在这一转变中，沉浸——一种游客深深沉浸在体验中的状态——引起了学术界和管理界越来越多的关注。因此，旅游景点（包括博物馆、动物园、主题公园、遗址和艺术画廊）正投入大量资源开发“复杂、主题化和精致的环境”（Lunardo & Ponsignon, 2020, p. 1151）。这些环境旨在促进暂时逃离日常现实，同时创造愉快且难忘的访客体验。
随着研究人员深入探讨沉浸现象，推进对其神经基础的研究代表了理解其本质的下一个前沿领域（Figalová et al., 2022; Lim et al., 2019）。脑电图是一种广泛采用的方法，能够实时观察脑信号和“神经振荡”（Ba?ar, 2013, p. 291）。不同频段的这些神经振荡反映了不同的心理状态（Li et al., 2024）。通过追踪沉浸体验期间的振荡，研究人员可以更深入地了解沉浸的神经基础。从而可以揭示这一现象的本质。
尽管在理解沉浸的神经基础方面取得了进展，但仍存在重大挑战，阻碍了对这一现象的全面理解。首先，缺乏标准化和可靠的神经指标，使得沉浸研究缺乏坚实的实证基础。现有研究依赖于碎片化且不一致的指标，例如孤立的神经振荡，缺乏统一的框架。这种不一致不仅使跨研究比较变得复杂，也阻碍了将沉浸确立为可科学测量的构念的努力。其次，大多数调查是在受控的实验室环境中进行的，其中实验参数受到严格控制。虽然这些条件提供了较高的内部有效性，但它们无法捕捉真实环境设置中不可预测的性质，例如游客在真实环境中的沉浸式体验。这种差异限制了研究结果的外部有效性，使得难以将结论应用于现实情境（Viglia & Dolnicar, 2020, p. 1）。第三，该领域的大多数研究采用假设驱动的方法：实验者关注预定频段和大脑区域内的特定神经振荡。这种基于积累的实证证据测试假设的方法，允许理论和模型得到完善和更新（Han, 2022）。然而，也要认识到与沉浸相关的细微但相关的神经活动变化可能被忽略。此外，常规技术通常基于这些活动与行为沉浸得分之间的线性关系来识别沉浸相关的脑活动（He et al., 2023）。因此，与沉浸具有非线性关联的神经活动可能未被检测到。
为了弥补这些差距，本研究采用数据驱动的方法，利用先进的基于机器学习的神经解码策略来调查现实场景中的沉浸神经基础。该研究具体遵循基于脑电图的机器学习范式（Dadebayev et al., 2022），并整合了 Mahmud et al. (2021) 的神经解码技术，该技术将支持向量机与稳定性选择相结合。该方法全面测量了自然刺激引起的沉浸式体验相关的神经机制。因此，可以辨别特定频段和大脑区域内与沉浸相关的线性和非线性神经振荡。
本研究通过系统和全面地检查游客沉浸的神经基础，推动了相关研究的发展，提供了实证证据，以更深入地了解驱动旅游沉浸式体验的机制。实际上，研究结果为实现针对游客实时沉浸式体验的沉浸相关景点设计和监测系统的开发提供了宝贵的见解。
