用于在线学习心理注意状态分类的多标签 EEG 数据集

基于摘要分析。研究面向在线学习中的 EEG 注意状态分类，针对公开数据不足、采集范式缺乏标准化，以及注意与其他心理状态相互关联的问题，提出 Multi-label EEG dataset for classifying Mental Attention states（MEMA）。其主要贡献是构建包含注意状态、情绪标签及个体特征信息的数据资源，而非提出新的分类算法。 采集与标签：作者设计了包含 neutral（中性）、relaxing（放松）和 concentrating（专注）三种注意状态的实验范式。作者报告，在该范式下采集了 20 名被试的 EEG，每名被试参与 12 次试验，共获得 1,060 分钟数据；同时收集情绪状态标签、基本个人信息和人格特征，以研究注意与其他心理状态的关系。摘要未说明具体任务刺激、标签判定依据、EEG 通道配置及预处理流程，这些内容尚未验证。 分析与证据：作者报告，通过定量和定性分析，包括多标签相关性研究，验证了 EEG 注意数据的质量。但摘要未给出具体质量指标、相关性数值、分类结果或对照基线，因此目前不能量化其分类难度，也不能判断相较已有数据集的性能优势。实验协议、消融及统计信息尚未验证。 复用价值与限制：该资源可用于研究在线学习注意状态与情绪、人格特征之间的关联，但标签之间存在关联并不直接构成因果证据。复用时需核对三种状态的操作性定义、情绪标签的采集时间与方式，以及训练和测试划分是否按被试或试验隔离；摘要未说明被试内、跨被试或跨会话评估协议。作者声明数据集已公开，实际文件内容、许可、数据组织及分析实现的可复现性尚未验证。材料支持将其视为 EEG 注意状态研究资源，不足以据此确认在线 BCI 的实时有效性。