跳到正文
OpenReview · EEG· Yiyu Chen; Siamac Fazli; Christian Wallraven·· 2024-04-16精选AI 评分74

鼓励欺骗行为的竞争性双人游戏中的神经特征 EEG 数据集

An EEG Dataset of Neural Signatures in a Competitive Two-Player Game Encouraging Deceptive Behavior

AI 导读

基于摘要分析。该研究针对传统欺骗研究范式依赖记忆、易受反制策略影响、出现假阳性及现实相关性不足等问题,提出一个在竞争性双人纸牌游戏中采集的 EEG 数据集,旨在诱发更贴近真实互动的欺骗行为。核心贡献是提供带有详细标签与注释的双人互动数据,并围绕自发说真话、指令性说真话、自发说谎和指令性说谎四种情境开展分析与解码。 数据与范式:作者报告,数据来自 12 对参与者,共 N = 24,并包含角色切换;摘要称研究对年龄、性别和风险承担倾向进行了控制,但具体控制方式尚未验证。双人竞争与角色切换为分析欺骗、决策及互动中的神经活动提供了情境基础,不过游戏规则、事件时间标记、标签判定依据及各情境样本分布需查阅全文确认。 分析与结果:摘要提到结合 ERP、微状态分析及先进解码方法,但未给出具体算法、训练方式、评估划分或性能指标。作者报告,研究支持游戏式方法用于欺骗研究,并将该数据集定位为未来研究的基准;仅凭摘要尚不能判断四种情境的可分性、跨被试泛化能力或相对既有方法的优势。实验协议、消融及统计信息尚未验证。 适用范围与复现条件:该资源主要面向认知神经科学中的欺骗、竞争行为、决策、脑间同步及高层认知任务解码,不等同于已经验证的 BCI 控制范式。复用前需核对数据开放与许可、EEG 采集配置、双人信号同步方式、预处理流程及评估代码;尤其应确认训练与测试如何处理参与者配对、角色切换和重复试次,以明确结果对应的泛化范围。摘要未提供这些细节,不能据此判断其已公开程度或评估质量。

阅读价值

该数据集将双人竞争、角色切换及自发/指令性真话与谎言纳入同一 EEG 研究场景,值得用于核对高层认知解码的标签定义与评估协议,但其解码性能和基准可复现性尚未验证。

来源:OpenReview · EEG · openreview.net