SenseSeek 数据集：用于研究信息寻求行为的多模态传感

基于摘要分析。该研究关注用户使用搜索引擎等信息系统时的信息寻求行为，提出 SenseSeek 数据集，以评估消费级传感器在复杂信息处理场景中的应用价值。其主要贡献是将搜索过程的多个阶段与生理、眼动及运动信号相结合，而非提出新的 BCI 解码算法。 数据来自 20 名参与者，包含 235 次模拟搜索试次及 940 个搜索阶段片段。阶段包括信息需求意识（Information Need，IN）、查询构建（Query Formulation，QF）、通过打字或语音提交查询（QS-T／QS-S），以及通过阅读或聆听进行相关性判断（RJ-R／RJ-L）。记录模态包括 EDA、EEG、PUPIL、GAZE 和 MOTION，均由消费级传感器采集；数据还包含从传感器信号提取的 258 个特征、带凝视标注的屏幕录像及任务响应。 作者报告，通过基线分析考察了不同认知意图及交互模态对传感器数据的影响，并评估了利用这些数据区分搜索阶段的有效性。摘要未提供具体模型、指标数值、数据划分或各模态贡献，因此尚不能判断 EEG 单独辨识阶段的能力，也不能比较被试内与跨被试表现。作者称，据其所知，这是首个以多传感器生理信号刻画信息寻求多个阶段的数据集；该优先性主张尚未独立核验。 平台推测（待验证）：该数据集可用于探索 EEG 与眼动、EDA 等模态在自然交互状态辨识中的互补性，但阶段差异可能同时包含认知过程、打字或说话动作，以及阅读或聆听输入方式的差异，不能直接将分类表现解释为认知意图解码。一个可检验的小实验是在确认阶段标签与信号同步方式后，按参与者隔离训练和测试，比较 EEG 单模态、非 EEG 模态与融合输入的阶段辨识表现，并分交互模态检查结果。消费级 EEG 的低信噪比、运动伪迹与有限参与者规模可能影响泛化；具体设备、通道配置、预处理、数据获取条件、实验协议、消融及统计信息尚未验证，相关 EEG 工作尚未检索确认。