用于在线学习中心理注意状态分类的多标签 EEG 数据集

基于摘要分析。该研究面向在线学习中的 EEG 注意状态分类，针对公开数据稀缺、采集范式缺乏标准化，以及注意状态与其他心理状态相互关联的问题，提出多标签数据集 MEMA。主要贡献是设计三种注意状态的采集范式，并同步收集情绪标签与个体信息，为注意状态分类及相关因素分析提供数据基础。 采集与标签：作者将注意状态设为 neutral（中性）、relaxing（放松）和 concentrating（专注）。作者报告，数据采集覆盖 20 名被试，每名被试参与 12 次试验，共获得 1,060 分钟 EEG 数据；此外收集了情绪状态标签、基本个人信息和人格特征。摘要未说明注意状态的具体诱发流程、标签判定依据、情绪标签类别，以及各类标签的时间粒度与对齐方式，尚需全文核对。 质量分析：作者报告，通过定量与定性分析，包括多标签相关性研究，验证了 EEG 注意数据的质量。但摘要未提供具体分析方法、统计量、分类指标或基线结果，因而不能据此判断三种状态的可分性，也不能确认情绪与注意状态之间关联的方向及强度。多标签相关性不等同于因果关系。 使用与复现：作者声明 MEMA 已公开。实际使用前需核对 EEG 设备与通道配置、采样率、预处理、伪迹处理、试验时序、数据格式及许可条件。用于分类评估时，还需确认被试内、跨被试或跨会话的数据划分，以及同一试验内片段的分组方式；这些协议会影响结果的解释与可比性。实验协议、消融及统计信息尚未验证，当前材料也不足以支持实时 BCI 应用或跨场景泛化的结论。