基于事件相关电位(ERPs)和机器学习的考试焦虑诊断

作     者：章文佩 沈群伦 宋锦涛 周仁来 ZHANG Wenpei;SHEN Qunlun;SONG Jintao;ZHOU Renlai

作者机构：南京大学心理系南京210023 安徽工业大学工商管理系马鞍山243032 中国科学院数学与系统科学研究院北京100190 

出 版 物：《心理学报》 (Acta Psychologica Sinica)

年 卷 期：2019年第51卷第10期

页      面：1116-1127页

核心收录：

学科分类：0402[教育学-心理学(可授教育学、理学学位）] 040203[教育学-应用心理学] 04[教育学] 

基　　金：中央高校基本科研业务费专项资金(14370303) 江苏省普通高校学术学位研究生科研创新计划项目(KYZZ16_0010) 安徽省高校人文科学研究项目(SK2017A0084)资助 

主　　题：机器学习 考试焦虑 情绪Stroop ERPs 

摘      要：考试焦虑对个体的身心具有严重危害。传统诊断考试焦虑的方法容易受到个体主观态度的影响,从而影响对个体考试焦虑的发现与及早干预。为了克服传统主观问卷对考试焦虑群体诊断的不足,本研究提出脑电神经数据结合机器学习的客观综合诊断方法评估个体的考试焦虑水平。研究采用情绪Stroop范式,结合脑电技术测量个体对考试焦虑者的注意抑制功能,机器学习基于此前提,提取P1, P2, N2, P3和LPP五种事件相关电位(ERP)成分,以卷积神经网络(CNN)为主采用7种常见的机器学习算法对个体考试焦虑程度进行进一步的诊断。结果表明CNN对考试焦虑诊断的准确率达86.5%, F1-score为0.911,显著高于其他6种常见算法。因此采用CNN对脑电信号进行深度学习得出的诊断模型能够有效地对个体的考试焦虑程度进行诊断。