DOI: https://doi.org/10.3389/fpsyg.2023.1289816
PMID: https://pubmed.ncbi.nlm.nih.gov/38239464
تاريخ النشر: 2024-01-04
المؤلف: Zhihui Zhang وآخرون
الموضوع الرئيسي: التعرف على العواطف والمزاج
نظرة عامة
تقدم هذه القسم نظرة عامة على دور تخطيط الدماغ الكهربائي (EEG) في التعرف على المشاعر، مع تسليط الضوء على إمكانياته والتحديات التي يواجهها. تؤكد المراجعة أنه بينما تشير الدراسات الحديثة إلى معدلات دقة عالية في التعرف على المشاعر باستخدام EEG، فإن هذه النتائج تتطلب تقييمًا دقيقًا لضمان صحتها وملاءمتها. تشمل القضايا الرئيسية صعوبة تعميم النتائج عبر أجهزة EEG ومصادر البيانات المختلفة، بالإضافة إلى التحديات المرتبطة بجمع البيانات. علاوة على ذلك، يثير التباين بين البيئات المخبرية المسيطر عليها والتجارب العاطفية الحقيقية مخاوف بشأن قابلية تطبيق نتائج البحث.
في الختام، تؤكد المراجعة على التعقيدات المرتبطة باستخدام EEG للتعرف على المشاعر. على الرغم من معدلات الدقة الواعدة، فإنها تدعو إلى نهج حذر، مع الاعتراف بالقيود في القابلية للتعميم والفجوات بين الظروف التجريبية وسياقات المشاعر في العالم الحقيقي. يشدد المؤلفون على الحاجة إلى توحيد المنهجيات وفهم أعمق للطبيعة المتغيرة للمشاعر، مقترحين أنه بينما يعد EEG أداة قيمة في أبحاث المشاعر، فإن قدراته الحالية لم تتطور بعد بالكامل وتحتاج إلى تحسين مستمر.
مقدمة
في سياق تقدم علوم الأعصاب والتكنولوجيا، أصبح تخطيط الدماغ الكهربائي (EEG) أداة حاسمة للتحقيق في وظائف الدماغ البشري، خاصة فيما يتعلق بالاستجابات العاطفية. تؤثر المشاعر، التي هي تركيبات معقدة من ردود الفعل الفسيولوجية والمعرفية، بشكل كبير على التفاعلات اليومية، واتخاذ القرارات، والتجارب في بيئات متنوعة، بما في ذلك الرعاية الصحية والهندسة المعمارية. بينما يُفضل EEG لطبيعته غير الغازية ودقته الزمنية العالية، فإن تحليل بياناته يبقى أمرًا حاسمًا. استكشفت الدراسات السابقة تطبيقات EEG في الأبحاث العاطفية؛ ومع ذلك، هناك فجوة ملحوظة في المناقشات المتعلقة بجودة قياسات EEG في هذا المجال.
تسلط المقدمة الضوء على ضرورة التحقق الدقيق من بيانات EEG، كما أكد كوهين وآخرون (2023)، مما يشير إلى إمكانية التغاضي عن التعقيدات والقيود المتأصلة في دراسات EEG. تهدف هذه الورقة إلى معالجة هذه المخاوف من خلال فحص دقيق لمطالبات الدقة في الأبحاث العاطفية باستخدام EEG، واستكشاف الطبيعة الأساسية للمشاعر، وتحليل التحديات التقنية المتعلقة ببيانات EEG. تسعى لتقديم فهم شامل لتأثير تباين المعدات والتناقضات التي تم مواجهتها في بيئات البحث العاطفي المسيطر عليها، مما يساهم في تقديم منظور أكثر دقة حول علم المشاعر.
الطرق
في هذا القسم، يحدد المؤلفون منهجيتهم للتحقيق في التحديات في قياس المشاعر باستخدام EEG من خلال مراجعة أدبية شاملة أجريت في أغسطس 2023. ركزوا على ثلاثة قواعد بيانات أكاديمية رئيسية—Web of Science وScopus وProQuest—التي تم اختيارها لتغطيتها الواسعة في علوم الأعصاب وعلم النفس. باستخدام الكلمات الرئيسية “EEG” و”المشاعر”، أسفر البحث الأولي عن 3,741 مقالة نشرت بين عامي 2022 و2023. لضمان الجودة، طبق المؤلفون أداة تقييم الطرق المختلطة (MMAT) لتصفية هذه المقالات، مؤكدين على أهمية التقييم الدقيق في أبحاث الطرق المختلطة.
قام المؤلفون بمزيد من تحسين اختيارهم من خلال التركيز على الدراسات التي أفادت بمعدلات دقة التعرف على المشاعر تتجاوز 90%، وهو معيار يدل على نتائج قوية في التعرف على المشاعر باستخدام EEG. قلل هذا المعيار الصارم من مجموعتهم إلى 22 مقالة رئيسية للتحليل التفصيلي. لتعزيز جودة مراجعتهم واستخراج رؤى شاملة، استخدموا حزمة bibliometrix في R Studio لتصور البيانات، مما أتاح لهم رسم علاقات الاقتباس المتبادل وتتبع كلمات البحث، وبالتالي توضيح الموضوعات المترابطة داخل هذا المجال، كما هو موضح في الشكل 1.
المناقشة
تكشف المناقشة حول التعرف على المشاعر باستخدام EEG عن مشهد معقد يتميز بمعدلات دقة مرتفعة تم الإبلاغ عنها، والتي غالبًا ما تتراوح بين 90-99%، مما يتناقض بشكل حاد مع دقة تقنيات التعرف على المشاعر الوجهية التي تتراوح بين 75-80%. ومع ذلك، غالبًا ما تُشتق هذه الأرقام العالية من نماذج عاطفية مبسطة (تصنيفات ثنائية أو ثلاثية) قد تضخم الدقة. على سبيل المثال، أدى توسيع نموذج ثنائي إلى نموذج رباعي الأبعاد إلى تقليل معدلات الدقة بشكل كبير، مما يشير إلى أن هناك حاجة إلى نهج أكثر دقة لتقييم قدرات EEG بشكل واقعي. علاوة على ذلك، تميل معدلات الدقة إلى أن تكون أعلى في السيناريوهات المعتمدة على الموضوع، حيث يتم تدريب النماذج واختبارها على بيانات نفس الفرد، مقارنةً بالإعدادات المستقلة عن الموضوع التي تتطلب تعميمًا أوسع. يبرز هذا التباين أهمية تقييم النماذج في ظل ظروف مستقلة لقياس أدائها الحقيقي.
تواجه تطبيقات EEG في التعرف على المشاعر في العالم الحقيقي تحديات كبيرة، بما في ذلك نقص التوحيد القياسي في أجهزة EEG وتعقيدات جمع البيانات. على عكس التعرف على الوجه، الذي يمكن أن يستفيد من معالجة الصور الموحدة، تتأثر بيانات EEG بعوامل متنوعة، بما في ذلك نوع الأقطاب الكهربائية المستخدمة والخبرة المطلوبة لجمع البيانات. بالإضافة إلى ذلك، يحد الاعتماد على مجموعات البيانات الموجودة مسبقًا من تنوع التجارب العاطفية الملتقطة، مما يعقد بشكل أكبر قابلية تعميم النتائج. كما أن الانفصال بين البيئات المخبرية المسيطر عليها والتجارب العاطفية الحقيقية يشكل عائقًا كبيرًا، حيث قد تشوه الاصطناعية في إعدادات المختبر الاستجابات العاطفية. يبرز هذا الحاجة إلى مرونة منهجية وأدوات مبتكرة يمكن أن تلتقط بشكل أفضل الطبيعة الديناميكية للمشاعر البشرية، مما يشير إلى أنه بينما تحمل تقنية EEG وعدًا، فإن تطبيقها في التعرف على المشاعر لا يزال بحاجة إلى تحسين وتقييم نقدي.
القيود
في قسم القيود، يعترف مؤلفو المراجعة حول التعرف على المشاعر باستخدام EEG بعدة قيود قد تؤثر على النتائج والآثار المترتبة على عملهم. قد لا تغطي المراجعة، التي تشمل الأدبيات من 2018 إلى 2022، بالكامل نطاق التقدم في هذا المجال، خاصة تلك التي تقع خارج الدراسات ذات الدقة العالية التي تم إعطاؤها الأولوية. قد يكون هذا التركيز قد هامش بعض الرؤى من الأبحاث ذات الدقة المتوسطة أو المنخفضة. بالإضافة إلى ذلك، يثير الاعتماد على قواعد البيانات الرئيسية مثل Web of Science وScopus وProQuest مخاوف بشأن إمكانية التغاضي عن مساهمات مهمة موجودة في مستودعات متخصصة.
يؤكد المؤلفون على ضرورة التقييم النقدي للصرامة المنهجية، خاصة بالنظر إلى التباينات بين نتائج المختبر والتطبيقات في العالم الحقيقي. يدعون إلى تطوير منهجيات وأدوات موحدة لتعزيز قابلية تطبيق النتائج. يجب أن تشمل اتجاهات البحث المستقبلية توسيع نطاق مراجعة الأدبيات، وتحديد المنهجيات الفعالة، ودمج أدوات بيومترية متنوعة لتقييم المشاعر بشكل شامل، وإعطاء الأولوية للدراسات ذات الصلاحية البيئية الأعلى. علاوة على ذلك، فإن استكشاف أعمق لكيفية تأثير نظريات المشاعر المختلفة على تفسير بيانات EEG أمر ضروري لتقدم فهم المشاعر البشرية من خلال أبحاث EEG.
DOI: https://doi.org/10.3389/fpsyg.2023.1289816
PMID: https://pubmed.ncbi.nlm.nih.gov/38239464
Publication Date: 2024-01-04
Author(s): Zhihui Zhang et al.
Primary Topic: Emotion and Mood Recognition
Overview
This section provides an overview of the role of electroencephalography (EEG) in emotion recognition, highlighting both its potential and the challenges it faces. The review emphasizes that while recent studies report high accuracy rates in EEG-based emotion recognition, these findings require careful evaluation to ensure their validity and relevance. Key issues include the difficulty of generalizing results across various EEG devices and data sources, as well as the challenges associated with data collection. Additionally, the contrast between controlled laboratory settings and authentic emotional experiences raises concerns about the applicability of research outcomes.
In conclusion, the review underscores the complexities involved in utilizing EEG for emotion recognition. Despite the promising accuracy rates, it advocates for a cautious approach, acknowledging the limitations in generalizability and the discrepancies between experimental conditions and real-world emotional contexts. The authors stress the need for methodological standardization and a deeper understanding of the fluid nature of emotions, suggesting that while EEG is a valuable tool in emotion research, its current capabilities are not yet fully developed and require ongoing refinement.
Introduction
In the context of advancing neuroscience and technology, Electroencephalography (EEG) has become a crucial instrument for investigating human brain functions, particularly in relation to emotional responses. Emotions, which are intricate combinations of physiological and cognitive reactions, significantly affect daily interactions, decision-making, and experiences in various environments, including healthcare and architecture. While EEG is favored for its non-invasive nature and high temporal resolution, the analysis of its data remains critical. Previous studies have explored EEG applications in emotional research; however, there is a notable gap in discussions regarding the quality of EEG measurements in this domain.
The introduction highlights the necessity for rigorous validation of EEG data, as emphasized by Cohen et al. (2023), which points to the potential oversight of complexities and limitations inherent in EEG studies. This paper aims to address these concerns by critically examining the accuracy claims in emotional research using EEG, exploring the fundamental nature of emotions, and analyzing the technical challenges related to EEG data. It seeks to provide a comprehensive understanding of the impact of equipment variability and the paradoxes encountered in controlled emotion research settings, ultimately contributing to a more nuanced perspective on emotional science.
Methods
In this section, the authors outline their methodology for investigating the challenges in EEG emotion measurement through a comprehensive literature review conducted in August 2023. They focused on three major academic databases—Web of Science, Scopus, and ProQuest—selected for their extensive coverage in neuroscience and psychology. Utilizing the keywords “EEG” and “emotion,” the initial search yielded 3,741 articles published between 2022 and 2023. To ensure quality, the authors applied the Mixed Methods Appraisal Tool (MMAT) to filter these articles, emphasizing the importance of rigorous assessment in mixed methods research.
The authors further refined their selection by focusing on studies that reported emotion recognition accuracy rates exceeding 90%, a benchmark indicative of robust findings in EEG-based emotion recognition. This stringent criterion reduced their pool to 22 key articles for detailed analysis. To enhance their review’s quality and extract comprehensive insights, they employed the bibliometrix package in R Studio for data visualization, allowing them to map co-citation relationships and track research keywords, thereby elucidating the interconnected themes within the field, as illustrated in Figure 1.
Discussion
The discussion on EEG-based emotion recognition reveals a complex landscape characterized by high reported accuracy rates, often ranging from 90-99%, which starkly contrasts with the 75-80% accuracy of facial emotion recognition technologies. However, these high figures are frequently derived from simplified emotional models (binary or ternary classifications) that may inflate accuracy. For example, expanding a binary model to a four-dimensional model significantly reduced accuracy rates, indicating that more nuanced approaches are necessary for a realistic assessment of EEG’s capabilities. Furthermore, accuracy rates tend to be higher in subject-dependent scenarios, where models are trained and tested on the same individual’s data, compared to subject-independent settings that require broader generalization. This discrepancy underscores the importance of evaluating models under independent conditions to gauge their true performance.
The application of EEG in real-world emotion recognition faces substantial challenges, including the lack of standardization in EEG devices and the complexities of data collection. Unlike facial recognition, which can leverage standardized image processing, EEG data is influenced by various factors, including the type of electrodes used and the expertise required for data collection. Additionally, the reliance on pre-existing datasets limits the diversity of emotional experiences captured, further complicating the generalizability of findings. The disconnect between controlled laboratory environments and genuine emotional experiences also poses a significant barrier, as the artificiality of lab settings may distort emotional responses. This highlights the need for methodological flexibility and innovative tools that can better capture the dynamic nature of human emotions, suggesting that while EEG technology holds promise, its application in emotion recognition is still in need of refinement and critical evaluation.
Limitations
In the section on limitations, the authors of the review on EEG-based emotion recognition acknowledge several constraints that may impact the findings and implications of their work. The review, which encompasses literature from 2018 to 2022, may not fully capture the breadth of advancements in the field, particularly those outside the high-accuracy studies that were prioritized. This focus may have inadvertently marginalized insights from research with moderate or lower accuracy. Additionally, the reliance on major databases such as Web of Science, Scopus, and ProQuest raises concerns about potentially overlooking significant contributions found in specialized repositories.
The authors emphasize the necessity for critical evaluation of methodological rigor, especially given the discrepancies between laboratory results and real-world applications. They advocate for the development of standardized methodologies and tools to enhance the applicability of findings. Future research directions should include broadening the literature review scope, identifying effective methodologies, integrating various biometric tools for a holistic emotion assessment, and prioritizing studies with higher ecological validity. Furthermore, a deeper exploration of how different emotion theories influence EEG data interpretation is essential for advancing the understanding of human emotions through EEG research.