基于EEG与生物特征数据追踪日常认知活动
Get the story
该研究提出一个多模态框架，结合脑电图（EEG）、可穿戴生理信号、行为情境与自评数据，用于追踪人类日常认知活动。2026年10月5日发表于arXiv Human-Computer Interaction（一手）。试点研究覆盖3名参与者、280个标注的10分钟区间，横跨9个活动领域、历时两周。结果发现：13:00出现动机与精力下降、下午回升；工作与IADL的flow state比例最高（51%和50%），ADL最低（15%）。目前为初步试点阶段，样本量较小。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Human-Computer Interaction从 EEG 与生物特征数据追踪人类日常认知活动
该研究提出一个多模态框架，用 EEG、可穿戴生理信号、行为情境与自评数据追踪日常认知活动。试点研究覆盖 3 名参与者、280 个标注的 10 分钟区间，横跨 9 个活动领域、历时两周，发现 13:00 出现动机与精力下降、下午回升，工作与 IADL 的 flow state 比例最高（51% 和 50%），ADL 最低（15%）。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.