摘要:考試焦慮對個體的身心具有嚴重危害。傳統(tǒng)診斷考試焦慮的方法容易受到個體主觀態(tài)度的影響,從而影響對個體考試焦慮的發(fā)現(xiàn)與及早干預。為了克服傳統(tǒng)主觀問卷對考試焦慮群體診斷的不足,本研究提出腦電神經(jīng)數(shù)據(jù)結合機器學習的客觀綜合診斷方法評估個體的考試焦慮水平。研究采用情緒Stroop范式,結合腦電技術測量個體對考試焦慮者的注意抑制功能,機器學習基于此前提,提取P1, P2, N2, P3和LPP五種事件相關電位(ERP)成分,以卷積神經(jīng)網(wǎng)絡(CNN)為主采用7種常見的機器學習算法對個體考試焦慮程度進行進一步的診斷。結果表明CNN對考試焦慮診斷的準確率達86.5%, F1-score為0.911,顯著高于其他6種常見算法。因此采用CNN對腦電信號進行深度學習得出的診斷模型能夠有效地對個體的考試焦慮程度進行診斷。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
心理學報雜志, 月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:認知與實驗心理、發(fā)展與教育心理、生理與醫(yī)學心理、企業(yè)管理與社會心理、心理測驗、心理學史與基本理論、研究方法等等。于1956年經(jīng)新聞總署批準的正規(guī)刊物。