报告题目：情绪体验个体间共性与差异的脑电神经表征

报告人：张丹，清华大学

报告时间：2022年7月21日15:00

报告地点：心理学部213

报告人简介：张丹，清华大学心理学系副教授、博士生导师，清华大学脑与智能实验室兼职研究员。研究致力于运用脑电、近红外等脑成像技术开展情绪、言语等社会交互关键认知功能的神经机制研究，同时运用脑机接口、穿戴式神经生理测量技术，开展面向情感计算、人机交互、心理健康等领域的智能心理测量方法与应用研究。承担国家自然科学基金面上项目、国家社科基金重大项目子课题、国家重点研发计划子任务、教育部人文社科基金等20余项各类科研项目，以第一或通讯作者在Cerebral Cortex、NeuroImage、IEEE T-AC、IEEE T-BME、IEEE T-NSRE等期刊或会议发表论文40余篇，担任IEEE T-AC、Journal of Neuroscience Methods、Frontiers in Psychology等期刊编委。

报告简介： 理解人类情绪是心理学与人工智能领域共同关心的重要议题。个体间的共性和差异是人类情绪体验的重要特点：个体间的共性是人类社交的重要支撑，而个体差异则是人类个性的重要表现。我们的研究以个体观看情绪视频时的脑电活动信号为载体，探索情绪体验的个体间共性与差异的神经表征。面向情绪体验个体间共性的脑电神经表征提取，我们运用机器学习领域近期热点的对比学习算法开展探索。我们提出了基于对比学习框架提取不同个体观看相同视频内容时的共享情绪相关脑电时空模式的CLISA算法，实现了不同类型情绪体验状态脑电活动的可靠实时识别，同时得到了不同情绪的跨个体共性脑电神经表征。面向情绪体验个体间差异研究，我们基于个体观看情绪视频时的脑电活动信号，构建了可量化评价个体大五人格特质的计算模型，模型的有效性展示了情绪体验个体间差异的心理学意义。进一步的，我们基于个体观看情绪视频时的情绪体验行为评分，提出了同时考虑多情绪背景和多情绪类型特点的“情绪档案”构建以全面量化描述情绪体验的个体间差异，研究结果表明“情绪档案”构建具有良好的信效度，对应主要聚焦前额区和颞顶区的神经表征。