.png){kind=icon}
返回
Tracking Dynamic Flow: Decoding Flow Fluctuations Through Performance in a Fine Motor Control Task
.png){kind=icon}
OA
AI
DOI：10.1109/TAFFC.2024.3480309.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
心流，一种将行动与意识融合的最佳心理状态，显著影响我们的情绪、表现和幸福感。然而，由于现有心流检测工具的稀疏性，捕捉其在精细时间尺度上的快速转变具有挑战性。在此，我们提出一项精细指尖力控制（F3C）任务来诱导心流，其中任务难度设定与个人技能相匹配，并从同步运动控制表现中定量追踪心流状态的变化。我们选择指尖力序列中的八项表现指标，揭示其在不同自报心流状态下的显著差异。此外，我们构建了一个基于机器学习的解码器，旨在通过表现指标预测用户实验期间连续的心流强度，以自报心流作为标签。交叉验证显示，预测的心流强度与自报心流强度达到显著相关性（r = 0.81）。基于解码结果，我们可以在稀疏自报探查间隔期间捕捉心流的波动。本研究展示了使用任务表现指标追踪内在心流变化的高时间分辨率的可行性，并可能为未来利用心流动态来提升表现和积极情绪的工作奠定基础。
Keyword:
Flow experience
intrinsic fluctuations
fine fingertip force control
task performance
cross validation
dynamics
期刊
IF:
9.8
论文数:
1.4K
被引数:
9.1K
机构
引用论文
.png){kind=icon}
Challenging games help students learn: An empirical study on engagement, flow and immersion in game-based learning挑战性游戏帮助学生学习: 基于游戏的学习中参与度，流程和沉浸感的实证研究
OAAI
OAAI分享收藏
查看更多内容