• 手把手带你开启日常情绪测量与研究

引言

在复杂的人类心理结构中，情绪活动广泛存在。情绪不仅是心理学研究的重要对象，也是多学科交叉研究的国际前沿和热点问题，研究具有十分重要的应用价值。

情绪的生理基础一直是心理学、认知神经科学等领域的一项重要研究话题。在实验室场景下，研究者通常采用标准的情绪刺激材料（如图片、声音、文字、视频等）或要求被试执行特定（愤怒、压力、焦虑等）情绪任务来诱发特定的情绪，并对不同情绪状态下的生理信号展开分析，推断出情绪背后生理特征上的区别与联系。长期以来，研究者基于实验室方法开展了大量的研究，开发出众多数据集，例如DEAP、MAHNOB-HCI、SEED、DREAMER、AIMGOS、 CASE等。

实验室方法虽然具有实验条件控制严谨的优势，但在研究的生态效度上面临以下挑战。首先，情感主要由社会交互产生[7]，并非所有类别的情绪都能很方便、有效地在实验室场景下诱发。其次，真实生活事件诱发的情绪（如压力），在强度上可能远高于实验室诱发的结果。此外，情绪本身是连续动态变化的，其动态模式可能具有重要的心理学意义，实验室方法难以有效捕捉日常生活中长期的情绪动态规律。

针对上述挑战，清华大学心理学系张丹课题组创建了面向情绪研究的日常动态心理生理记录数据集(A dataset of Daily Ambulatory Psychological and Physiological recording for Emotion Research, DAPPER)。该数据集共包含142名参与者连续5天的日常情境测量数据。其中，日常心理状态报告通过智能手机平台完成，具体包含两种测量方法：白天多个随机时间发送问卷提示，完成即时情绪状态评估(经验取样法)；每晚回顾当天主要事件并完成情绪评估（日重建法）。日常生理记录通过穿戴式腕表采集完成，共包含88名参与者每天的心率、皮肤电、三轴加速度等外周生理数据和运动数据。

论文信息：
Shui, X., Zhang, M., Li, Z. et al. A dataset of daily ambulatory psychological and physiological recording for emotion research. Sci Data 8, 161 (2021).

论文链接：
https://www.nature.com/articles/s41597-021-00945-4

研究背景

情绪的生理基础一直是心理学、认知神经科学等领域的一项重要研究话题。在实验室场景下，研究者通常采用标准的情绪刺激材料（如图片、声音、文字、视频等）或要求被试执行特定（愤怒、压力、焦虑等）情绪任务来诱发特定的情绪。长期以来，研究者基于实验室方法开展了大量的研究，开发出众多数据集。

实验室方法虽然具有实验条件控制严谨的优势，但在研究的生态效度上面临挑战。

清华大学心理学系张丹课题组创建了面向情绪研究的日常动态心理生理记录数据集(A dataset of Daily Ambulatory Psychological and Physiological recording for Emotion Research, DAPPER)。

DAPPER数据集

该数据集共包含142名参与者连续5天的日常情境测量数据。

其中，日常心理状态报告通过追踪问卷软件完成，具体包含两种测量方法：白天多个随机时间发送问卷提示，完成即时情绪状态评估（经验取样法）；每晚回顾当天主要事件并完成情绪评估（日重建法）。

日常生理记录通过可穿戴式腕表采集完成，共包含88名参与者每天的心率、皮肤电、三轴加速度等外周生理数据和运动数据。

图1 数据采集流程

图2 数据集

前测测量

收集了八个量表的数据。

采用日重现法收集的主观报告数据的结构

研究结果

对DAPPER数据集的验证性分析表明：

日常动态情绪的主观报告数据显示了与现有情绪研究相符的模式，情绪间两两相关最高的结果来自具有相同效价的情绪配对。

日常动态生理数据与情绪主观报告也表现了一定的相关性，心率的四分位距作为日常生理特征，与受鼓舞、等情绪主观报告结果存在显著的相关性，初步展示了基于生理数据进行日常动态情绪计算的可能性。

DAPPER数据集在采集人数、采集时间长度、所使用心理生理采集方法多样性等方面都大大超越了已有情绪心理生理数据库。连续长时程的生理心理数据记录有望助力情绪研究走向日常生活、走向更落地的应用。

该研究成果于2021年6月28日于《Scientific Data》期刊在线发表，数据集及验证分析代码（Matlab平台）已在数据共享平台synapse上公开，欢迎广大研究人员使用。