自然情境 · 多模态实验

从自然视频到可同步的多模态情绪实验

围绕自然情境情绪材料，构建视频清洗、条件分配、伪随机评估与多设备事件同步的完整实验流程。

角色项目负责人 · 具体职责待确认

工具PsychoPy · EEG · EyeLink · BIOPAC · Python

状态设计与实验编程中 · 2025.10 至今

安全视觉占位：可替换为脱敏流程图、匿名化统计图或无被试信息的实验界面截图。

项目背景

自然情境视频比孤立图片更接近日常情绪体验，但也带来材料长度不一、情绪混合与跨设备时间对齐等问题。该项目尝试建立一条从材料到实验实施的完整路径。

如何在保留自然情境丰富性的同时，使刺激呈现、评估插入和 EEG、眼动及外周生理信号具备可分析的时间结构？

项目负责人。具体负责工作、独立推进内容及合作边界待本人进一步确认。

视频按规则补齐时间并保留原始比例；评估任务采用伪随机插入，确保评分对应前一视频；由呈现端统一发送关键事件标记，为后续信号对齐提供依据。

材料去重与转码 → 条件表生成 → Session / Run 分配 → 视频与注视时序 → 描述评分 → EEG、EyeLink 与 BIOPAC 同步方案。

自然视频时长不同，且评估任务不能完全随机。通过明确补齐规则和约束式伪随机分配，兼顾时间结构与任务逻辑。设备同步方案仍需在实验室条件下完成延迟测试。

待确认。具体样本、统计结果与解码表现均未在此公开，待本人及合作者确认后补充。

实验可靠性不仅来自程序能运行，更来自材料、时序、事件编码和记录规则之间的一致性。越复杂的多模态研究，越需要先建立清晰的数据链。