利用可穿戴设备进行心理心流状态的生理评估：开拓身心优化新路径

在探究心理心流状态的征程中，研究人员为解决现有测量方法的不足，开展了以可穿戴设备监测心流状态的研究。他们让 28 名匈牙利成年人玩游戏诱发不同状态，测量多种生理信号。结果发现心流状态下生理指标有独特特征，这为利用可穿戴设备改善工作和生活状态提供依据。

　　在日常生活和工作中，人们常常会沉浸于某件事情，达到一种全身心投入的状态，这种状态被称为 “心流”（Flow）。心流状态不仅能带来愉悦的体验，还能促使人们发挥出最佳水平，实现卓越的表现。然而，长期以来，心流状态的测量一直面临着诸多难题。一方面，体验心流的人元认知能力会降低，注意力高度集中于任务本身，此时若被打断，心流状态就会被破坏，这使得实时测量心流变得极为困难。另一方面，传统测量方法如问卷调查，存在受试者主观判断不准确、回忆不完整等问题，无法精确地捕捉心流状态的特征。为了突破这些困境，来自匈牙利的研究团队开展了一项极具创新性的研究，试图揭示心流状态背后的生理奥秘。该研究成果发表在《Scientific Reports》上，为深入理解和应用心流状态提供了新的视角和方法。
研究人员采用了一系列先进的技术方法来开展此项研究。在样本选取上，他们通过便利抽样招募了 28 名匈牙利健康成年人参与实验。实验过程中，使用了由 Mathias Corvinus Collegium 开发的两款可穿戴设备，一款是能在四个通道捕捉前额叶 / 额叶皮质脑电图（EEG）信号的头戴式设备，另一款是集成了光电容积脉搏波（PPG）功能的肌电图（EMG）臂带，用于测量心率（HR）、血氧饱和度（SpO₂）和皮肤电反应（GSR）等生理指标，同时利用设备中的惯性测量单元（IMU）来追踪运动状态。实验以 Tetris 游戏为载体，通过调整游戏难度，诱导出心流、无聊和沮丧等不同状态，受试者在游戏前后需完成相关问卷，以评估自身的情绪和心流体验。实验数据经过 Python 脚本和 R 语言进行预处理和统计分析。
研究结果主要从以下几个方面展开：

1. EEG 频段功率：在不同实验状态下，EEG 功率表现出明显差异。闭眼基线校正后，无聊状态下 theta 和 delta 功率大幅增加，alpha 和 beta 功率也有所上升；心流状态下，theta 和 delta 功率增加幅度较小，alpha 功率增加，beta 功率较无聊状态略有上升；沮丧状态下，delta 和 alpha 功率下降，theta 功率略有增加，beta 功率几乎翻倍。睁眼基线校正后，alpha 功率在无聊和心流状态下显著增加，成为主导频段，beta 功率在各状态下均大幅增加，且在心流状态下增幅最大。通过分析发现，不同状态在多个频段存在显著差异。
2. PPG 变量：平均 HR 在沮丧状态下变化最大，无聊和心流状态下变化较小且二者 HR 大小相近，但曲线形状有所不同。HR 变异性（HRV，通过 HR 的标准差衡量）在流和沮丧状态下呈 U 型特征，无聊状态下则线性下降。SpO₂平均值在心流状态下有小幅度正增长，无聊和沮丧状态下均下降 1% 左右，SpO₂变异性在心流状态下呈下降趋势，在无聊和沮丧状态下接近零。
3. 皮肤电反应：平均皮肤阻抗在所有实验状态下均从基线下降，心流状态下变化最小，沮丧状态下变化最大。GSR 变异性在心流状态下最低，在沮丧状态下最高，但各状态间差异未达显著水平。
4. 身体活动：通过 IMU 数据监测发现，心流状态下受试者身体活动程度最低，无聊状态下最高（除臂带加速度测量中沮丧状态占优外），无聊与心流、沮丧与心流状态在身体活动指标上存在显著差异。
   研究结论表明，可穿戴设备能够有效监测心理心流状态下的生理变化。根据瞬态低前额叶假说，心流状态下大脑活动有所降低，本研究证实了心流状态下 alpha 和 theta 功率的主导地位，但也发现无聊状态下 delta 和 alpha 功率也会增加，beta 功率在心流状态下比其他两种状态更为突出。在心血管指标方面，HR 与唤醒水平相关，心流状态下 HR 略低于无聊状态，沮丧状态下 HR 最高，HRV 在流状态下达到最小值。此外，研究还发现可以通过 SpO₂平均值和标准差区分心流与无聊、沮丧状态。不过，研究也存在一定局限性，如使用的 EEG 头戴式设备通道较少，电极信号质量有待提高，样本量较小且缺乏代表性。尽管如此，该研究仍具有重要意义，它为从生理角度研究心流状态开辟了新道路，有助于专业人员通过生物反馈识别和促进心流状态，在干预措施或发展程序中具有潜在应用价值，为提升人们的工作效率和生活质量提供了科学依据。