[Ingediend op 6 mei 2020]

PDF downloaden

Abstract: Mensen hebben voortdurend interactie met digitale apparaten die hun behoeften negeren
gevoelens. Wel kan de synergie tussen mens en technologie worden versterkt
als de technologie menselijke emoties kan onderscheiden en erop kan reageren. Modellen
die afhankelijk zijn van onbewuste indicaties van menselijke emoties, zoals
(neuro)fysiologische signalen zijn veelbelovend bij het personaliseren van feedback en
aanpassing van de interactie. Het huidige onderzoek ging dieper in op het adopteren van een
voorspellende benadering bij het bestuderen van menselijke emotionele verwerking op basis van de hersenen
activiteit. Meer specifiek hebben we de propositie van voorspellen onderzocht
zelfgerapporteerde menselijke empathie gebaseerd op EEG corticale asymmetrie op verschillende gebieden
van de hersenen. Verschillende soorten voorspellende modellen, dwz meerdere lineaire
regressieanalyses, maar ook binaire en multiklasse-classificaties waren dat wel
geëvalueerd. De resultaten toonden aan dat lateralisatie van hersenoscillaties specifiek is
frequentiebanden is een belangrijke voorspeller van zelfgerapporteerde empathiescores.
Bovendien werden prominente classificatieprestaties gevonden tijdens
rusttoestand die suggereert dat er geen emotionele stimulatie nodig is
nauwkeurige voorspelling van empathie – als persoonlijkheidskenmerk – op basis van EEG-gegevens.
Onze bevindingen dragen niet alleen bij aan het algemene begrip van de mechanismen
van empathie, maar vergemakkelijken ook een beter begrip van de voordelen van het toepassen van een
voorspellende benadering vergeleken met hypothesegestuurde onderzoeken in de neuropsychologie
onderzoek. Belangrijker nog is dat onze resultaten kunnen worden gebruikt bij de ontwikkeling van
brein-computerinterfaces die mensen helpen die moeite hebben met het uiten van
het herkennen van emoties.