Modeling Emotional Arousal With Turbulence Measured by <scp>EEG</scp>
Notice bibliographique
Résumé
Turbulence-like dynamics in brain activity have been proposed as a signature of systems operating near criticality, and may reflect changes in neuronal function associated with emotional states. In this paper, we hypothesize that motor behavior linked to emotional expression modulates turbulence, reflecting a shift towards more streamlined brain dynamics characteristic of emotional motor control. We assessed EEG turbulence in 30 healthy participants in a motor paradigm varying in both task demand and degree of emotionality. Conditions included singing, swaying, responding to a virtual conductor of variable expressivity, having your own body movements mirrored by a virtual agent, and combinations thereof. Results showed an inverse relation of turbulence intensity in the alpha range to both degree of movement and perceived level of task emotionality, which was also true for the high gamma range, but to a lesser extent. When factoring in task demand, the effect of level of emotionality in the alpha range deteriorated. This is physiological evidence for why physical arousal is likely to increase the level of perceived emotional engagement or even be misinterpreted as such. Our findings suggest high gamma activity is a more accurate indicator of emotionality during motor tasks and can be key to differentiating EEG signatures of emotional motor control, which has been shown to be partly autonomous from voluntary motor control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».