An Electroencephalogram Dataset of Learner Interest States in Online Education Tasks

构建了一个面向真实主题内容、兼顾普遍性和专业化的多元学习兴趣脑电图数据集。该数据集包含14名学生的学习过程数据，为探究教育神经科学领域学习兴趣本质提供了工具。为了获得有效的学习兴趣脑电图数据，我们从每个受试者中挑选了1到2段20分钟的教学视频。学习者首先通过预实验验证，确认他们首次接触视频，消除了重复暴露效应。该实验完全模拟了真实教室的多样环境。采用了16通道Ag/AgCl电极帽，采用国际10/20系统，采样率为250Hz。离线预处理在MATLAB 2024a和EEGLAB 2024.2中完成，包括1–75Hz带通滤波、48–52Hz呸滤波、ICA伪影校正和片段抑制，有效消除噪声和伪影干扰。特征提取涵盖了五个经典频段（δ、θ、α、β、γ）的能量和峰值频率，为后续分析提供了有力支持。为确保数据有效性，我们采用了五个机器学习模型——逻辑回归、范量法、决策树、k-NN和朴素贝叶斯——来分类兴趣/非兴趣状态，准确率超过99%。这确保了数据集的稳健性和可靠性。