01 / 数据构成
规模、关键指标与数据流
在毫秒尺度上观察语言理解的大脑反应
- 260 h
- 总时长
- 320 名
- 被试
- 64 导
- 电极
- 约 18 万
- 试次
| 数据流 | 规格 | 说明 |
|---|---|---|
| 脑电 | 1,000 Hz · 64 导 | Ag/AgCl 电极,含水平与垂直眼电 |
| 行为 | CSV | 反应时、正确率与按键记录 |
| 文本 | UTF-8 / JSON | 刺激材料、试次表与条件编码 |
表格为示例批次的采集参数,最终规格以随数据交付的说明文档为准。
02 / 数据说明
采集、标注与质量控制
以下内容说明数据如何被采集、标注与验证,可作为方法学引用与方案评估的依据。
数据概况
脑电语言加工数据集包含 320 名被试在语言理解任务中的 64 导脑电记录,累计 260 小时、约 18 万个试次,采集时间为 2023 年 10 月至 2026 年 1 月。任务覆盖词汇判断、语义启动、句法违反、歧义消解与自然语篇理解五类范式,刺激材料为现代汉语书面语与口语。
被试按性别、年龄(18–30 岁)与语言背景分层,全部为右利手、母语为汉语、无神经或精神疾病史。每位被试完成 1 至 2 次实验,单次记录时长 60 至 90 分钟,中间安排休息以降低疲劳对脑电的影响。
采集规范
实验在电磁屏蔽室内进行,使用 64 导 Ag/AgCl 电极帽,采样率 1,000 Hz,同时记录水平与垂直眼电。刺激呈现由实验软件控制,通过光电传感器与并行端口向采集系统发送事件标记,保证刺激与脑电的毫秒级对齐。
被试在实验前清洗头发并完成电极阻抗检查,所有电极阻抗低于 10 kΩ 后开始记录。实验流程经机构伦理委员会审批,被试签署知情同意书并可随时退出。每次实验结束后记录被试状态与异常事件,供后续伪迹判断参考。
标注体系
标注以事件为单位,覆盖刺激属性、被试反应与信号质量。
| 层级 | 内容 | 规模 | 复核方式 |
|---|---|---|---|
| 事件层 | 刺激开始、反应、反馈与分段标记 | 约 18 万试次 | 自动校验 + 抽检 10% |
| 条件层 | 语义、句法、频率与预期性编码 | 全量试次 | 实验设计表核对 |
| 伪迹层 | 眨眼、肌电、漂移与坏导标记 | 全量记录 | 算法检测 + 人工复核 |
| 成分层 | N400、P600、P300 等成分窗口 | 约 2.6 万分段 | 双人复核,专家仲裁 |
质量与验证
脑电与刺激事件同步误差中位数 0.3 ms,95 分位不超过 1 ms;电极阻抗中位数 4.8 kΩ;伪迹试次比例平均 7.2%;ERP 成分标注一致性 κ = 0.85。每批次抽取 10% 被试做全流程复核,坏导与漂移记录单独保存。交付附实验程序、刺激材料、试次表、预处理参数、成分窗口定义与质量报告。
典型研究问题
- 语义预期违反引发的 N400 波幅与潜伏期变化。
- 句法违反与再分析过程中的 P600 模式。
- 跨被试 ERP 解码模型的泛化能力。
- 语言模型预测误差能否解释脑电反应。
- 口语与书面语理解在时间进程上的差异。
获取与授权
本数据集仅面向通过伦理审查的科研项目开放,申请方需提交研究方案、伦理批件与数据处理计划。交付格式为 EDF、BDF、JSON、CSV 与 MAT,原始信号与预处理数据分层提供,附完整的预处理脚本与分析示例。因涉及人体生理数据,不接受再识别尝试与商业模型训练,商业合作需单独评估。可先通过示例数据查看试次级结构,或在联系页咨询数据使用协议。
03 / 典型用途
这批数据可以回答的问题
以下为典型研究与产品方向,具体分析方案需结合研究设计与统计方法确定。
- 01
N400 与 P600 语义句法研究
- 02
句法违反与再分析
- 03
跨被试 ERP 解码
- 04
语言模型与大脑预测编码对比
04 / 相关数据集
可以组合使用的数据集
同一研究问题常需要跨模态组合;以下条目与本数据集共享场景、说话人或标注体系。