主题：任务共享的个性化情绪表征结构
报告人：黎明
内容：长久以来，大多数人类情绪研究都是孤立地考察情绪的感知、回忆或表达。鲜有实证研究关注大脑如何在性质迥异的任务中处理相似的情绪体验。一个重要的障碍来自于自然情绪行为对传统脑成像技术（如功能磁共振成像、脑电图）的干扰。得益于功能近红外脑成像（fNIRS）技术的兴起，现在可以相对可靠地记录受试者在各种自然情绪任务中的大脑活动。黎明同学将介绍他利用fNIRS技术构建的多任务多模态自然情绪数据集，并报告初步观察到的个体内跨任务情绪表征相似性现象。
主题：声音是否知道真相：非自发情绪表达中的关键声学特征
报告人：刘思涵
内容：在日常交流中，非自发、刻意的情绪表达无处不在，例如掩饰失望和假装好客。尽管最近的研究对语音情绪的行为规律有了越来越多的认识，但现有证据尚不清楚自发/刻意语音情绪表达的关键声学特征的区别是什么。刘思涵同学将报告基于语音韵律分析与可解释性的机器学习技术，确定了两种情绪讲述任务（回忆/表演）中可能在个体间共享的关键区分性因素，并且进一步探索了后天训练（受试者表演经验：无经验/业余/专业）对提高非自发情绪表达的感知真实性的作用，为理解复杂现实生活中的情绪表达行为提供了新的视角。
主题：基于提示工程的情绪图片集生成方法
报告人：鲁雨晴
内容：情绪图片等视觉刺激在心理学研究中有着广泛的应用。传统情绪图片集通常需要人工采集，人工成本高，图片数量有限且非开源。随着生成式人工智能技术的发展，特别是提示工程结合文本到图像合成技术，可以为心理学研究提供一种生成情绪图片的新方法。鲁雨晴同学将报告基于提示工程的情绪图片集生成方法，通过使用Midjourney和ChatGPT等大模型工具，提出包含提示生成、提示集生成和情绪图片集生成的三阶段情绪图片生成工作流，同时对生成的情绪图片集进行了情绪诱发有效性等方面的评估。研究为情绪图片等视觉刺激的生成提供了新思路，有望促进心理学研究在大规模在线研究等新兴方向上的进一步发展。
主题：人机博弈中的策略迁移
报告人：朱奥
内容：随着人工智能技术的飞速发展，机器已从辅助决策者转变为自主决策主体。道路上逐渐增多的无人驾驶汽车预示着博弈决策正在超越传统的人人互动模式，人与机器之间的博弈正成为日常生活的一部分。这种转变不仅改变了传统的社会互动方式，也对现有的决策模式提出了新的挑战。然而，目前对于人类如何与机器进行博弈决策的行为模式仍缺乏系统的研究和深入的理解。朱奥同学的研究涵盖了401名参与者，发现人类在与机器进行博弈时表现出策略差异，研究进一步剖析了这些策略差异背后的分类模式和影响因素，为理解人机博弈行为提供了新的视角。
主题：个体－群体脑际相似性实现学习体验画像区分——一项在线学习研究
报告人：潘黄合
内容：学习体验是学习过程中的重要组成部分，刻画学习体验对开展以学生为中心的教学实践十分关键。个体与他人的脑活动相似程度有望以一种客观的、任务无干扰的方式刻画学习体验。然而，现有研究大多考察个体－群体脑际相似性和单一学习体验维度之间的联系，对学习体验多元、复杂的特性考虑不充分。潘黄合同学将报告基于一项在线学习任务，通过以个体为中心刻画学习体验画像的方式对多种学习体验进行整合性探索的研究。通过记录学生在视频学习任务中的脑活动并开展脑际相似性分析，发现不同的学习体验画像对应着差异化的脑响应模式，展示了理解学习体验对探索学习脑认知规律的积极意义，也提示了脑际分析方法在刻画学习体验中的潜力。
