设计脑电图 (EEG) 实验：从研究问题到实验设计
H.B. Duran
更新于
2026年10月14日
设计脑电图 (EEG) 实验：从研究问题到实验设计
H.B. Duran
更新于
2026年10月14日
设计脑电图 (EEG) 实验：从研究问题到实验设计
H.B. Duran
更新于
2026年10月14日
成功的 EEG 研究早在数据收集之前就已经开始。从研究问题到参与者选择再到实验时机的每一个决定，都会影响结果的质量和可解释性。
脑电图（EEG）允许研究人员以毫秒级的精度测量大脑活动的变化，这使其在研究注意力、感知、认知负荷、决策制定以及其他快速变化的认知过程中特别有价值。然而，收集高质量的 EEG 数据需要的不仅仅是选择合适的设备。一个设计良好的实验可以确保记录的大脑活动反映出正在调查的认知过程，而不是无意引入的变量。
本指南概述了设计 EEG 实验的关键步骤，从提出研究问题到选择合适的研究设计。无论您是进行首次 EEG 研究还是改进现有的方案，周密的计划都为可靠、可重复的研究奠定了基础。
从研究问题开始
每个 EEG 实验都应该从一个明确定义的科学问题开始。研究人员应该首先确定他们想要调查的认知或行为过程，而不是询问 EEG headset可以测量什么。研究问题指导着随后的每一个方法学决定，包括实验范式、参与者群体、记录设置和分析策略。
例如，一项研究持续注意力的研究可能需要参与者在较长一段时间内完成一项持续性操作任务，而一项检查错误检测的研究可能依赖于由特定刺激呈现产生的事件相关电位（ERP）。尽管两项研究都使用 EEG，但由于它们调查认知的不同方面，因此需要不同的实验设计。
一个明确定义的研究问题也有助于研究人员确定应该操纵哪些变量以及应该测量哪些结果。尽早建立这些关系可以减少不必要的复杂性，并有助于确保收集的数据能够有意义地解决最初的假设。
提出可测试的假设
一旦确定了研究问题，下一步就是提出一个可以通过实验进行评估的假设。假设将一个宽泛的科学问题转化为可以通过数据收集进行测试的具体预测。
例如，研究人员可能会假设增加任务难度将产生与认知负荷相关的额叶 EEG 活动的可测量变化，而不是询问精神负荷是否会影响注意力。这一预测既确定了实验操纵，也确定了预期结果。
提出假设还需要确定研究的变量。自变量代表研究人员操纵的条件，例如任务难度或刺激类型，而因变量是正在测量的结果，包括行为表现、反应时间或源自 EEG 的指标。在数据收集之前明确定义这些变量有助于确保实验设计直接解决科学问题。
一个完善的假设为整个研究提供了路线图。它为参与者的选择提供了信息，决定了实验范式，并指导了后期的统计分析，帮助研究人员在原始研究问题与从数据中得出的结论之间保持清晰的联系。
选择实验范式
实验范式是参与者在数据收集过程中遵循的结构化程序。选择合适的范式取决于正在调查的认知过程，而不是技术本身。
研究注意力的研究人员可能会使用持续性操作任务或视觉搜索范式，而研究工作记忆的研究人员则经常采用 n-back 任务或延迟匹配实验。决策研究可能会结合博弈或基于风险的任务，而感知研究通常依赖于精心控制时机的感官刺激来诱发特定的神经反应。
无论选择何种范式，一致性都至关重要。标准化的指导语、受控的实验条件和精心控制时机的刺激呈现有助于减少参与者之间不必要的差异。其目标是确保在 EEG 记录中观察到的差异反映了认知加工过程中的真实差异，而不是实验程序中的不一致。
所选的范式还应平衡实验控制与生态效度。实验室任务对变量提供了精确的控制，而更自然的环境可能更好地代表现实世界的行为。无线 EEG 的进步使得在传统实验室环境之外研究认知变得越来越切实可行，允许研究人员在适合研究问题时，在教室、工作场所和其他真实环境中研究注意力、学习和决策制定 [1],[2]。
伦理考量
伦理审查是任何涉及人类参与者的 EEG 研究的基本要求。在开始招募或数据收集之前，研究人员应检查是否需要获得机构审查委员会（IRB）或同等伦理委员会的批准。这一过程可确保实验设计最大程度地降低参与者的风险并遵循既定的伦理准则。
知情同意过程同样至关重要，要求研究人员清楚地解释研究的目的、程序、潜在风险以及参与的自愿性。必须给参与者提问的机会，并且在进行任何记录之前，他们必须提供明确的同意。在这一过程中保持透明度可以建立信任，并确保参与者充分了解自己的权利。
最后，研究人员必须建立健全的协议来确保数据隐私和参与者机密性。这包括对 EEG 记录进行去标识化处理、使用安全的数据存储系统以及限制对敏感信息的访问。保护参与者身份不仅是一项伦理义务，也是维护研究完整性的关键组成部分。
选择参与者
参与者选择是实验设计的另一个关键组成部分。参与者群体的特征既影响数据的质量，也影响研究结果可推广的程度。
研究人员应在招募开始前建立明确的纳入和排除标准。年龄、神经系统病史、药物使用、睡眠质量、视力或听力状态以及其他因素，都可能根据研究目标对 EEG 记录产生影响。仔细定义这些标准有助于减少由与研究问题无关的因素引入的变异性。
研究人员还应在规划阶段考虑样本量。虽然试点研究可能涉及相对较小的参与者群体，但验证性研究通常需要更大的样本来提高统计效力并增加对研究结果的信心。在数据收集之前确定合适的样本量支持更稳健和可重复的研究。
收集高质量的 EEG 数据
实验设计超越了认知任务和参与者招募。研究人员还必须建立记录程序，在最大程度降低伪迹和不必要变异的同时，最大化信号质量。
一致的电极放置、牢固的传感器接触、参与者的舒适度以及标准化的记录程序都有助于获得可靠的 EEG 采集。还应考虑环境条件，包括电磁干扰源、过度运动以及其他可能在记录中引入噪声的因素。
由于 EEG 测量的是大脑产生的电活动，它对眼动、肌肉活动和电极移动等非神经信号也很敏感。尽管在预处理过程中可以减少一些伪迹，但在数据收集期间防止污染通常比事后尝试纠正不良记录能产生更高质量的数据集。
在记录开始前进行周密的准备通常会减少以后在分析管道中清理数据所花费的时间。
为什么事件时机至关重要
许多 EEG 实验涉及在精确定义的时刻呈现刺激或记录参与者的反应。为了解释大脑活动如何与这些事件相关联，研究人员必须精确地将实验事件与持续的 EEG 记录同步。
事件标记通过在呈现刺激、参与者做出反应或发生其他重要事件时，在 EEG 记录中放置带时间戳的标签来提供这种同步。这些标记允许研究人员将神经活动与实验期间的特定时刻对齐，从而使得检查大脑随时间如何反应成为可能。
精确的事件时机对于事件相关电位（ERP）研究尤为重要，在这种研究中，研究人员在重复呈现同一事件时对大脑反应进行平均。即使是微小的时机误差也会降低波形质量，并使微妙的神经反应更难被检测到。独立验证研究表明，当使用适当的同步方法时，现代无线 EEG 系统可以实现适合 ERP 研究的事件标记精度 [3]。
因为事件时机从实验一开始就影响数据解释，所以在研究设计时就应该考虑同步，而不是仅仅将其视为技术实现细节。
平衡实验控制与生态效度
实验设计中最重要的决定之一是确定研究需要多少控制，以及它应该在多大程度上反映现实世界的行为。高度可控的实验室实验减少了外部变量并提高了内部效度，从而更容易识别特定刺激与神经反应之间的关系。然而，这些条件可能并不总能代表人们在日常生活中的思考、学习或做出决策的方式。
研究人员越来越多地设计在更自然的环境中捕捉认知过程的研究。无线 EEG 技术的进步扩大了在教室、工作场所、驾驶模拟和户外设置中调查注意力、协作、执行功能和学习的机会，同时保持了高质量的神经记录。这种向生态效度的转变允许研究人员在不牺牲科学严谨性的情况下，研究自然展开的认知。
合适的平衡取决于研究问题。有些研究需要严格控制的实验室条件来隔离特定的神经机制，而另一些研究则受益于在真实环境中观察参与者。选择合适水平的实验控制应始终支持科学目标，而不是设备的功能。
规划您的数据分析
尽管数据分析发生在收集之后，但研究人员应在实验设计阶段就考虑他们的分析策略。在开始记录之前做出的决定往往决定了以后哪些分析是可能的。
例如，研究事件相关电位的研究需要精确计时的事件标记和重复呈现相同的刺激。功能连接研究可能需要更长的记录时间，而机器学习应用通常受益于在多个会话中收集的更大数据集。了解预期的分析方法有助于确保实验方案产生适合回答研究问题的数据。
提前规划也支持可重复性。清楚地记录参与者标准、记录程序、任务时机、预处理方法和统计分析，可以让其他研究人员理解、评估和复制该研究。
选择 EEG 系统
选择 EEG 系统应该是实验设计的最后一步，而不是第一步。一旦确定了研究问题、假设、参与者群体和实验范式，研究人员就可以选择最支持其目标的设备。
通道数、移动性、参与者舒适度、设置时间以及与现有软件的兼容性等因素都会影响系统的选择。需要在多个参与者中快速部署的课堂研究可能会优先考虑便携性和易用性，而涉及详细空间分析的实验室调查可能需要高密度电极阵列。
Emotiv 提供了几种针对不同研究需求设计的科研级 EEG 系统：
Insight 提供了一个简化的五通道系统，适用于教育研究、人因工程以及许多需要快速设置的认知研究。
Epoc X 提供十四个通道，在移动性与扩展的空间覆盖之间取得了平衡，使其适用于广泛的认知神经科学、BCI和应用研究。
Flex Saline 和 Flex Gel 提供可扩展的科研级配置，具有多达 32 个通道，适用于需要更广泛皮层覆盖的研究、事件相关电位研究或更先进的实验设计。
因为每项研究都有不同的方法学要求，所以研究人员应该选择最符合其科学目标的系统，而不是假设更多的通道或更复杂的硬件总是会产生更好的研究。
关键要点
成功的 EEG 研究始于周密的实验设计，而不是设备选择。明确定义的研究问题、可测试的假设、合适的实验范式、精心选择的参与者和标准化的记录程序都有助于产生可靠且可解释的数据。
在开始数据收集之前，研究人员还应考虑事件时机、生态效度、预期的分析方法和数据质量。在规划阶段解决这些因素有助于减少研究过程中后期可避免的问题，并支持更具可重复性的科学。
通过建立强大的实验基础，研究人员使自己处于从其 EEG 数据中产生有意义见解的最佳位置。
将您的框架投入实践
无论您是在设计试点研究还是大规模研究项目，选择一个符合您方法学的 EEG 系统都可以在支持可靠、高质量记录的同时简化数据收集。
探索 Emotiv 的科研 EEG 系统以找到最适合您实验设计的平台。
继续构建您的 EEG 研究
设计一个强大的实验只是第一步。即使是一个规划良好的研究，也可能受到眨眼、肌肉活动、电极移动或环境噪声的影响，从而降低信号质量。
在下一部指南《EEG 伪迹与信号质量》中，我们将探讨最常见的 EEG 伪迹来源、在数据收集期间防止它们的实用策略，以及在预处理开始前产生更清洁数据集的最佳实践。
推荐阅读
参考文献
[1] Badcock, N. A., et al., "用于测量研究质量听觉 ERP 的 Emotiv EPOC® EEG 游戏系统的验证," PeerJ, vol. 1, e38, 2013.
[2] García-Monge, A., et al., "教育研究中的移动 EEG：在真实学习环境中研究认知的机遇与挑战," Frontiers in Education, 2024.
[3] Nastase, S. A., Goldstein, A., & Hasson, U., "保持真实：重新思考认知神经科学中实验控制的首要地位," NeuroImage, vol. 222, 2020.
成功的 EEG 研究早在数据收集之前就已经开始。从研究问题到参与者选择再到实验时机的每一个决定，都会影响结果的质量和可解释性。
脑电图（EEG）允许研究人员以毫秒级的精度测量大脑活动的变化，这使其在研究注意力、感知、认知负荷、决策制定以及其他快速变化的认知过程中特别有价值。然而，收集高质量的 EEG 数据需要的不仅仅是选择合适的设备。一个设计良好的实验可以确保记录的大脑活动反映出正在调查的认知过程，而不是无意引入的变量。
本指南概述了设计 EEG 实验的关键步骤，从提出研究问题到选择合适的研究设计。无论您是进行首次 EEG 研究还是改进现有的方案，周密的计划都为可靠、可重复的研究奠定了基础。
从研究问题开始
每个 EEG 实验都应该从一个明确定义的科学问题开始。研究人员应该首先确定他们想要调查的认知或行为过程，而不是询问 EEG headset可以测量什么。研究问题指导着随后的每一个方法学决定，包括实验范式、参与者群体、记录设置和分析策略。
例如，一项研究持续注意力的研究可能需要参与者在较长一段时间内完成一项持续性操作任务，而一项检查错误检测的研究可能依赖于由特定刺激呈现产生的事件相关电位（ERP）。尽管两项研究都使用 EEG，但由于它们调查认知的不同方面，因此需要不同的实验设计。
一个明确定义的研究问题也有助于研究人员确定应该操纵哪些变量以及应该测量哪些结果。尽早建立这些关系可以减少不必要的复杂性，并有助于确保收集的数据能够有意义地解决最初的假设。
提出可测试的假设
一旦确定了研究问题，下一步就是提出一个可以通过实验进行评估的假设。假设将一个宽泛的科学问题转化为可以通过数据收集进行测试的具体预测。
例如，研究人员可能会假设增加任务难度将产生与认知负荷相关的额叶 EEG 活动的可测量变化，而不是询问精神负荷是否会影响注意力。这一预测既确定了实验操纵，也确定了预期结果。
提出假设还需要确定研究的变量。自变量代表研究人员操纵的条件，例如任务难度或刺激类型，而因变量是正在测量的结果，包括行为表现、反应时间或源自 EEG 的指标。在数据收集之前明确定义这些变量有助于确保实验设计直接解决科学问题。
一个完善的假设为整个研究提供了路线图。它为参与者的选择提供了信息，决定了实验范式，并指导了后期的统计分析，帮助研究人员在原始研究问题与从数据中得出的结论之间保持清晰的联系。
选择实验范式
实验范式是参与者在数据收集过程中遵循的结构化程序。选择合适的范式取决于正在调查的认知过程，而不是技术本身。
研究注意力的研究人员可能会使用持续性操作任务或视觉搜索范式，而研究工作记忆的研究人员则经常采用 n-back 任务或延迟匹配实验。决策研究可能会结合博弈或基于风险的任务，而感知研究通常依赖于精心控制时机的感官刺激来诱发特定的神经反应。
无论选择何种范式，一致性都至关重要。标准化的指导语、受控的实验条件和精心控制时机的刺激呈现有助于减少参与者之间不必要的差异。其目标是确保在 EEG 记录中观察到的差异反映了认知加工过程中的真实差异，而不是实验程序中的不一致。
所选的范式还应平衡实验控制与生态效度。实验室任务对变量提供了精确的控制，而更自然的环境可能更好地代表现实世界的行为。无线 EEG 的进步使得在传统实验室环境之外研究认知变得越来越切实可行，允许研究人员在适合研究问题时，在教室、工作场所和其他真实环境中研究注意力、学习和决策制定 [1],[2]。
伦理考量
伦理审查是任何涉及人类参与者的 EEG 研究的基本要求。在开始招募或数据收集之前，研究人员应检查是否需要获得机构审查委员会（IRB）或同等伦理委员会的批准。这一过程可确保实验设计最大程度地降低参与者的风险并遵循既定的伦理准则。
知情同意过程同样至关重要，要求研究人员清楚地解释研究的目的、程序、潜在风险以及参与的自愿性。必须给参与者提问的机会，并且在进行任何记录之前，他们必须提供明确的同意。在这一过程中保持透明度可以建立信任，并确保参与者充分了解自己的权利。
最后，研究人员必须建立健全的协议来确保数据隐私和参与者机密性。这包括对 EEG 记录进行去标识化处理、使用安全的数据存储系统以及限制对敏感信息的访问。保护参与者身份不仅是一项伦理义务，也是维护研究完整性的关键组成部分。
选择参与者
参与者选择是实验设计的另一个关键组成部分。参与者群体的特征既影响数据的质量，也影响研究结果可推广的程度。
研究人员应在招募开始前建立明确的纳入和排除标准。年龄、神经系统病史、药物使用、睡眠质量、视力或听力状态以及其他因素，都可能根据研究目标对 EEG 记录产生影响。仔细定义这些标准有助于减少由与研究问题无关的因素引入的变异性。
研究人员还应在规划阶段考虑样本量。虽然试点研究可能涉及相对较小的参与者群体，但验证性研究通常需要更大的样本来提高统计效力并增加对研究结果的信心。在数据收集之前确定合适的样本量支持更稳健和可重复的研究。
收集高质量的 EEG 数据
实验设计超越了认知任务和参与者招募。研究人员还必须建立记录程序，在最大程度降低伪迹和不必要变异的同时，最大化信号质量。
一致的电极放置、牢固的传感器接触、参与者的舒适度以及标准化的记录程序都有助于获得可靠的 EEG 采集。还应考虑环境条件，包括电磁干扰源、过度运动以及其他可能在记录中引入噪声的因素。
由于 EEG 测量的是大脑产生的电活动，它对眼动、肌肉活动和电极移动等非神经信号也很敏感。尽管在预处理过程中可以减少一些伪迹，但在数据收集期间防止污染通常比事后尝试纠正不良记录能产生更高质量的数据集。
在记录开始前进行周密的准备通常会减少以后在分析管道中清理数据所花费的时间。
为什么事件时机至关重要
许多 EEG 实验涉及在精确定义的时刻呈现刺激或记录参与者的反应。为了解释大脑活动如何与这些事件相关联，研究人员必须精确地将实验事件与持续的 EEG 记录同步。
事件标记通过在呈现刺激、参与者做出反应或发生其他重要事件时，在 EEG 记录中放置带时间戳的标签来提供这种同步。这些标记允许研究人员将神经活动与实验期间的特定时刻对齐，从而使得检查大脑随时间如何反应成为可能。
精确的事件时机对于事件相关电位（ERP）研究尤为重要，在这种研究中，研究人员在重复呈现同一事件时对大脑反应进行平均。即使是微小的时机误差也会降低波形质量，并使微妙的神经反应更难被检测到。独立验证研究表明，当使用适当的同步方法时，现代无线 EEG 系统可以实现适合 ERP 研究的事件标记精度 [3]。
因为事件时机从实验一开始就影响数据解释，所以在研究设计时就应该考虑同步，而不是仅仅将其视为技术实现细节。
平衡实验控制与生态效度
实验设计中最重要的决定之一是确定研究需要多少控制，以及它应该在多大程度上反映现实世界的行为。高度可控的实验室实验减少了外部变量并提高了内部效度，从而更容易识别特定刺激与神经反应之间的关系。然而，这些条件可能并不总能代表人们在日常生活中的思考、学习或做出决策的方式。
研究人员越来越多地设计在更自然的环境中捕捉认知过程的研究。无线 EEG 技术的进步扩大了在教室、工作场所、驾驶模拟和户外设置中调查注意力、协作、执行功能和学习的机会，同时保持了高质量的神经记录。这种向生态效度的转变允许研究人员在不牺牲科学严谨性的情况下，研究自然展开的认知。
合适的平衡取决于研究问题。有些研究需要严格控制的实验室条件来隔离特定的神经机制，而另一些研究则受益于在真实环境中观察参与者。选择合适水平的实验控制应始终支持科学目标，而不是设备的功能。
规划您的数据分析
尽管数据分析发生在收集之后，但研究人员应在实验设计阶段就考虑他们的分析策略。在开始记录之前做出的决定往往决定了以后哪些分析是可能的。
例如，研究事件相关电位的研究需要精确计时的事件标记和重复呈现相同的刺激。功能连接研究可能需要更长的记录时间，而机器学习应用通常受益于在多个会话中收集的更大数据集。了解预期的分析方法有助于确保实验方案产生适合回答研究问题的数据。
提前规划也支持可重复性。清楚地记录参与者标准、记录程序、任务时机、预处理方法和统计分析，可以让其他研究人员理解、评估和复制该研究。
选择 EEG 系统
选择 EEG 系统应该是实验设计的最后一步，而不是第一步。一旦确定了研究问题、假设、参与者群体和实验范式，研究人员就可以选择最支持其目标的设备。
通道数、移动性、参与者舒适度、设置时间以及与现有软件的兼容性等因素都会影响系统的选择。需要在多个参与者中快速部署的课堂研究可能会优先考虑便携性和易用性，而涉及详细空间分析的实验室调查可能需要高密度电极阵列。
Emotiv 提供了几种针对不同研究需求设计的科研级 EEG 系统：
Insight 提供了一个简化的五通道系统，适用于教育研究、人因工程以及许多需要快速设置的认知研究。
Epoc X 提供十四个通道，在移动性与扩展的空间覆盖之间取得了平衡，使其适用于广泛的认知神经科学、BCI和应用研究。
Flex Saline 和 Flex Gel 提供可扩展的科研级配置，具有多达 32 个通道，适用于需要更广泛皮层覆盖的研究、事件相关电位研究或更先进的实验设计。
因为每项研究都有不同的方法学要求，所以研究人员应该选择最符合其科学目标的系统，而不是假设更多的通道或更复杂的硬件总是会产生更好的研究。
关键要点
成功的 EEG 研究始于周密的实验设计，而不是设备选择。明确定义的研究问题、可测试的假设、合适的实验范式、精心选择的参与者和标准化的记录程序都有助于产生可靠且可解释的数据。
在开始数据收集之前，研究人员还应考虑事件时机、生态效度、预期的分析方法和数据质量。在规划阶段解决这些因素有助于减少研究过程中后期可避免的问题，并支持更具可重复性的科学。
通过建立强大的实验基础，研究人员使自己处于从其 EEG 数据中产生有意义见解的最佳位置。
将您的框架投入实践
无论您是在设计试点研究还是大规模研究项目，选择一个符合您方法学的 EEG 系统都可以在支持可靠、高质量记录的同时简化数据收集。
探索 Emotiv 的科研 EEG 系统以找到最适合您实验设计的平台。
继续构建您的 EEG 研究
设计一个强大的实验只是第一步。即使是一个规划良好的研究，也可能受到眨眼、肌肉活动、电极移动或环境噪声的影响，从而降低信号质量。
在下一部指南《EEG 伪迹与信号质量》中，我们将探讨最常见的 EEG 伪迹来源、在数据收集期间防止它们的实用策略，以及在预处理开始前产生更清洁数据集的最佳实践。
推荐阅读
参考文献
[1] Badcock, N. A., et al., "用于测量研究质量听觉 ERP 的 Emotiv EPOC® EEG 游戏系统的验证," PeerJ, vol. 1, e38, 2013.
[2] García-Monge, A., et al., "教育研究中的移动 EEG：在真实学习环境中研究认知的机遇与挑战," Frontiers in Education, 2024.
[3] Nastase, S. A., Goldstein, A., & Hasson, U., "保持真实：重新思考认知神经科学中实验控制的首要地位," NeuroImage, vol. 222, 2020.
成功的 EEG 研究早在数据收集之前就已经开始。从研究问题到参与者选择再到实验时机的每一个决定，都会影响结果的质量和可解释性。
脑电图（EEG）允许研究人员以毫秒级的精度测量大脑活动的变化，这使其在研究注意力、感知、认知负荷、决策制定以及其他快速变化的认知过程中特别有价值。然而，收集高质量的 EEG 数据需要的不仅仅是选择合适的设备。一个设计良好的实验可以确保记录的大脑活动反映出正在调查的认知过程，而不是无意引入的变量。
本指南概述了设计 EEG 实验的关键步骤，从提出研究问题到选择合适的研究设计。无论您是进行首次 EEG 研究还是改进现有的方案，周密的计划都为可靠、可重复的研究奠定了基础。
从研究问题开始
每个 EEG 实验都应该从一个明确定义的科学问题开始。研究人员应该首先确定他们想要调查的认知或行为过程，而不是询问 EEG headset可以测量什么。研究问题指导着随后的每一个方法学决定，包括实验范式、参与者群体、记录设置和分析策略。
例如，一项研究持续注意力的研究可能需要参与者在较长一段时间内完成一项持续性操作任务，而一项检查错误检测的研究可能依赖于由特定刺激呈现产生的事件相关电位（ERP）。尽管两项研究都使用 EEG，但由于它们调查认知的不同方面，因此需要不同的实验设计。
一个明确定义的研究问题也有助于研究人员确定应该操纵哪些变量以及应该测量哪些结果。尽早建立这些关系可以减少不必要的复杂性，并有助于确保收集的数据能够有意义地解决最初的假设。
提出可测试的假设
一旦确定了研究问题，下一步就是提出一个可以通过实验进行评估的假设。假设将一个宽泛的科学问题转化为可以通过数据收集进行测试的具体预测。
例如，研究人员可能会假设增加任务难度将产生与认知负荷相关的额叶 EEG 活动的可测量变化，而不是询问精神负荷是否会影响注意力。这一预测既确定了实验操纵，也确定了预期结果。
提出假设还需要确定研究的变量。自变量代表研究人员操纵的条件，例如任务难度或刺激类型，而因变量是正在测量的结果，包括行为表现、反应时间或源自 EEG 的指标。在数据收集之前明确定义这些变量有助于确保实验设计直接解决科学问题。
一个完善的假设为整个研究提供了路线图。它为参与者的选择提供了信息，决定了实验范式，并指导了后期的统计分析，帮助研究人员在原始研究问题与从数据中得出的结论之间保持清晰的联系。
选择实验范式
实验范式是参与者在数据收集过程中遵循的结构化程序。选择合适的范式取决于正在调查的认知过程，而不是技术本身。
研究注意力的研究人员可能会使用持续性操作任务或视觉搜索范式，而研究工作记忆的研究人员则经常采用 n-back 任务或延迟匹配实验。决策研究可能会结合博弈或基于风险的任务，而感知研究通常依赖于精心控制时机的感官刺激来诱发特定的神经反应。
无论选择何种范式，一致性都至关重要。标准化的指导语、受控的实验条件和精心控制时机的刺激呈现有助于减少参与者之间不必要的差异。其目标是确保在 EEG 记录中观察到的差异反映了认知加工过程中的真实差异，而不是实验程序中的不一致。
所选的范式还应平衡实验控制与生态效度。实验室任务对变量提供了精确的控制，而更自然的环境可能更好地代表现实世界的行为。无线 EEG 的进步使得在传统实验室环境之外研究认知变得越来越切实可行，允许研究人员在适合研究问题时，在教室、工作场所和其他真实环境中研究注意力、学习和决策制定 [1],[2]。
伦理考量
伦理审查是任何涉及人类参与者的 EEG 研究的基本要求。在开始招募或数据收集之前，研究人员应检查是否需要获得机构审查委员会（IRB）或同等伦理委员会的批准。这一过程可确保实验设计最大程度地降低参与者的风险并遵循既定的伦理准则。
知情同意过程同样至关重要，要求研究人员清楚地解释研究的目的、程序、潜在风险以及参与的自愿性。必须给参与者提问的机会，并且在进行任何记录之前，他们必须提供明确的同意。在这一过程中保持透明度可以建立信任，并确保参与者充分了解自己的权利。
最后，研究人员必须建立健全的协议来确保数据隐私和参与者机密性。这包括对 EEG 记录进行去标识化处理、使用安全的数据存储系统以及限制对敏感信息的访问。保护参与者身份不仅是一项伦理义务，也是维护研究完整性的关键组成部分。
选择参与者
参与者选择是实验设计的另一个关键组成部分。参与者群体的特征既影响数据的质量，也影响研究结果可推广的程度。
研究人员应在招募开始前建立明确的纳入和排除标准。年龄、神经系统病史、药物使用、睡眠质量、视力或听力状态以及其他因素，都可能根据研究目标对 EEG 记录产生影响。仔细定义这些标准有助于减少由与研究问题无关的因素引入的变异性。
研究人员还应在规划阶段考虑样本量。虽然试点研究可能涉及相对较小的参与者群体，但验证性研究通常需要更大的样本来提高统计效力并增加对研究结果的信心。在数据收集之前确定合适的样本量支持更稳健和可重复的研究。
收集高质量的 EEG 数据
实验设计超越了认知任务和参与者招募。研究人员还必须建立记录程序，在最大程度降低伪迹和不必要变异的同时，最大化信号质量。
一致的电极放置、牢固的传感器接触、参与者的舒适度以及标准化的记录程序都有助于获得可靠的 EEG 采集。还应考虑环境条件，包括电磁干扰源、过度运动以及其他可能在记录中引入噪声的因素。
由于 EEG 测量的是大脑产生的电活动，它对眼动、肌肉活动和电极移动等非神经信号也很敏感。尽管在预处理过程中可以减少一些伪迹，但在数据收集期间防止污染通常比事后尝试纠正不良记录能产生更高质量的数据集。
在记录开始前进行周密的准备通常会减少以后在分析管道中清理数据所花费的时间。
为什么事件时机至关重要
许多 EEG 实验涉及在精确定义的时刻呈现刺激或记录参与者的反应。为了解释大脑活动如何与这些事件相关联，研究人员必须精确地将实验事件与持续的 EEG 记录同步。
事件标记通过在呈现刺激、参与者做出反应或发生其他重要事件时，在 EEG 记录中放置带时间戳的标签来提供这种同步。这些标记允许研究人员将神经活动与实验期间的特定时刻对齐，从而使得检查大脑随时间如何反应成为可能。
精确的事件时机对于事件相关电位（ERP）研究尤为重要，在这种研究中，研究人员在重复呈现同一事件时对大脑反应进行平均。即使是微小的时机误差也会降低波形质量，并使微妙的神经反应更难被检测到。独立验证研究表明，当使用适当的同步方法时，现代无线 EEG 系统可以实现适合 ERP 研究的事件标记精度 [3]。
因为事件时机从实验一开始就影响数据解释，所以在研究设计时就应该考虑同步，而不是仅仅将其视为技术实现细节。
平衡实验控制与生态效度
实验设计中最重要的决定之一是确定研究需要多少控制，以及它应该在多大程度上反映现实世界的行为。高度可控的实验室实验减少了外部变量并提高了内部效度，从而更容易识别特定刺激与神经反应之间的关系。然而，这些条件可能并不总能代表人们在日常生活中的思考、学习或做出决策的方式。
研究人员越来越多地设计在更自然的环境中捕捉认知过程的研究。无线 EEG 技术的进步扩大了在教室、工作场所、驾驶模拟和户外设置中调查注意力、协作、执行功能和学习的机会，同时保持了高质量的神经记录。这种向生态效度的转变允许研究人员在不牺牲科学严谨性的情况下，研究自然展开的认知。
合适的平衡取决于研究问题。有些研究需要严格控制的实验室条件来隔离特定的神经机制，而另一些研究则受益于在真实环境中观察参与者。选择合适水平的实验控制应始终支持科学目标，而不是设备的功能。
规划您的数据分析
尽管数据分析发生在收集之后，但研究人员应在实验设计阶段就考虑他们的分析策略。在开始记录之前做出的决定往往决定了以后哪些分析是可能的。
例如，研究事件相关电位的研究需要精确计时的事件标记和重复呈现相同的刺激。功能连接研究可能需要更长的记录时间，而机器学习应用通常受益于在多个会话中收集的更大数据集。了解预期的分析方法有助于确保实验方案产生适合回答研究问题的数据。
提前规划也支持可重复性。清楚地记录参与者标准、记录程序、任务时机、预处理方法和统计分析，可以让其他研究人员理解、评估和复制该研究。
选择 EEG 系统
选择 EEG 系统应该是实验设计的最后一步，而不是第一步。一旦确定了研究问题、假设、参与者群体和实验范式，研究人员就可以选择最支持其目标的设备。
通道数、移动性、参与者舒适度、设置时间以及与现有软件的兼容性等因素都会影响系统的选择。需要在多个参与者中快速部署的课堂研究可能会优先考虑便携性和易用性，而涉及详细空间分析的实验室调查可能需要高密度电极阵列。
Emotiv 提供了几种针对不同研究需求设计的科研级 EEG 系统：
Insight 提供了一个简化的五通道系统，适用于教育研究、人因工程以及许多需要快速设置的认知研究。
Epoc X 提供十四个通道，在移动性与扩展的空间覆盖之间取得了平衡，使其适用于广泛的认知神经科学、BCI和应用研究。
Flex Saline 和 Flex Gel 提供可扩展的科研级配置，具有多达 32 个通道，适用于需要更广泛皮层覆盖的研究、事件相关电位研究或更先进的实验设计。
因为每项研究都有不同的方法学要求，所以研究人员应该选择最符合其科学目标的系统，而不是假设更多的通道或更复杂的硬件总是会产生更好的研究。
关键要点
成功的 EEG 研究始于周密的实验设计，而不是设备选择。明确定义的研究问题、可测试的假设、合适的实验范式、精心选择的参与者和标准化的记录程序都有助于产生可靠且可解释的数据。
在开始数据收集之前，研究人员还应考虑事件时机、生态效度、预期的分析方法和数据质量。在规划阶段解决这些因素有助于减少研究过程中后期可避免的问题，并支持更具可重复性的科学。
通过建立强大的实验基础，研究人员使自己处于从其 EEG 数据中产生有意义见解的最佳位置。
将您的框架投入实践
无论您是在设计试点研究还是大规模研究项目，选择一个符合您方法学的 EEG 系统都可以在支持可靠、高质量记录的同时简化数据收集。
探索 Emotiv 的科研 EEG 系统以找到最适合您实验设计的平台。
继续构建您的 EEG 研究
设计一个强大的实验只是第一步。即使是一个规划良好的研究，也可能受到眨眼、肌肉活动、电极移动或环境噪声的影响，从而降低信号质量。
在下一部指南《EEG 伪迹与信号质量》中，我们将探讨最常见的 EEG 伪迹来源、在数据收集期间防止它们的实用策略，以及在预处理开始前产生更清洁数据集的最佳实践。
推荐阅读
参考文献
[1] Badcock, N. A., et al., "用于测量研究质量听觉 ERP 的 Emotiv EPOC® EEG 游戏系统的验证," PeerJ, vol. 1, e38, 2013.
[2] García-Monge, A., et al., "教育研究中的移动 EEG：在真实学习环境中研究认知的机遇与挑战," Frontiers in Education, 2024.
[3] Nastase, S. A., Goldstein, A., & Hasson, U., "保持真实：重新思考认知神经科学中实验控制的首要地位," NeuroImage, vol. 222, 2020.