A FLOW-ÉLMÉNY ELEKTROFIZIOLÓGIÁJA *

Magyar Pszichológiai Szemle, 2012, 67. 1. 77–103. DOI: 10.1556/MPSzle.67.2012.1.6.

A FLOW-ÉLMÉNY ELEKTROFIZIOLÓGIÁJA* ———

–SOLTÉSZ PÉTER – MAGYARÓDI TÍMEA – MÓZES TAMÁS – NAGY HENRIETT – OLÁH ATTILA Eötvös Loránd Tudományegyetem Pedagógiai és Pszichológiai Kar Pszichológiai Intézet, Személyiség- és Egészségpszichológia Tanszék Pozitív Pszichológia Kutatócsoport E-mail: [email protected]; [email protected]; [email protected]; [email protected]; [email protected] Beérkezett: 2011. december 1. – Elfogadva: 2012. január 15.

Jelen vizsgálat célja a flow- és antiflow-állapotok spektrális jellemzőinek feltárása. A vizsgálatban 20 férfi vizsgálati személy vett részt. Ütközéselkerülést szimuláló számítógépes feladathelyzetekben mértük spektrális EEG aktivitásukat. A flow, unalom és szorongáshelyzetek elkülönítését a feladatként szolgáló játék egyénre szabott paraméterezésével (sebesség) biztosítottuk. Előzetesen felmértük a vizsgálati személyek számítógépes feladathelyzetre vonatkozó készségeit objektív (teljesítményen alapuló) és szubjektív (önbeszámolón alapuló) adatok meghatározásával. A személyenként, helyzetenként vizsgált spektrális mutatókat összevetve azt találtuk, hogy a flowhelyzet a szorongásnál alacsonyabb, míg az unalomnál nagyobb agyi aktivitással jártak együtt a delta, théta-, béta- és gamma-spektrumokon. A rögzített jelek idői lefutása továbbá azt mutatta, hogy a játék első szakaszában a flow- és a szorongáshelyzetekben növekvő spektrális aktivitás jellemző. A játék második szakaszában ez a dinamika megváltozik: Amíg a flow-helyzetben a spektrális mutatók csökkenése (béta és gamma) jelentkezik, addig szorongás esetében a csökkenés nem vagy kevésbé jellemző, unalomhelyzetben viszont enyhe növekedés tapasztalható. Eredményeink alátámasztják a hipofrontalitás elméletét a flow-val kapcsolatban, és rámutatnak arra, hogy a flow-t idői dinamikájában érdemes vizsgálni. Adataink azt is jelzik, hogy a vizsgálati személyek a flow-állapotban nem hatékonyságra, hanem tapasztalat- és információmaximalizálásra törekszenek. Kulcsszavak:

*

flow, hipofrontalitás, játék, EEG, spektrális, ICA, LMM, ütközés, effektancia, kalibráció

A kutatást a TÁMOP 4.2.1./B-09/1/KMR-2010-0003 és az OTKA K 69 038 pályázata támogatta.

77

78

–Soltész Péter – Magyaródi Tímea – Mózes Tamás – Nagy Henriett – Oláh Attila

ELMÉLETI BEVEZETŐ Az áramlat-élmény (flow) olyan mentális állapot, melyben az emberek intenzíven bevonódnak a cselekvésbe, minden egyéb tényezőt kizárva, a tevékenység végzése a cél. Intrinzik motivált működésmód (CSÍKSZENTMIHÁLYI, 1997; BAKKER, 2005), amelyben a személy-környezet dinamikus interakcióján van a hangsúly (NAKAMURA és CSÍKSZENTMIHÁLYI, 2002). Jelen kutatás célja a flow elektrofiziológiai korrelátumainak vizsgálata a készség-elvárt készség arány optimális, optimum alatti és feletti helyzeteinek kialakításával, amelyekben CSÍKSZENTMIHÁLYI (1997) szerint magasabb, vagy alacsonyabb a flow-élmény kialakulásának valószínűsége. A flow fiziológiai hátterének megismerése, részben a flow-konstruktum körüli bizonytalanságok, részben a tudatállapotok fiziológiai körülírásának nehézségei miatt (MÓZES, MAGYARÓDI és munkatársai, 2012) kevés adatra támaszkodhat. Kutatási célunk e kevés elektrofiziológiai eredmény figyelembevételével újabb kísérőjelenségek feltárása, további fiziológiai kutatások megalapozása. Vizsgálatunk elsősorban feltáró jellegű, célunk egyrészről a felvázolt különböző helyzetekben a spektrális átlagértékek összehasonlítása, illetve, ami korábbi vizsgálatokban még nem jelent meg, a flow idői dinamikájának, kialakulásának vizsgálata, elemzése. Továbbá, megkíséreljük adatainkon a hipofrontalitás elméletet (DIETRICH, 2004) igazolni, illetve választ keresünk arra, hogy milyen agyi mechanizmusok állhatnak a flow hátterében.

A flow neurokognitív háttere és fiziológiája A szakirodalom a flow állapotot általában nem kapcsolja biológiai-viselkedéses folyamatokhoz, hiányzik a jelenség szomatikus és neurális leírása (MARR, 2000). Az áramlat-élmény fiziológiájának és neurokognitív hátterének feltárása a 21. században kezdődött, 2004-ben olvashatunk a szakirodalomban először a témáról (DIETRICH, 2004). A flow kognitív és neurológiai hátterének megértésében a kutatások egyik iránya az implicit és explicit agyi rendszerek vizsgálatát tűzik ki célul (DIETRICH, 2004). A flow-élmény együtt jár egy erőkifejtés nélküli információfeldolgozással: a tudatossághoz kapcsolható explicit rendszer a frontális és a mediális-temporális lebeny struktúráinak magasabb kognitív funkcióival áll kapcsolatban, és a kognitív rugalmasságban játszik szerepet. Ezzel szemben, a tudatosan nem hozzáférhető implicit rendszer a képességalapú tudást támogató agyi struktúrákkal (például bazális ganglionnal, kisaggyal) van kapcsolatban, és a valós időben zajló mozgáskoordinációra van hangolva. A rugalmasság/hatékonyság optimalizálása alapján a flow-állapot olyan időperiódusként definiálható, mely alatt magas szinten gyakorlunk egy képességet az explicit rendszerrel való interferencia nélkül. Az explicit rendszer gátlása facilitálja a flow állapot kialakulását. Az egyik indoklás szerint a végrehajtó figyelmi rendszeren gyakorolt akaratlagos kontroll szűkítheti a fókuszt a feladatok végzésére, eliminálva egyéb fenomenológiai jellemzőket, amelyeket az explicit rendszer számít ki a tudatos szintre való emeléssel. 78

A flow-élmény elektrofiziológiája

79

Egy másik érvelés szerint a flow egy viselkedéses technika, amely maximalizálja a képességek implicit voltát a figyelem erejének megfeszítésével – ez a határtágítás pedig csökkent kortikális agyi aktivációval jár együtt. DIETRICH feltételezése (2004) szerint a flow-élmény szükséges előfeltétele az átmeneti hipofrontalitás állapota, amely lehetővé teszi az explicit rendszer analitikus és metatudatos kapacitásának átmeneti elnyomását. Más kutatók szerint (például DORMASHEV, 2010) a flow-élmény nem egységes, így a hipofrontalitással és implicit rendszerek dominanciájával nem feltétlenül jellemezhető minden flow-élmény. A flow-élmény neurológiai és kognitív hátterének feltárásához elengedhetetlenek az empirikus vizsgálatok, mind a központi, mind pedig a periférikus idegrendszerre fókuszálva. Az elmúlt években született néhány, különböző vizsgálati módszereket alkalmazó feltáró kutatás az áramlat-élmény fiziológiájának elemzésére. Ezek a vizsgálatok laboratóriumi körülmények között, általában természetes helyzetben (például zongorázás: MANZANO, THEORELL és munkatársai, 2010) vagy számítógépes játékokkal indukált helyzetben történtek (például CHANEL, REBETEZ és munkatársai, 2008; KIVIKANGAS, EKMAN és munkatársai, 2010). Korábbi feltételezések szerint (ELLIS, VOELKL és MORRIS, 1994; CSÍKSZENTMIHÁLYI, 1997) a flow-élmény magas pozitív érzelmi töltéssel és magas szintű arousallal jár. Egy kutatás (KIVIKANGAS, 2006), mely a flow pszichofiziológiai hátterének feltárására vállalkozott (különösen az arousal intenzitására fókuszálva), ezzel ellentmondó eredményeket talált: az arcon a zygomaticus major (ZM) és orbicularis oculi (OO) alacsony aktivitást mutatott, nem jelzett magas pozitív érzelmi töltést, és a GBR magas szintje (mint a magas arousal indikátora, DAWSON, SCHELL és FILION, 2000) sem mutatott kapcsolatot a magas szintű flow-élménynyel. A fentiekhez hasonlóan, a magas GBR-szint, mely magas arousal szintet jelez, sem asszociált a magas szintű flow élménnyel (KIVIKANGAS, 2006). MANZANO, THEORELL és munkatársai (2010) zongorázás közben vizsgáltak flow-élményt, kutatásuk célja pedig az áramlat-élmény fiziológiai indikátorainak feltárása volt. Vizsgálták az arcizmok és a szívműködés aktivitását. Eredményeik szerint flow-állapotban a zygomaticus major izomban megnövekedett aktivitás jellemző. A kardiovaszkuláris rendszer mutatói közül a csökkent vérnyomás-variabilitás, csökkent szívritmus, valamint megnövekedett légzésmélység voltak a flowállapot kísérői. A Kivingavas eredményeivel ellentmondásban álló ZM-állapotjellemzők azt sugallják, hogy a flow-helyzetek nem egységesek a mimikai izmok aktivitása és feltehetően a mögöttes és az élményállapottal járó érzelmek tekintetében sem. Egy önbeszámolós és fiziológiai aktivitást mérő módszereket (elektrodermális reakciót, légzésintenzitást és EEG-t) is vizsgáló kutatás (CHANEL, REBETEZ és munkatársai, 2008) a bevonódás (a bevonódás állapota feleltethető meg a flowállapotnak, a játék sebessége ebben a feltételben optimális szintre van beállítva, kihívást kelt a feladat, de megfelel a játékos kompetenciáinak), szorongás (túl nehéz a játék) és unalom (túl könnyű a játék) állapotok mérését, és a játékosok játékba való bevonódásának fenntartását vizsgálta, ahol a bevonódás mértékét a játék nehézségi fokával modulálták. A kutatás célja az volt, hogy bizonyítsák, hogy az egyes fiziológiai állapotok illeszkednek az egyes élményállapotokhoz a játék 79

80


nehézségéhez való alkalmazkodásban. Chanel, Rebetez és munkatársai 53,33%-os pontossággal voltak képesek függetlenül bejósolni a három állapotot: az unalmat, a szorongást és a bevonódást (a 33,3%-os véletlenhez viszonyítva). Az eredmények szerint a vizsgálati személyek elektrodermális reakciója a közepes nehézségű Tetris játékhelyzetben (amely feltételezhetően a kihívások és képességek optimális egyensúlyát eredményezte) alacsonyabb, mint a könnyű és nehéz helyzetekben, tehát ez a helyzet feltételezhetően képes periférikus idegrendszeri aktivációt is kiváltani. A légzés intenzitása a flow- és antiflow-helyzetekben különböző értékeket mutat: abban az esetben, ha a feladat túl könnyű (unalmat kiváltó) vagy még éppen elég nehéz a teljesítéséhez (bevonódás), a légzés szignifikánsan alacsonyabb frekvenciájú, mint a nagyon nehéz (szorongást kiváltó) feladatokban (CHANEL, REBETEZ és munkatársai, 2008). CHANEL (2009) elektroenkefalográfiai (EEG) eredményei szerint a théta- és béta-hullámtartományokban fedezhetőek fel szignifikáns különbségek (p < 0,1) az unalmat, szorongást és bevonódást indukáló játékhelyzetek között (1. táblázat). 1. táblázat. A bevonódás elektrofiziológiai hátterét vizsgáló kutatás (CHANEL, 2009) eredményei, a helyzetek közötti különbség felismerésében informatív elektródák frekvenciatartományok szerint

Bal oldali Théta-tartomány Béta-tartomány

C3, T7, P3, P7, O1 Fp1, P7, O1

Középvonalas elektródák Fz, Cz Cz

Jobb oldali F4, C4, T8, O2 C4, T8, P8, O2

A komplex, magasabb rendű agyi struktúrák funkcionális működésének megértéséhez fontos ismeretanyagot szolgáltathat az EEG és egyéb, agyi struktúrák vizsgálatára alkalmas mérőeszközök alkalmazása. EEG-t számos esetben használtak már a személyiségpszichológiai kutatásokban is (például TAKAHASHI, MURATA és munkatársai, 2005; NAGY, CZIGLER és munkatársai, 2010).

A spektrális jellemzők értelmezése A spektrális jellemzők ébrenléti vizsgálati eredményeit a legtöbb hullámtartomány és megfigyelt jellemző ritmusok tekintetében is meg kell különböztetni az alvásban megfigyelt jelenségektől. Az alvásban megfigyelt összefüggések csak kis mértékben vagy egyáltalán nem kapcsolhatóak az ébrenléti agytevékenységhez. A delta-agytevékenység alvásban jól ismert thalamikus eredetű oszcilláció, azonban ébrenléti állapotban inkább a kortikális működés inherens tulajdonságaként jelenik meg (KROPOTOV, 2009). HARMONY, FERNÁNDEZ és munkatársai (1996) befelé irányuló figyelem, belső mentális feladatok (például fejben számolás) elvégzéséhez köti a delta-aktivitást, amikor a külső ingerek helyett a belső inge80


81

rekre tevődik át a fókusz. Mások összefüggéseket vélnek felfedezni a delta tevékenység és a releváns inger fogadására irányuló figyelem kapcsolatában (SALEH, REIMER és munkatársai, 2010). A kortikális ébrenléti delta-hullámok mögött álló neurális mechanizmusokkal kapcsolatban egységes magyarázat eddig nem született, KROPOTOV (2009) szerint elképzelhető, hogy ezek a szinaptikus repolarizáció lassabb folyamatait tükrözik. A théta agytevékenység növekedését Kropotov (2009) a figyelmi kapacitás és munkamemória terheléséhez kapcsolja, ami jellemzően az anterior középvonalon jelenik meg. GEVINS, ZEITLIN és munkatársai (1997) a munkamemória terheléséhez és a feladat figyelmi szükségletének növekedéséhez kapcsolták megnövekedett théta-aktivitást. Másrészről KLIMESCH (1999) a memóriatárolásban (temporális théta) és előhívásban (frontális théta) betöltött szerepére hívja fel a figyelmet, amely az alvás alatti hipokampális théta-oszcillációval hozható kapcsolatba, amely viszont jellemzően ciklusosan jelentkezik. Hipnózisban (DEIVANAYAGI, MANIVANNAN, FERNANDEZ, 2007) és egyes meditációs technikák gyakorlóinál (BANQUET, 1973; RAKOVIĆ, TOMAŠEVIĆ és munkatársai, 1999) szintén kimutatták az anterior-középvonali aktivitás megemelkedését, főleg az alfa-sáv alsó határához közel eső théta aktivitás esetén. Az alfa-aktivitást enkefalogramon 1929-ben Hans Berger (KROPOTOV, 2009) dokumentálta. Az általa elsőrendűnek (tehát alfának) nevezett hullámok csendben, csukott szemmel vizsgált személyeknél jelentkeztek, majd szemnyitásra vagy mentális erőfeszítésre eltűntek. Adrian és Matthews (KROPOTOV, 2009) ezek alapján az alfa-aktivitást egy agyterület „pihenéséhez”, üresjáratához kötötték. Azzal is kiegészítve az elméletet, hogy különböző agyterületekre ebben az üresjárati tevékenységben más-más alfa-mintázatok jellemzőek. A szenzomotoros kéreg felett mérhető ébrenléti alfa-tevékenység jól megfigyelhető jelensége alakjáról a µ-ritmus nevet kapta, amely független jobb és bal oldali komponensekként jelentkezik a test relaxált állapotában. Jellemző humán frekvenciatartománya 9–13 Hz (KROPOTOV, 2009). Egy másik jól megfigyelt alfa-jelenség az okcipitális alfa-tevékenység. A nyitott szem esetén is jelentkező okcipitális alfa gyakran két oldalra szinkronizált, a szem becsukása után az aktivitás mértéke és a laterális szinkronizáció is látványosan megnövekedik, a vizuális rendszer üresjárati tevékenységéhez kapcsolható. Az okcipitális alfa az alfa teljes tartományán jelentkezik, az életkorral pedig enyhén csökken a frekvencia mediánja (KROPOTOV, 2009). Ritkább jelenség, mivel nem minden vizsgált személynél figyelhető meg a parietális alfa, amely gyakran az okcipitális alfával együtt ugyanakkor azzal aszinkron jelentkezik. Frekvenciatartománya általában az okcipitális alfa alatti, funkcionális jelentősége azonban eddig nem tisztázott (KROPOTOV, 2009). A béta-aktivitás a skalp egész felületén jelentkező aktivitás, jóllehet erőteljesebben jelentkezik frontális vagy centrális régiókban. Leginkább két tipikus formáját lehet elkülöníteni: 1. Rolandikus béta, amely a motoros terület felett jelentkezik és a 2. frontális béta (KROPOTOV 2009). A Rolandikus béta-aktivitást az izom-összehúzódásokkal lehet összefüggésbe hozni a motoros kortex felett. A szomatoszenzoros kéreg feletti béta-aktivitással szinkronizálódva a szenzoros reafferentációval, tágabb értelemben a szenzorimotoros integrációval hozható összefüggésbe. 81

82


A béta-aktivitás a mozgás kezdése és befejezése előtt lecsökken (BAKER, 2007), ugyanakkor megnövekszik, ha a mozgást el kell nyomni, vagy annak ellen kell állni (ZHANG, CHEN és munkatársai, 2008). A béta-aktivitás általában az ébrenléti aktivitáshoz asszociálható, az alfa-aktivitáshoz képest éberebb állapotot tükröz. WRÓBEL (2000) eredményei szerint a béta-oszcillációk a figyelmi állapotokkal vannak összefüggésben és feltételezi, hogy az alfa nyugalmi állapotból kiszakadva béta figyelmi állapotba kerülünk, amely előkészíti a gamma-hullámok szinkronizációját és a percepciót. A gamma-hullámok kutatása a kortárs EEG-kutatás homlokterében van. BUZSÁKI könyvében (2006) kifejti, hogy az idegsejtek hierarchikus rendszerek helyett temporálisan kapcsolódó decentralizált hálózatokat alkotnak, s e hálózatok összehangolt működéséhez szükséges szinkronizáció a skalpon felfogott gammaaktivitás. Az elméletet mindezidáig nem sikerült egyértelműen alátámasztani. Ugyan elképzelhető, hogy a gamma-hullámok gyakran izommozgásból fakadó műtermékek, feltételezhető, hogy az ilyen EMG-műtermékek kontrollálása mellett is a szinkronizáció folyamatait jelzik.

MÓDSZER

Vizsgálati szoftver A vizsgálat lefolytatásához olyan szoftvert fejlesztettünk ki, amely egyrészről szem előtt tartja az EEG felvételének, másrészről a flow kialakulásának kritériumait. Mivel a flow indukciójára nincs jelenleg egyértelmű metodika, ezért a vizsgálathoz a flow kialakulásának peremfeltételeit (lásd például MÓZES, MAGYARÓDI és munkatársai, 2012) építettük bele a szoftverbe. A kialakított szoftver egy, az interneten egyszerűbb formában is fellelhető ütközés-elkerülés feladat, amelyben 4 objektum mozog egy kiszámítható egyenes vonalú pályán, a valós fizika szabályaihoz hasonlóan irányt változtatva a játéktér „falaihoz” érve. A vizsgálati személy egy hasonló objektumot mozgat egérrel, feladata a többi objektummal való ütközés elkerülése. A személy a játékban nyújtott teljesítményéről kettős visszajelzést kap. Egyrészről az objektum körvonalain belül jól láthatóan feltüntetett növekvő szám alapján, amely az utolsó ütközés óta eltelt időt mutatja másodpercben, másrészről a játéktér felett található folyamatjelző állásából, amely egyfajta „pajzsot” szimbolizál. Ez az érték az ütközések által csökken, illetve az ütközésmentesen eltelt idővel növekedik 0 és 100 százalékpont között. A játék flow kialakítására való alkalmasságához fontos, hogy azt a megfelelő sebességen játssza a vizsgálati személy, illetve kalibrálható legyen optimum alatti és feletti működésre. A játék sebességét a játékos csak a kalibrálás egy szakaszában kontrollálja. A megfelelő sebesség kialakításával a flow-állapot a flow-konstruktum peremfeltételei alapján nagyobb gyakorisággal fog megjelenni az optimális helyzetben. 82

1. ábra. A kialakított vizsgálati játékszoftver működése és fő jellemzői

Sebesség: csak kalibrációkor látható

A „fal”, amely egyrészről ütközési faktor, másrészről a szabad játékidőt jelzi villogással

Kontrollált objektum, amelyen az utolsó ütközés óta eltelt idő látható (feedback 2)

A „falról visszapattanó” mozgó objektum (az árnyékok csak a mozgás szemléltetésére szolgálnak a képen)

A pajzs állapota (feedback 1) A flow-élmény elektrofiziológiája

83

84


A játék az optimális sebességet egy objektív és egy szubjektív kalibrációs módban vizsgálja az ütközések gyakorisága alapján iteratív jelleggel. Az objektív bemérés a sebességet 60 egységről indítja, 10 egységet növelve minden 30 másodperc elteltével, egyben a pajzsot 100%-ra állítva. Az első bemérés megszakad, ha a személy a harminc másodperc alatt a pajzs felét elvesztette, vagyis a pajzs a sebességnövekedéskor 50%-ot vagy annál kevesebbet mutat. Ezután az így kialakult sebességből 20-at levonva a második iterációs bemérési lépés az így kapott sebességet az előzőhöz hasonlóan, de 1 sebességegységgel növeli. A második bemérés eredményéből 2-t levonva az objektív optimális sebességet kapjuk. A szubjektív bemérés során a személy számára a sebesség manipulálását lehetővé tesszük és az alábbi módon instruáljuk: „Kérjük, alakítsd ki azt a sebességet, amely számodra a legélvezhetőbb játékmenetet biztosítja ezzel a játékkal!” Miután a személy a játékot az instrukciónak megfelelően kalibrálja az objektív és a szubjektív értékek átlagát vesszük, amelyet a személy optimális sebességének tekintünk. A vizsgálat során monitoroztuk a hibázások és a játékidő alatti pajzsadatokat, hogy ellenőrizzük paradigmánk sikerességét.1 A szoftvert Adobe Flash ActionScript 2.0 környezetben fejlesztettük.

Vizsgálati személyek és csoportok A vizsgálatban 20 18–30 év közötti jobbkezes felsőfokú végzettségű vagy felsőfokú tanulmányait végző férfi vett részt, akik nem álltak pszichiátriai kezelés alatt, illetve nem estek át jelentős agyi vagy szív- és érrendszeri beavatkozásokon korábban. A vizsgálati személyeket megkértük, hogy ne szedjenek a vizsgálatot megelőző időszakban tudatmódosító szereket, ne igyanak a vizsgálatot megelőző 24 órában alkoholt, illetve a vizsgálat kezdete előtti 2 órában ne dohányozzanak. A vizsgálati személyek átlagéletkora 23,9 év (SD=3,2). Végzettségüket, illetve tanulmányaikat tekintve 40% pszichológus, 20% bölcsész, illetve tanár, 25% mérnök, 15% természettudományi tanulmányokat folytató, illetve ilyen foglalkozású személy. A résztvevőket véletlenszerűen két 10-10 fős csoportba soroltuk, „A” és „B” feltételbe. Az „A” feltételben a személyek szorongás–flow–unalom–flow–relaxáció szakaszokon át, míg a „B” feltételben unalom–flow–szorongás–flow–relaxáció sorrendben teljesítették a vizsgálatot.

1

A vizsgálatba egy további kiegészítő vizsgálati feltételt építettünk be, a vizsgálati személyek számára lehetővé tettük, hogy az optimális helyzetben kedvük szerint tovább játszhassanak. A falként szolgáló keret a standard játékidő lejártával jól láthatóan villogni kezd, a vizsgálati személy az előzetes instrukció alapján tudja, hogy tovább játszhat, és amikor úgy ítéli meg, hogy be szeretné fejezni a játékot, akkor az egérgombbal kattintva ezt megteheti. Ennek a kiegészítő feltételnek az elemzésére jelen cikkben nem térünk ki.

84


85

A vizsgálat menete és vizsgálati berendezés A vizsgálatra előzetes egyeztetés alapján megbeszélt időpontban került sor. A vizsgálati személy megérkezése után röviden bemutattuk a vizsgálat folyamatát: 1. Optimális sebesség bemérése (10 perc), 2. Elektródák felhelyezése, 3. Első játék feltétel („A”: unalom, „B”: szorongás), 4. Második játék feltétel (flow), 5. Harmadik játék feltétel („A”: szorongás, „B”: unalom), 6. Negyedik játék feltétel (flow)2, 7. Csukott szemes relaxáció, 8. Elektródák eltávolítása, 9. Eligazítás, instrukció személyiség és megküzdés on-line tesztbattéria kitöltésére. A vizsgálat időtartama összességében 2 óra volt. A vizsgálati berendezésünk Nihon-Kohden WEE-1000 típusú vezeték nélküli EEG (200Hz mintavételi frekvencia). 10–20-as 19 csatornás elrendezésben, két EOG csatorna alkalmazásával, valamint szív és tágulásos légzésszenzor felhelyezésével vizsgáltuk a részt vevő személyeket. Az EEG-elvezetéseken nyert adatok rögzítése a készülék által meghatározott átlagolt C3-C4 referenciával történt. A felvett EEG-adatok max. 10kΩ impedancia jelminőséggel készültek. A vizsgálati személyeket, illetve a képernyőt szinkron monitoroztuk a későbbi mimikai vizsgálatok szempontjából, illetve a vizsgálat kontrollálása és a vizsgálati személyek épségének biztosítása érdekében. A vizsgálatot az ELTE PPK Pszichológiai Intézetének Etikai Bizottsága engedélyezte.

Jelfeldolgozás A jelrögzítő szoftver segítségével a jeleket átlagolt A1-A2 referenciára konvertáltuk. Az EEG jelfeldolgozás folyamatát EEGLab 8.0.3.4b szoftverrel MATLAB környezetben végeztük. Az adatokat 0,5 és 45Hz tartományon kívül szűrtük, majd a műtermékszűrés és idői-spektrális adatok nyerése érdekében 512 adatpontonként daraboltuk (2,56s). Az így nyert adatokból az elemzési egységszakasz (epoch) teljes időtartama alapján nyert baseline értékeket eltávolítottuk. Az adatok szűrését két szakaszban végeztük: Az adatokat Független Komponens Elemzés (Independent Component Analysis, továbbiakban: ICA) alá vetettük, majd a módszer alkalmazásával talált szemmozgás komponenseket eltávolítottuk. A független komponens elemzést személyenként végeztük, hogy a három vizsgált feltételben az ICA műtermékszűrés csak szisztematikusan változtassa a hullámkomponenseket. Mivel a személyeknél a szemmozgáson kívül nem találtunk egyértelműen azonosítható szisztematikusan minden személynél jelentkező műtermék-komponenseket (2. ábra) a spektrális elemzések tisztasága érdekében a két tipikus szemmozgáskomponensen kívül más komponenst nem távolítottunk el. 2

A második flow-helyzet vizsgálatától az eltelt idő bizonytalanul megjelenő hatása miatt eltekintettünk. A második flow-helyzetben a tapasztalatok szerint a vizsgálati személyek fáradtak voltak, általánosságban kevésbé érdekelte őket a játék. A helyzetek elrendezése, csak az első 3 helyzetre biztosította, hogy a vizsgálati személyek átlagosan ugyanabban az időtartományban kerüljenek a különböző helyzetekbe.

85

86


Az ICA alkalmazása minden esetben megfelelt az ICA alkalmazási feltételeinek (ONTON, WESTERFIELD és munkatársai, 2006), vagyis az elemzésenként adott pontok száma (3×300s×200Hz=180.000) meghaladta az alkalmazott csatornaszám négyzetének húszszorosát (441×20=8.820).

2. ábra. Az EEG vizsgálati anyagból tipikusan kiszűrt szemmozgást jellemző ICA-komponensek (pislogás és szemmozgás)

A következő lépésben további automatizált műtermékszűrést végeztünk. A ±70mV tartományon kívül eső jeleket tartalmazó epochokat eltávolítottuk. Az eltávolított epochok aránya feltételenként nem mutatott szignifikáns különbséget. Ezután a jeleket manuális műtermékszűrés alá vetettük. A manuálisan kiszűrt epochok száma x < 10. Az így nyert epochokat 512 pontos FFT-vel spektrális teljesítmény komponensekre bontottuk (10*log10(µV²/Hz)) a következő tartományokban: delta (0,5–4Hz), théta (4–8Hz), alfa1 (8–11Hz), alfa2 (11–13Hz), béta1 (13–25Hz), béta2 (25– 35Hz) és gamma1 (35–45Hz). Így személyenként-helyzetenként-frekvenciatartományonként-elektródánként 120-150 epochot kaptunk. A vizsgálati helyzetek első 30 másodpercét nem használtuk fel a továbbiakban, a hatások stabilizálódása végett. A spektrális aktivitás értékeket a következő területi eloszlásokban vizsgáltuk: kvadránsok (jobb-anterior, bal-anterior, jobb-posterior, bal-posterior), motoros kéreg feletti terület, anterior-posterior felosztás, jobb-bal felosztás, teljes skalp. A továbbiakban a spektrális adatok varianciájának megtartása miatt és a kevés vizsgálati személy ellensúlyozására a helyzetenkénti átlagolás helyett az epochok spektrális értékeit időben összefüggő, egymást követő 5-ös csoportokba aggregáltuk, a normalitás fokozása érdekében. Így személyenként, helyzetenként, 20–25 értéket nyertünk az aggregált értékek átlagolásával. 86


87

Statisztikai modellek Az így kapott spektrális értékeket Hierarchikus Lineáris Modell (HLM) módszerrel az SPSS 19 Lineáris Kevert Modellje (LMM) segítségével elemeztük. Spektrális és kiváltott potenciál EEG és MEG kutatásokban már korábban alkalmaztak ilyen jellegű megközelítést (COAN, ALLEN és MCKNIGHT 2006; HUANG, ERDOGMUS és munkatársai, 2008; ZOURIDAKIS, PATIDAR és munkatársai, 2010). Az elemzéseink (skalpterületenként és hullámtartományként) alapegységeként az aggregált spektrális aktivitás értékeket tekintettük (1. szint). Ezek azonban személyenként változó alapérték körül vannak elszórva, tehát a személyek (2. szint) alá vannak csoportosítva. Az aktivitás értékek a modellezés megfigyelt értékei, amelyeket magyarázni kívánunk, a vizsgálati helyzet az epoch-aggregátumok tulajdonsága, így ez rögzített faktor, míg a különböző személyeket ilyen vizsgálati elrendezésben nem tekinthetjük az összes vizsgált esetnek (populáció), tehát a személyek random faktornak tekinthetőek. Feltételezhetően a személyek nem csak alapvetően rendelkeznek más baseline értékekkel, hanem a különböző helyzetek másképpen befolyásolják őket, ezért a modellbe az alapértékek (intercept) és helyzetek interakcióját is beépítettük. A modell változói közötti kovariancia mátrixot Diagonal (DIAG), illetve Compound symmetry with correlation parameterization (CSR) jellegűnek határoztuk meg a különböző elemzésekben KINCAID (2005) javaslatai alapján. A játékszoftverből nyert viselkedéses adatok elemzéséhez személyenként átlagolt ismételt méréses ANOVA-kat (GLM4) alkalmaztunk.

EREDMÉNYEK

Spektrális adatok átlagkülönbségei Eredményeink szerint a delta, théta, béta1, béta2 és gamma1 spektrumok esetében minden területen szignifikáns volt a helyzeti feltétel hatása. Az alfa spektrumokon csak néhány területi elrendezésben mutatkozott szignifikáns hatás. Feltáró érdeklődésünk azonban a flow-helyzet és a szorongás valamint az unalom közötti különbségekre fókuszál. Az alábbi táblázatokban (2. és 3. táblázat) bemutatjuk a flow és unalom-, valamint a flow és szorongáshelyzetek közötti aktivációs különbségeket területek és frekvenciatartományok szerint. A vastagon szedett értékek az aktivitásértékek flow-helyzettől való szignifikáns eltérését mutatják, míg dőlt belűvel a tendenciákat jelöltük. Az értékkülönbségeket t-értékekben szemléltetjük, a negatív értékek a flow-helyzetnél alacsonyabb, míg a pozitívak magasabb aktivitást jelölnek. Eredményeink azt mutatják, hogy a flow-helyzetben mutatott agytevékenység az unalomhelyzet és a szorongáshelyzet között helyezkedik el általánosságban az elektrofiziológiai mutatók alapján a vizsgálati idő hosszában átlagolva. A feladat teljesítményigénye minden spektrumon jelentkezik, amely viszont a delta-, thétaés alfa-tartományokban nem várt eredmény. A delta-hullámtartományban ezek a 87

–0,642 –0,512

béta2

gamma1

0,272

–0,224 –0,403 –0,056

1,936

–0,598

1,431

0,993

–0,281

–2,450

–3,193

1,921

1,523

0,547

1,286

0,964

1,672

2,327

szorongás-flow

Bal-Anterior unalom-flow

1,859 1,882

–3,587 –3,107

1,762 2,018

–2,652 –2,084

béta2

gamma1

–1,506

–2,094

–2,151

–0,520

1,901 2,118

–0,322

–0,665

–0,861

–0,307

1,815 1,395

–0,554

2,152

–4,279 –2,473

1,978

1,516

0,844

0,745

1,033

1,200

2,379

szorongás-flow

Anterior unalom-flow

2,860

2,670

szorongás-flow

Bal

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

1,564

–3,612

béta1

–0,198

alfa2

1,940 0,540

–0,468 –0,120

alfa1

1,474

–2,963

théta

–4,163 –2,553

2,354

–4,016

delta

unalom-flow

szorongás-flow

unalom-flow

Jobb

0,502 1,668 –3,644

–4,386

–3,502

–1,033

–0,391

2,543

–0,498

–2,338

–3,746

1,837

1,721

1,412

0,740

2,389

3,223

2,720

szorongás-flow

Bal-Posterior unalom-flow

2,446

2,325

–4,922

–0,233

–3,577

–2,488

szorongás-flow

Jobb-Posterior unalom-flow

–3,498

–3,832

–4,544

–4,221

–0,839

–0,247

–3,139

1,921

1,863

1,707

0,856

2,776

3,232

2,555

szorongás-flow

Posterior unalom-flow

2,265

2,250

2,057

1,797

1,463

1,890

2,077

–1,981

–2,558

–2,952

–0,354

–0,382

–2,844

–4,478

unalom-flow

2,084

1,846

1,557

1,162

2,312

2,209

2,533

szorongás-flow

Teljes skalp

–2,532

–2,786

–2,917

–0,376

–0,762

–1,628

–4,284

szorongás-flow

Motoros kéreg unalom-flow

3. táblázat. A flow-helyzet különbségei az unalom és szorongás helyzetekhez viszonyítva t-értékekben

|t| > 1,64, p < 0,1; |t| > 1,96, p < 0,05; |t| > 3,29, p < 0,001

–0,361 –0,815

–0,874

alfa1

béta1

0,739

–2,385

théta

alfa2

2,262

–4,401

delta 0,851

szorongás-flow

unalom-flow

Jobb-Anterior

2. táblázat. A flow-helyzet különbségei az unalom és szorongás helyzetekhez viszonyítva t-értékekben

88 –Soltész Péter – Magyaródi Tímea – Mózes Tamás – Nagy Henriett – Oláh Attila

89


különbségek minden területi egységen fennállnak. Théta-hullámtartományban a posterior területeken a flow-helyzet mindkét feltételtől különbözik, míg anterior területeken az unalomnál mutatnak nagyobb aktivitást a vizsgálati személyek flowhelyzetben. Alfa1-frekvenciasávban a posterior területeken flow-ban alacsonyabb teljesítményt mértünk. Az alfa2-tartomány bizonyult a helyzeti variációtól leginkább független frekvenciasávnak. A béta1-tartomány a posterior területen mutatott eltérést az unalom- és flow-feltételek között. A béta2- és gamma1-tartomány esetében a jobb, bal oldalakon és posterior területen mutatnak különbséget a szorongás- és flow-feltételekben rögzített értékek. A jobb-bal és az anterior-posterior skalpeloszlások közötti különbséget az előző hierarchikus modellhez hasonló modellel vizsgáltuk. A helyzetek helyett flow- és unalom-, valamint flow- és szorongáskontrasztokat képeztünk az egy időben felvett adatokból (tehát jobb-bal és anterior-posterior). Az így kapott kontrasztértékeket egy-egy HLM alkalmazásával vizsgáltuk. Rögzített faktorként a skalpfelosztást (anterior-posterior vagy jobb-bal) alkalmaztuk. Random faktorként a személyek kontrasztjának alapértékét (intercept), valamint a helyet vettük a modellbe. Az alapértékek, illetve a hely random faktorként való bevezetése minden esetben a modell szignifikáns javulását eredményezte. A helyzetváltozó mellett a területváltozó is szignifikáns lett, a változók közötti interakció szignifikanciája azt jelzi, hogy a különböző helyzetekben mások a féltekék közötti különbségek. A jobb-bal kontrasztok nem mutattak különbséget egyik frekvenciatartomány tekintetében sem, az alábbi táblázat (4. táblázat) az anterior-posterior felosztás eredményeit szemlélteti. A vastagon szedett értékek az aktivitáskülönbség (anterior és posterior között: anterior mínusz posterior) értékek szignifikáns eltérését mutatják, míg dőlt betűvel a tendenciákat jelöltük. Az értékkülönbségeket t-értékekben szemléltetjük. A pozitív érték azt jelöli, hogy az első jelölt helyzetben nagyobb a relatív anterior aktivitás, mint a másodikban, míg a negatív érték azt jelöli, hogy a relatív anterior aktivitás kisebb az első helyzetben. A relatív anterior dominancia béta- és gamma-tartományban kisebb szorongás-, mint unalomhelyzetekben, illetve béta1-tartományban a flow-helyzetben is ala4. táblázat. A vizsgálati helyzetek egymáshoz viszonyított anterior-posterior aktivitáskülönbségei (relatív anterior dominancia) t-értékekben

Anterior–posterior delta théta alfa1 alfa2 béta1 béta2 gamma1

unalom–flow –0,765– –0,646– –0,643– 1,046 2,030 1,819 1,623

unalom–szorongás –0,361– 0,796 1,120 1,014 3,416 2,905 2,161

szorongás–flow –0,397 –1,457 –1,777 –0,020 –1,402 –1,094 –0,543

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

89

90


Béta1 -2,6

-2,8

-2,94 -3,0

-3,11 -3,21

-3,2

-3,4

-2,90

-3,14

-3,27

-3,19 -3,33 -3,48

-3,49

-3,6

-3,75

szorongás flow unalom

-3,77

-3,72

-3,72

3. perc

4. perc

-3,57

-3,8

-4,0 1. perc

2. perc

5. perc

10×log10(μV²/Hz)

Béta2 -3,5 szorongás

-3,84

flow unalom

-4,07

-4,0

-4,23

-4,5

-4,24

-4,58

-4,59 -4,73

-5,0

-4,78

-5,10

-5,17 -5,34

-5,10 -5,39

-5,40

-5,39

2. perc

3. perc

4. perc

-5,5 1. perc

5. perc

m10×log10(μV²/Hz) 3. ábra. Béta1- és béta2-aktivitásértékek a teljes skalpon az eltelt idő és helyzetek szerint

90


91

csonyabb, mint unalomhelyzetben. Tehát az anterior területek relatív legmagasabb aktivitást unalom-, relatív legalacsonyabb aktivitást pedig szorongáshelyzetben mutatnak.

Spektrális adatok idő változásai Az idő hatásának vizsgálatára az adatszerkezet alapján kovariánsként az idő hierarchikus modellbe építésével adódott lehetőség. Az idő vizsgálatához elsőként a különböző területek és frekvenciatartományok különböző helyzetekben mutatott értékeit grafikusan vizsgáltuk (például 3. ábra). A szemrevételezés alapján nyilvánvaló, hogy az idő múlásának nemlineáris fordított U alakú hatása van a flowés szorongáshelyzetekre, de az unalomhelyzet esetében sem beszélhetünk linearitásról a 3. ábra tanúsága alapján. A nemlineáris számítások elkerülése végett az adatokat a jellemzően 3 perc körül bekövetkező értékmaximumnál (lásd 3. ábra) kettébontottuk, hogy lineáris statisztikai eszközökkel vizsgálhatóak legyenek. A kovarianciák (tulajdonképpen a helyzetek és az idő interakciója, az idő és az agyi aktivitás összefüggését jellemző meredekségértékek a különböző helyzetekben) az első két percben (1–8. epochcsoportok) az 5–6. táblázat szerint alakulnak. A szignifikáns (kövér szedéssel jelölve) és tendenciózus (dőlt szedéssel jelölve) értékek a zéró meredekségtől (időbeli állandóság) való eltérést jelzik a meredekségértékeket t-értékekben szemléltetve az összehasonlíthatóság érdekében. A pozitív értékek az agyi aktivitás idővel való fokozódását, míg a negatívak a csökkenését jelzik az adott skalpterületen és hullámtartományban. A flow-helyzetben jellemző meredekségértékektől szignifikánsan (|∆t|> 1,96) eltérő meredekségértékeket (unalom, szorongás) aláhúzással jelöltük. Az idő hatása a spektrális értékekre a második perc végéig flow-helyzetben a delta hullámtartomány kivételével a teljes skalpon, minden esetben a többi helyzetnél nagyobb és teljesítményt fokozó jellegű, szemben az antiflow-helyzetekkel, ahol az unalom esetében az időnek általában nincsen hatása a spektrális teljesítményre, a szorongáshelyzetben pedig a flow-helyzetnél kisebb jellegű növekedés mutatkozik az idő múlásával. Ez a növekedés a flow-helyzet esetében elsősorban a posterior területeken mutatkozik meg a delta-tartomány kivételével minden spektrumon, de jellemzi az anterior területeket is, különösen az alfa2 feletti spektrumokat. A szorongás esetén elmondhatjuk, hogy a bal posterior terület alfa2-tartománya felett jellemző az idő teljesítményt fokozó hatása, illetve a motoros kéreg felett a béta2-spektrumon. Ugyanakkor a szorongáshelyzet esetében az anterior területek delta tartománya is növekedést mutat, amely a flow-helyzet esetén nem jellemző, csupán gyenge tendenciaként jelentkezik. Érdemes továbbá kiemelni, hogy az említett bal posterior területek esetében mutatható ki a helyzetek idővel való interakciójának legnagyobb hatása, itt az unalomhelyzetben tendenciamértékű csökkenés mutatkozik az idő múlásával, szemben a flow-ban erős és a szorongásban gyengébb növekedéssel. A későbbi epochcsoportok (9–21.) szisztematikusan különböző összefüggéseket mutattak (7–8. táblázat). 91

–0,46 –0,33 –0,12 –0,88 –0,91 –0,88

théta

alfa1

alfa2

béta1

béta2

gamma1

–0,65– –0,42– 0,07 –0,28–

2,63 2,09

0,76

2,47 2,37

0,72

1,78 1,16

2,51

0,85

0,10

–0,71–

–0,18–

0,85

–0,43–

0,14

0,09

1,82

2,58

1,83

0,57

1,52

1,56

1,77

flow

0,33

0,58

–0,07–

–0,10–

1,93

0,80

2,03

0,48 0,20 0,05 0,03

théta

alfa1

alfa2

béta1

béta2

0,64 0,98 0,78

3,26 3,29 2,81

1,18

2,91 –0,50–

1,32

1,83

2,28

2,59

–0,69

–0,95

–0,68

–1,25

–0,03

–0,21

–0,57

szorongás unalom

0,77

flow

Jobb

Bal

3,02

3,73

1,87

2,23

1,59

0,00

2,12 2,66

2,23

1,43

2,32

0,49

0,16

0,36

0,47

–0,42–

–0,16–

–0,52–

szorongás unalom

1,95

2,39

1,33

flow

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

gamma1 –0,16–

–0,54– –0,41–

delta

unalom

3,90

3,88 1,90

1,49

1,47

–0,64–

2,38 3,48

1,55

2,12

2,59 2,76

1,31

1,01

–1,90

–1,83

–1,21

–1,14

–0,45

–0,78

–1,16

3,83

4,09

3,07

3,10

2,35

2,84

0,91

flow

2,84

2,89

2,00

–0,49–

1,61

1,49

1,83

2,17

2,86

2,30

1,06

2,12

1,64

1,36

flow

Anterior

0,17

0,42

–0,26–

–0,43–

1,38

0,75

2,43

–1,56

–1,26

–0,76

–1,33

–1,02

–0,38

–0,69

szorongás unalom

4,06

4,13

3,48

2,93

2,70

2,70

0,87

flow

Posterior 1,68

2,40

2,20

1,75

–0,64–

1,68

1,94

–0,06

–0,45

–0,36

–0,32

–0,88

–0,23

–0,25

2,70

3,15

2,87

1,55

1,95

1,98

0,47

3,12

3,68

3,19

2,14

2,52

2,38

1,03

flow

1,42

1,64

1,09

–0,26–

1,80

1,45

2,40

szorongás

1,78

2,07

1,75

0,68

1,91

1,17

2,61

szorongás

Teljes skalp szorongás unalom

–0,47

–0,09

–0,60

–0,41

–0,05

–0,11

–0,42

flow

Motoros kéreg

szorongás unalom

Bal-Posterior

szorongás unalom

6. táblázat. Az eltelt idő eltérő hatása a különböző helyzetekre a 3. percig t-értékekben (df=420)

–1,21

–0,93

–0,44

–1,14

–1,65

–0,23

–0,38

flow

Jobb-Posterior

szorongás unalom

Bal-Anterior

szorongás unalom

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

–1,14

delta

flow

Jobb-Anterior unalom

5. táblázat. Az eltelt idő eltérő hatása a különböző helyzetekre a 3. percig t-értékekben (df=420)

92 –Soltész Péter – Magyaródi Tímea – Mózes Tamás – Nagy Henriett – Oláh Attila

0,90

0,38

0,79

0,34

–0,42–

–0,13–

1,19

–0,65

–0,11

–2,95

–0,19

–3,37

–0,64

–0,39

–0,04

–0,81

–3,44

–0,72

–0,30

–0,56

–0,10

–0,64 –0,73 –1,14 –0,25

–1,87 –4,25 –4,14 –3,94

0,21 –0,22– 2,28 2,24 1,40

alfa2

béta1

béta2

gamma1

–0,36

1,42

1,20

1,83

0,80

–0,41–

0,44

1,23

Bal

–3,20

–3,00

–3,56

–1,28

–0,27

–1,18

–0,48

flow

–0,62

–0,68

–0,59

–1,10

–0,38

–0,01

–0,55

1,20

1,27

0,90

0,04

–0,33–

–0,28–

1,45

szorongás unalom

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

–0,04

–0,33 –0,04

alfa1

–0,33

–0,48

0,90 0,06

szorongás unalom

théta

flow

Jobb

delta

unalom

–2,31 –0,57

–1,98 –1,45

–3,67 –3,11

–0,52 –0,80

–0,52

–0,38

–0,19

–2,27

–0,36

–0,08

2,02

2,19

2,10

0,67

–0,44–

0,74

0,87

–1,61

–0,72

–1,13

–0,82

–0,25

–1,50

–0,40

flow

–0,45

–2,30

–2,16

–1,36

–0,47

–0,21

–0,23

–3,32

–3,79

–3,22

–0,92

–0,26

–0,61

–0,53

flow

Anterior

–1,01

–0,19

–0,17

–0,49

–0,22

–0,17

–1,03

1,62

2,31

2,69

0,66

–0,01–

0,68

0,46

szorongás unalom

–2,60

–1,75

–2,72

–1,79

–0,45

–1,04

–0,35

flow

Posterior

–0,37

–1,97

–2,31

–1,27

–0,68

–0,13

–0,06

1,44

1,84

2,17

0,32

–0,13–

0,29

1,07

szorongás unalom

1,20

1,52

2,49

0,08

–0,02–

0,43

0,91

–3,37

–3,69

–4,02

–1,69

–0,07

–0,92

–0,62

flow

–0,51

–0,96

–0,76

–0,99

–0,51

–0,17

–0,56

szorongás

–0,52

–0,67

–0,03

–0,77

–0,47

–0,44

–0,55

szorongás

Teljes skalp

–4,39

–4,41

–4,95

–1,73

–0,06

–0,81

–0,88

flow

Motoros kéreg

szorongás unalom

Bal-Posterior

szorongás unalom

8. táblázat. Az eltelt idő eltérő hatása a különböző helyzetekre a 3. perctől t-értékekben (df~=700)

1,12

2,12

3,04

0,39

0,49

0,36

0,22

flow

Jobb-Posterior

szorongás unalom

|t|> 1,64, p < 0,1; |t|> 1,96, p < 0,05; |t|> 3,29, p < 0,001

–1,28

–3,34–

1,37

–0,27

gamma1

–0,55

–3,89–

béta2

–0,05

–2,74–

béta1

0,57

1,93

–0,13–

alfa2

–0,19

0,77

–0,33–

alfa1

0,40

–1,08

–0,23

–0,51–

théta

0,70

flow

Bal-Anterior

szorongás unalom

–1,01–

1,35

delta

flow

Jobb-Anterior unalom

7. táblázat. Az eltelt idő eltérő hatása a különböző helyzetekre a 3. perctől t-értékekben (df~=700)


93

94


A 3. perc után a tendenciák a lineáris elemzések tanúsága alapján gyökeresen megváltoznak. A flow-helyzetben a teljesítmény a bal posterior terület kivételével minden területen erős szignifikáns csökkenést mutat az alfa2-tartomány felett. A legkifejezettebb csökkenést a motoros kéreg feletti teljesítmény mutatja. A szorongáshelyzetben ugyanakkor jelentős szignifikáns csökkenés csak a posterior területek béta spektrumain jelentkezik. Szignifikáns növekedési hatás jelentkezik unalomhelyzetben a posterior területek béta spektrumain és a motoros kéreg béta1 spektrumán az idő múlásával. Ki kell emelni, hogy a flow-helyzetben az anterior területeken az említett csökkenések nagyon erőteljesek. Az első és második szakasz elemzése alapján azt mondhatjuk, hogy az optimális helyzetben egy erőteljes kezdeti növekedés figyelhető meg az agyteljesítményben a delta kivételével minden tartományban, majd egy aktivitási plafon elérése után jelentős csökkenés látható, amely kiemelkedően erős a bal-posterior területek kivételével a béta1-, béta2- és gamma1-tartományokban.

A flow kritériumainak tesztelése A különböző helyzetek, de különösen az optimális helyzet esetében vizsgáltuk, hogy az indukció mennyiben felelt meg elvárásainknak. MÓZES, MAGYARÓDI és munkatársai (2012) bemutatják, hogy a flow kísérletes indukció egyelőre nincs megfelelően kidolgozva, ezért szükséges annak mérése, hogy a vizsgálatban alkalmazott indukció a flow egyes peremfeltételeit hogyan teljesíti. A vizsgálati személy viselkedésének különböző paramétereit rögzítettük a játékban: a beállított sebességet, a pajzs mindenkori állapotát, az átlagos ütközések között eltelt időt, az ütközések számát. Egyfajta ökonómiai értéket képezve továbbá kiszámoltuk a sebességértékekkel korrigált hatékonyságértékeket. A korábban bemutatottak alapján az egyénre szabott optimális sebesség értékek átlaga 99,6 (SD=32,12) volt, vagyis a személyek optimális sebessége erős variabilitást mutat. A szorongáshelyzet esetén ez az érték 142,0 (SD=20,14), míg unalom esetén 75,7 (SD=13,15) volt. A három helyzet összehasonlítására ismételt méréses ANOVA-t alkalmazva az eltérő szórások miatt a legkonzervatívabb szfericitáskorrekcióval is a helyzet hatása p < 0,001 szinten szignifikáns (F=200,6 df=1,00), a flow-helyzet a többi helyzettől p < 0,001 szignifikanciával különbséget mutat a beállított sebességben. A pajzs állapota 20s-ként vett minták alapján a flow-helyzetben átlagosan 72,5 (SD=16,55), unalomhelyzetben 94,8 (SD=3,86), míg szorongáshelyzetben 32,2 (SD=12,26) értéket mutatott. A helyzet hatása ebben az esetben is p < 0,001 szinten szignifikáns (F=171,1 df=1,00), és a flow-helyzet mindkét helyzettől hasonlóan egyértelmű (p < 0,001) eltérést jelez. Az ütközések számának átlaga percenként flow-helyzetben 4,0 (SD=0,96), unalom esetén 1,6 (SD=0,80), szorongás esetén 9,7 (SD=2,09) volt. A helyzet hatása p < 0,001 szinten szignifikáns (F=190,9 df=1,00). A flow-helyzet az unalom és szorongáshelyzetektől egyértelműen (p < 0,001) elkülönül. 3 3

94

Az átlagos ütközések között eltelt idő vizsgálata redundáns, így attól eltekintettünk.


95

A hatékonyságmutató (sebesség/percenkénti hibák) a helyzetek között szignifikáns eltéréseket mutat (F=5,962 df=1,00 p < 0,05), az unalomhelyzetben a legmagasabb: 77,9 (SD=23,55), szorongáshelyzetben a legalacsonyabb: 15,2 (SD=0,74), illetve flow-helyzetben 28,3 (SD=1,95) értéket mutat. Az unalomhelyzetben kiugró értékeket a hibázások egyes személyeknél kiugróan alacsony értékei torzítják. A flow-helyzet és az unalomhelyzet között a különbség p < 0,05 szinten szignifikáns, míg a flow és szorongás közötti különbség p < 0,001 szinten volt igazolható. DISZKUSSZIÓ A spektrális összefüggések irodalma nem fűz egyértelmű magyarázatot a különböző területen kimutatható spektrális jelenségekhez. A különböző spektrális jelenségek önmagukban sem egyértelműek, ugyanakkor bizonyos általános jellegzetességek megfigyelhetőek. A bemutatott eredmények nem mutatnak a flow-helyzetben az unalom és szorongáshelyzetektől eltérő olyan nem szisztematikus eltérést, amely a teljesítményigény vagy figyelmi igény növekedésével ne lenne magyarázható. Az aktivitásértékek nem jeleznek különös jellegzetességet a magas flow-valószínűségű helyzetben, ehelyett a feladat teljesítményigényének megfelelően mutatkoznak a bemutatott jellegzetességek a hullámtartományokon és skalprészeken, amelyek a flow jelenségkörénél sokkal kevésbé összetett figyelmi szükségleti igényekkel magyarázhatóak. Az idői dinamikát figyelmen kívül hagyva a spektrális elemzések nem jeleznek olyan különbségeket, amelyek a flow-val kapcsolatban felmerültek (például hipofrontalitás). Az eredmények idői vizsgálatában ugyanakkor a flow-helyzet egyértelmű elkülönülését figyelhetjük meg. Az idői grafikonok vizuális elemzése rámutat, hogy a feladat végrehajtásakor a spektrális adatokra (szorongás és flow) jellemző egy a feladat elkezdése utáni 3. perc körül bekövetkező plafonhatás. A lineáris elemzések érdekében az így kettébontott idői elemzések alapján kijelenthetjük, hogy mintánkon a különböző helyzetek a feladat teljesítményigényével nem magyarázható idői dinamikát mutatnak. Eredményeink arra mutatnak rá, hogy a flow, illetve az optimális feladathelyzetet kiemelő elektrofiziológiai jellegzetességek, nem az átlagértékekben, hanem inkább a helyzetben mutatkozó idői dinamikában jelennek meg. A kezdeti első két perces szakaszon az unalomhelyzet esetében nem mutatkozik emelkedés, míg a szorongás esetén elsősorban anterior delta, a flow esetén inkább posterior thétatartományokon jelentkezik emelkedés. Az anterior deltaemelkedést a releváns ingerre való emelkedett figyelemigénnyel vagy a személy (a helyzet kellemetlensége miatt) saját magára irányuló figyelmével (SALEH, REIMER és munkatársai, 2010), esetleg a személy olyan belső mentális logikai folyamataival magyarázható, amelyben a megnövekedett készségigényszint miatt a személy olyan belső mentális műveleteket végez, amelyek a helyzethez alkalmazkodás új stratégiájának kidolgozására irányulnak (HARMONY, FERNÁNDEZ és munkatársai, 1996). Ugyanakkor a flow esetében a théta-tartományok posterior (és motoros területek felett 95

96


mérhető) növekedése áttételesen a megnövekedett figyelmi szükséglettel magyarázható (GEVINS, ZEITLIN és munkatársai, 1997), jóllehet ezt elsősorban a frontális középvonali területekkel kapcsolatban mutatták ki. A flow-helyzet esetében szembetűnő a delta kivételével a teljes spektrális tartományon a posterior területeken és a motoros területek felett jelentkező aktivitásfokozódás. Ez különösen azért érdekes, mert a magasabb készségigényű szorongás feltételben ezek nem jelentkeznek. Feltételezzük, hogy a flow-helyzetben a posterior és motoros területek egységesen megnövekedett teljesítménye a feladattal való fokozottabb interakció eredménye lehet, hiszen az unalomhelyzetben az alacsony készségigény miatt, a szorongáshelyzetben, pedig a kialakuló tehetetlenség miatt képtelenek a motoros, perceptuális területek felvenni a feladat „ritmusát”. A teljesítményfokozódás tehát a legmagasabb a flow-helyzetben, ami a feladatra való növekedő összpontosítást is kifejezheti. A flow-kutatásokban feltárt fenomenológiai, a jelenséget kísérő élményekkel kapcsolatos eredményekkel (CSÍKSZENTMIHÁLYI, 1997) analóg az általunk kapott eredmény abban a tekintetben, hogy az eredeti beszámolók intenzív élményről számolnak be, amelyet a feladatra való koncentrálásban élnek meg. Ugyancsak a flow-helyzet esetében tapasztalhatunk az anterior területeken mutatkozó béta-gamma teljesítménynövekedést, amely a feladattal kapcsolatos tervezéssel, figyelmi folyamatokkal kapcsolható össze. Az optimális helyzettel kapcsolatban eredményeink alapján arra lehet következtetni, hogy ilyenkor a személy egy viszonylag magas energiaigényű agytevékenységet folytat, olyan magas arousalszintet állít be, amelyen még tartósan képes jól működni. A 3. perc után az előzőekben leírttól nagyban eltérő dinamika kezd érvényesülni. Kutatásunk nem segít annak a kérdésnek az eldöntésében, hogy a 3 perc általánosan jellemző-e a feladattal kapcsolatban való agytevékenységi plafon kialakulásával kapcsolatban, vagy – ami valószínűbb – a feladat alacsony komplexitására kialakuló specifikus idői jellemző. A 3. perc után a bal posterior terület kivételével az összes területen egyértelmű csökkenés mutatkozik az alfa-sáv feletti tartományokon. Szorongáshelyzetben ugyanakkor a bal posterior területen mutatkozik jelentős csökkenés. A flow-helyzetben a jelentős alfa feletti csökkenés tulajdonítható a feladattal kapcsolatos alapjellemzők, a folyamat kontrollálásához kapcsolódó alapstratégiák kialakulásának, emellett a vizsgálati személyek viselkedéses adatai azt mutatják, hogy a személyek a flow-helyzetben a feladatot egészében kihívásként értékelték. Az unalomhelyzetben posterior területeken tapasztalt agyi aktivitásnövekedés a vélhetően a figyelem fenntartásának nehézségei révén a perceptuális folyamatokban megmutatkozó aktivitás fokozódását mutatja, amelyet a szakadozó figyelmi folyamatok révén lehet értelmezni. A figyelmi folyamat megmegszakadása a perceptuális területekre irányuló folyamatos információáramot is megszakítja, amelyet ezért az érintett területek a mozgásvezérléshez a hiányzó momentumok számításával kompenzálják. A bemutatott vizsgálataink a korábbi elemzések eredményeit (KIVIKANGAS, 2006; CHANEL, REBETEZ és munkatársai, 2008; CHANEL, 2009; MANZANO, THEORELL és munkatársai, 2010) csak részben képesek alátámasztani. Ennek okai, hogy Chanel, Rebetez és munkatársai a spektrális EEG-eredményeket nem összehasonlították, hanem azok révén próbálták a helyzeteket előrejelezni. 96


97

Manzano, Theorell és munkatársai, illetve Kivikangas munkájának eredményeit pedig részben alátámasztottuk, amennyiben kutatásunk során béta- és a feletti kérgi arousallal kapcsolatba hozható tartományok elemzése révén azt találtuk, hogy idővel a flow-helyzetben megemelkedett aktivitás csökken. Kutatásunk ugyanakkor a hipotézisként megfogalmazott hipofrontalitás (DIETRICH és STOLL, 2010) elméletét stabilan alátámasztani látszik, egyben kiegészíti azt a dinamikai aspektussal. Az első 2 percben az anterior területeken határozott növekedés tapasztalható mely nem különböztethető meg a szorongásban tapasztalt tendenciáktól a nagyfrekvenciás tartományokon. Ez radikálisan megváltozik a későbbi szakaszon, ahol ugyanezen tartományokon, mind a szorongáshoz, mind az unalomhoz képest mind területileg, mind a hullámtartományok tekintetében határozott csökkenés mutatkozik. Meglátásunk szerint ez egybecseng DIETRICH által (2004) általánosságban a módosult tudatállapotokra feltételezett, ugyanakkor (DIETRICH és STOLL, 2010) által a flow-val kapcsolatban is felvázolt működésmódra. Ugyanakkor figyelembe kell venni, hogy a flow kialakulása során eredményeink szerint először egy határozott figyelmi orientáció, hiperfrontalitás jelentkezik (a szorongáshoz hasonlóan), amely feltételezésünk szerint a feladat készségigényének felmérésével, ingermintázatához való szinkronizációjával kapcsolatos tudatos és részben akaratlagos frontális figyelmi tendenciát tükröz. Eredményeink azonban nem kizárólag a frontális területeken mutatnak csökkenő nagyfrekvenciás aktivitást, legkifejezettebben az aktivitás csökkenése a motoros kéreg felett jelentkezik. Mivel kutatásunk csupán 19 elektródát alkalmazott nem lehet kizárni, hogy ez a szuplementer motoros területekkel áll kapcsolatban, mely az akaratlagos mozgástervezésért is felelős, és amely megerősítené az explicit folyamatok háttérbe szorulásával járó hipofrontális elméletet. Ezt a kérdést nagyobb felbontású készülékekkel, módszerekkel szükséges a későbbiekben vizsgálni. A viselkedéses adatok ugyanakkor cáfolni látszanak azokat az elméleteket (DIETRICH és STOLL, 2010; BRUYA, 2010), amelyben a flow-t, mint a teljesítmény hatékonysági optimumára irányuló viselkedést értelmezik. A hatékonyság vizsgálatunkban az unalomhelyzetben volt a legmagasabb. A mutatóként használt hatékonyság-mérőszám a feladat két legelemibb teljesítménymutatójának hányadosa azt jelezte, hogy a személyek az optimális élmény kialakítása során olyan egyensúlyra törekszenek, amely inkább a kihívásra reflektál. A személyek maguk olyan beállítást tartottak optimálisnak, amely nem a leghatékonyabb volt. Véleményünk szerint az adatok azt mutatják, hogy a személyek a kihívást keresték a feladatban. Itt ugyan nem tekinthetünk el a laborhelyzet teljesítményorientáló hatásától, ugyanakkor fontos kiemelni, hogy ezek az eredmények CSÍKSZENTMIHÁLYI (1997) megfigyeléseivel egybecsengenek. A személyek és feladatok véleményünk szerint egyaránt meghatározó tényezői annak, hogy a személy mire optimalizálja teljesítményét. Ebben a helyzetben a személyek olyan beállítást választottak, ahol a szoftver a feladat feletti teljes kontrollvesztés és teljes kontroll közötti kontinuum között a teljes kontroll közelében, de attól egyértelműen elmaradva tartotta őket. A személyek tehát – az instrukciónak engedelmeskedve – nem a hibázások elkerülésére, hanem véleményünk szerint egy olyan helyzetre törekedtek, amely képességeiket próbára teszi, ugyanakkor nem haladja meg. 97

98


A flow indukciójával kapcsolatban MOLLER, MEIER és WALL (2010) szerint a feladatban mutatkozó struktúra (szabályrendszer) a flow feltétele, amennyiben azonban ez túl erős, kevés mozgásteret hagy, akkor a kreativitás megnyilvánulását és ezzel a flow kialakulását gátolja meg. Ezért tehát egy optimumviselkedés körül jelenik meg a flow, amelyben nemcsak a készség – elvárt készség egyensúly –, hanem a struktúra és az egyéni megoldásmódok lehetőségének egyensúlya is lényeges. CSÍKSZENTMIHÁLYI (2007) a flow-t mint az alapvető kulturális és evolúciós kényszereken való felülemelkedés útját, az autotelikus személyiséggé válás alapmozzanatát látja. A jelenség mögött ugyanakkor evolúciósan kialakult, archaikus mechanizmusok működnek, amelyek elsősorban a folyamat hatékonyságáért felelősek. DIETRICH és STOLL (2010) az implicit és explicit rendszerek elemzésével, a könnyed figyelem lehetséges mechanizmusainak felvázolásával próbálja magyarázni a profi sportolók flow-élményeit. A flow átélését szinte minden definíciója szerint pozitív érzelmek kísérik, amely egyben motiválja a személyt a tevékenység folytatására, későbbi újrakezdésére. Felmerül tehát a kérdés, hogy a flow mögött álló mechanizmusok valójában a hatékonyságot (effektancia) vagy valamilyen más cél elérését hivatottak segíteni evolúciós értelemben. Az autotelikus személyiség definíciója konstruktumként a Big Five Élményekre való nyitottság faktorával hozható kapcsolatba, azzal közepes mértékben korrelál (CSÍKSZENTMIHÁLYI, 1997). Eredményeink azt mutatják, hogy a személyek nem teljesítményre optimalizálták a sebességet, hanem a kihívás mértékét próbálták készségeikhez igazítani. Véleményünk szerint mindezek hátterében olyan humánspecifikus hajtóerők működnek, amelyek a helyzetből nyerhető információ és/vagy tapasztalat maximalizálására törekszenek. Ilyen módon a flow analóg a játék fogalmával. A fiatal humán és általában emlős egyednek létfontosságú a játék a későbbi túlélési stratégiáinak és készségeinek kialakításához a távlati nyereségeket hangsúlyozó elméletek szerint (TISLJÁR, 2011). Ennélfogva cél, hogy idejét leghatékonyabban ezek elsajátításával töltse. A környezet interakcióban áll az egyeddel, aki így bizonyos korlátok között maga alakíthatja a játék feltételeit. A fiatal egyedek olyan helyzeteket választanak, amelyekben jól teljesítenek, de tapasztalatot, információt is nyerhetnek. Amenynyiben valaki teljes mértékben ural egy folyamatot, abból kevés új információt nyerhet, de ha a feladat túl bonyolult, szintén kevés a feladat későbbi kontrollálására felhasználható információ és tapasztalat nyerhető, mivel az erőforrások a folyamat alapstruktúrájának tudatos kézben tartására irányulnak (POSNER, ROTHBART és munkatársai, 2010), és abban kimerülnek. Az optimális élményt elsősorban felnőtt emberek esetében vizsgálták és definiálták. A játékkal való analógiát CSÍKSZENTMIHÁLYI (1997) többször felveti, ugyanakkor nem bontja ki. Feltételezésünk szerint a flow, a humán információ- és tapasztalatmaximalizálási törekvések felnőttkori kivetülése. Az emberi élet egyre növekvő komplexitása és általánosan megnövekedett biztonsága lehetővé tette, hogy a felnőtt személyek szabadidejükben vagy kötelező tevékenységük során is ideiglenesen hatékonyságoptimalizálás helyett tapasztalat- és információoptimalizálásban végezzék tevékenységüket. Ennek komparatív előnye az lehet a hatékonyságmaximalizálással szemben, hogy a populáció egy részénél ez a felnőttkori optimalizáció a váratlan 98


99

helyzetekben vagy megnövekedett terhelés alatti helyzetekben a felgyűlt tapasztalatok és információk révén a megszokottól eltérő, minőségileg más, hatékonyabb választ adhatott egy-egy felmerülő problémára. Emellett az így szerzett tapasztalat szociális előnyökhöz is juttathatta a felnőtt egyedet. Így fennmaradhatott a nem teljesítményre, hanem információ- és tapasztalatszerzésre optimalizáló tudatállapot. Feltételezésünk szerint tehát a fiatalkori játék és a flow hátterében ugyanazon viselkedésmoduláló mechanizmusok működnek: a helyzettel a személy olyan interakcióba kerül, ahol nem a hatékonyságot, hanem az információ és tapasztalatszerzést maximalizálja, ennek hátterében ezt segítő neurális rendszerek működnek. A játékhoz viszonyítva ugyanakkor ezek a rásegítő mechanizmusok sokkal kevésbé kifejezettek a felnőtt személyeknél, amely megmagyarázhatja a flow önindukciójával kapcsolatos nehézségeket. E nehézség hátterében szintén evolúciós okokat feltételezhetünk. A könnyű és kontrollálhatatlan bevonódás a felnőtt egyed/személy számára közvetlen és közvetett veszélyekkel is járhat, ezért lehetséges, hogy a flow-állapot elérésének nehézsége evolúciós értelemben adaptív. CSÍKSZENTMIHÁLYI (1997) ezzel egybehangzóan több ízben említi, hogy a flow nem minden formája tekinthető adaptívnak. Vizsgálatunk arra is rávilágít, hogy a flow első szakaszában tudatos ráhangolódást, a frontális területekkel asszociálható magasabb akaratlagos figyelmet igényel. E tudatosság kizárhatja, vagy legalábbis csökkentheti a veszélyeket előrejelző ingerek kihagyását. ÖSSZEFOGLALÁS ÉS KITEKINTÉS Az elektrofiziológiai adatok alapján arra a következtetésre juthatunk, hogy az optimális helyzetben végzett tevékenység hosszú távon nem jár több mentális erőfeszítéssel, mint az unalomban, vagy szorongásban töltött idő, amely részben alátámasztaná DIETRICH és STOLL (2010) teljesítményoptimalizáló elméletét. Ennek igazolására a flow-ban az általunk indukálni szándékozott és mért 5 percet meghaladó nagyobb időtartamra kiterjedő vizsgálati elrendezés szükséges. Kutatásunk rávilágít a flow, és más módosult tudatállapotok, dinamikus vizsgálatának szükségességére. A flow komplex jelenség, fiziológiai korrelátumai nem stacionáriusak, hanem a kialakuló állapottal változnak. Az élmények fenomenológai leírásai alapján (CSÍKSZENTMIHÁLYI, 1997) a flow-állapot legalább három részre tagolható: kialakulás, fennmaradás, deszinkronizáció. Nyilvánvaló, hogy a folyamat különböző szakaszai esetében más fiziológiai kísérőjelenségek, tendenciák várhatóak. Emellett véleményünk szerint a személyek nem maximális hatékonyságra törekszenek, inkább egy információ- és tapasztalatmaximalizálási optimumot elérve olyan dinamikus mechanizmusok lépnek életbe, amelyek révén a személy meg kívánja tartani a kialakult állapotot, és amely céljában és működésében a gyermekkori játékkal analóg folyamat. Mivel a pszichológiai és fiziológiai jellemzők nem feleltethetők meg egymásnak egy az egyben, kihívás elé állítja a kutatókat az optimális élményhez hasonló jelenségek vizsgálata. A flow indukálására előszeretettel használt digitális játékok 99

100


komplex ingerkészletet jelentenek, több ingermodalitásra is hatnak, egyidejűleg összetett kognitív folyamatokat működtetnek, továbbá általában – változó intenzitású – izommozgás is kíséri a tevékenységet, amit statisztikai, matematikai módszerekkel kompenzálni, szűrni szükséges. MAKEIG, GRAMAN és munkatársai (2009) szerint az EEG- és ERP-vizsgálatok általánosságban jelenlegi formájukban kis mozgásteret tesznek lehetővé, mivel relatív kevés adatot rögzítenek, és az adatokat leegyszerűsítve képesek csupán elemezni. Ezért olyan komplex mozgást és agytevékenységet szinkron regisztráló berendezésrendszert képzelnek el, amellyel a vizsgálatok művisége csökkenthető lenne. Ugyanakkor ahhoz, hogy ilyen komplex elemzési helyzetek tudományosan értékelhetőek legyenek, a legkorszerűbb statisztikai eljárásokat, illetve műtermékszűrést, valamint ezeknek megfelelő technikai feltételeket szükséges alkalmazni és biztosítani. Az olyan komplex jelenségek, mint a flow fiziológiai kutatása, hosszú távon hasonló kihívásokat állít a kutatók elé. A flow vizsgálati módszereiben ilyen rendszerek kialakítása, a vizsgálatok ehhez való közelítése jelentős lehet, mivel a flow-állapot érzékeny a bevonódást nehezítő faktorokra. Komplex jelenségeket a maguk teljességében csak komplex módszerekkel lehet elégségesen vizsgálni.

IRODALOM AKER, S. N. (2007). Oscillatory interactions between sensorimotor cortex and the periphery. Current Opinion in Neurobiology, 17, 649–655. BAKKER, A. B. (2005). Flow among music teachers and their students: The crossover of peak experiences. Journal of Vocational Behavior, 66, 26–44. BANQUET, J. P. (1973). Spectral analysis of the EEG in meditation. Electroencephalography and Clinical Neurophysiology, 35, 143–151. BRUYA, B. (2010). Introduction: Toward a Theory of Attention That Includes Effortless Attention and Action. In B. BRUYA (Ed.), Effortless Attention – A New Perspective in the Cognitive Science of Attention and Action (pp. 1–28). Cambridge, MA: The MIT Press. BUZSÁKI, GY. (2006). Rhythmus of the Brain. New York: Oxford University Press. CHANEL, G., REBETEZ, C., BÉTRANCOURT, M., & PUN, T. (2008). Boredom, Engagement and Anxiety as Indicators for Adaptation to Difficulty in Games. Tampere, Finland: MindTrek’08, October 7–9, 2008. CHANEL, G. (2009). Emotion Assessment for Affective Computing Based on Brain and Peripheral Signals. PhD Thesis. Genève: Université De Genève, Faculte Des Sciences, Département d’Informatique. COAN, J. A., ALLEN, J. J. B., & MCKNIGHT, P. E. (2006). A capability model of individual differences in frontal EEG asymmetry. Biological Psychology, 72(2), 198–207. CSÍKSZENTMIHÁLYI M. (1997). Flow. Az áramlat. A tökéletes élmény pszichológiája. Budapest: Akadémiai Kiadó. CSÍKSZENTMIHÁLYI M. (2007). A fejlődés útjai. Budapest: Nyitott Könyv Műhely. DAWSON, M. E., SCHELL, A. M., & FILION, D. L. (2000). The electrodermal system. In J. T. CACIOPPO, L. G. TASSINARY, & G. G. BERNTSON (Eds.), Handbook of psychophysiology (pp. 200–223). New York: Cambridge University Press.

100


101

DEIVANAYAGI, S., MANIVANNAN, M., & FERNANDEZ, P. (2007). Spectral Analysis Of EEG Signals During Hypnosis. International Journal of Systemics, Cybernetics and Informatics, 75– 80. DIETRICH, A. (2004). Neurocognitive mechanisms underlying the experience of flow. Consciousness and Cognition, 13, 746–761. DIETRICH, A., & STOLL, O. (2010). Effortless Attention, Hypofrontality, and Perfectionism. In B. BRUYA (Ed.), Effortless Attention – A New Perspective in the Cognitive Science of Attention and Action (pp. 159–178). Cambridge, MA: The MIT Press. DORMASHEV, Y. (2010). Flow Experience Explained on the Grounds of an Activity Approach to Attention. In B. BRUYA (Ed.), Effortless Attention – A New Perspective in the Cognitive Science of Attention and Action (pp. 287–334). Cambridge, MA: The MIT Press. ELLIS, G. D., VOELKL, J. E., & MORRIS, C. (1994). Measurement and analysis issues with explanation of variance in daily experience using the flow model. Journal of Leisure Research, 26, 337–356. GEVINS, A. S., ZEITLIN, G. M., YINGLING, C. D., DOYLE, J. C., DEDON, M. F., SCHAFFER, R. E., ROUMASSET, J. T., & YEAGER, C. L. (1997). EEG patterns during ‘cognitive’ tasks. I. Methodology and analysis of complex behaviors. Electroencephalography and Clinical Neurophysiology, 47(6), 693–703. HARMONY, T., FERNÁNDEZ, T., SILVA, J., BERNAL, J., DÍAZ-COMAS, L., REYES, A., MAROSI, E., RODRÍGUEZ, M., & RODRÍGUEZ, M. (1996). EEG delta activity: an indicator of attention to internal processing during performance of mental tasks. International Journal Psychophysiology, 24(1–2), 161–171. HUANG, Y., ERDOGMUS, D., MATHAN, S., & PAVEL, M. (2008). Detecting EEG evoked responses for target image search with mixed effect models. Vancouver, Canada: The 30th Intl. IEEE EMBC. 4988–4991. KINCAID, C. D. (2005). Guidelines for Selecting the Covariance Structure in Mixed Model Analysis. Előadás-kivonat. Philadelphia, Pennsylvania: SUGI 30 Proceedings konferencia, April 10–13. 2005. KIVIKANGAS, J. M. (2006). Psychophysiology of flow experience: An explorative study. Master’s Thesis. Helsinki: University of Helsinki. KIVIKANGAS, J. M., EKMAN, I., CHANEL, G., JÄRVELÄ, S., COWLEY, B., SALMINEN, M., HENTTONEN, P., & RAVAJA, N. (2010). Review on psychophysiological methods in game research. Proceedings of DiGRA Nordic 2010: Experiencing Games: Games, Play, and Players. KLIMESCH, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Research Reviews, 29, 169–195. KROPOTOV, J. D. (2009). Quantitative EEG, Event-Related Potentials and Neurotherapy. San Diego: Academic Press. MAKEIG, S., GRAMANN, K., JUNG, T. P., SEJNOWSKI, T. J., & POIZNER, H. (2009). Linking Brain, Mind and Behavior. International Journal of Psychophysiology, 73(2), 95–100. MANZANO, Ö., THEORELL, T., HARMAT, L., & ULLÉN, F. (2010). The Psychophysiology of Flow During Piano Playing. Emotion, 10(3), 301–311. MARR, A. J. (2000). In the Zone: A Bio-Behavioristic Analysis of Csikszentmihalyi’s Flow Experience. URL: http://www.athleticinsight.com/Vol3Iss1/Commentary.htm#Theory, letöltés időpontja: 2011. július 7.

101

102


MOLLER, A. C., MEIER, B. P., & WALL, R. D. (2010). Developing an Experimental Induction of Flow: Effortless Action in the Lab. In B. BRUYA (Ed.), Effortless Attention – A New Perspective in the Cognitive Science of Attention and Action (pp. 191–204). Cambridge, MA: The MIT Press. MÓZES T., MAGYARÓDI T., SOLTÉSZ P., NAGY H. és OLÁH A. (2012). A flow-élmény operacionalizálásának útjai. In OLÁH A. (szerk.), A pozitív pszichológia világa (pp. 57–76). Pszichológiai Szemle Könyvtár, 16., Budapest: Akadémiai Kiadó. NAGY H., CZIGLER B., KOVÁCS ZS., GAÁL ZS. A., BOHA R. és MOLNÁR M. (2010). Spektrális EEG-mutatók és személyiségjellemzők korrelációs elemzése. Pszichológia, 30(1), 17–30. NAKAMURA, J., & CSÍKSZENTMIHÁLYI, M. (2002). The Concept of Flow. In C. R. SNYDER, & S. J. LOPEZ (Eds.), Handbook of Positive Psychology (pp. 89–105). New York: Oxford University Press. ONTON, J., WESTERFIELD, M., TOWNSEND, J., & MAKEIG, S., (2006). Imaging human EEG dynamics using independent component analysis. Neurosci. Biobehav. Review, 30(6), 808– 822. POSNER, M. I., ROTHBART, M. K., RUEDA, M. R., & TANG, Y. (2010). Training Effortless Attention. In B. BRUYA (Ed.), Effortless Attention – A New Perspective in the Cognitive Science of Attention and Action (pp. 409–424). Cambridge, MA: The MIT Press. RAKOVIĆ, D., TOMAŠEVIĆ, M., JOVANOV, E., RADIVOJEVIĆ, V., ŠUKOVIĆ, P., MARTINOVIĆ, Ž., CAR, M., RADENOVIĆ, D., JOVANOVIĆ-IGNJATIC, Z., & ŠKARIĆ, L. (1999). Electroencephalographic (EEG) correlates of some activities which may alter consciousness: The transcendental meditation technique, musicogenic states, microwave resonance relaxation, healer/healee interaction, and alertness/drowsiness. Informatica, 23(3), 359–412. SALEH, M., REIMER, J., PENN, R., OJAKANGAS, C. L., & HATSOPOULOS, N. G. (2010). Fast and Slow Oscillations in Human Primary Motor Cortex Predict Oncoming Behaviorally Relevant Cues. Neuron, 65(4), 461–471. TAKAHASHI, T., MURATA, T., HAMADA, T., OMORI, M., KOSAKA, H., KIKUCHI, M., YOSHIDA, H., & WADA, Y. (2005). Changes in EEG and autonomic nervous activity during meditation and their association with personality traits. International Journal of Psychophysiology, 55(2), 199–207. TISLJÁR R. (2011). A humor szerepe és szerveződése a társas kapcsolatokban. Evolúciós modellek tesztelése. Doktori értekezés, 2011. Pécs: Pécsi Tudományegyetem. WRÓBEL, A. (2000). Beta activity: a carrier for visual attention. Acta Neurobiologiae Experimentalis, 60(2), 247–260. ZHANG, Y., CHEN, Y., BRESSLER, S. L., & DING, M. (2008). Response preparation and inhibition: The role of the cortical sensorimotor beta rhythm. Neuroscience, 156(1), 238–246. ZOURIDAKIS, G., PATIDAR, U., PADHYE, N. S., POLLONINI, L., PASSARO, A., & PAPANICOLAOU, A. C. (2010). Spectral Power of Brain Activity Associated with Emotion – A Pilot MEG Study. 17th International Conference on Biomagnetism Advances in Biomagnetism – Biomag2010 IFMBE proceedings, 2010, Volume 28, Part 11.

102


103

THE ELECTROPHYSIOLOGY OF FLOW –SOLTÉSZ, PÉTER – MAGYARÓDI, TÍMEA – MÓZES, TAMÁS – NAGY, HENRIETT – OLÁH, ATTILA

The study aims to explore the spectral properties of flow and antiflow states. 20 young male participants played a collision-avoidance computer-game while their spectral EEG activity have been measured. Flow, boredom, and anxiety conditions were differentiated with the help of personal adjustment of the game speeds. Personal baseline values were obtained with an objective and a subjective preliminary skill measurement on the same computer-game. The spectral activities of the subjects through the three conditions showed that generally under the flow condition the activity is lower than in the anxiety condition, but higher than in the boredom condition regarding delta, theta, beta, and gamma spectra. More importantly the temporal dynamics shows, that initially in flow and anxiety conditions an ascending activity can be observed, whereas after a climax in the activity graph a strong decline appears in the flow condition (beta and gamma), while this is weakly or not at all present in the anxiety condition, and an increase appears in the boredom condition. Our results support the hypofrontality hypothesis of flow and points out the importance of measuring flow in its temporal dynamics. The behavioural data does not support the idea of flow as a mechanism for effectance-optimalisation, but rather as a mechanism for optimalising for the maximalisation of gaining information and/or experience. Key words:

flow, hypofrontality, game, EEG, spectral, ICA, LMM, collision, effectance, calibration

103

A FLOW-ÉLMÉNY ELEKTROFIZIOLÓGIÁJA *

Recommend Documents