自闭特质与从社会点光显示中学习的奖赏敏感性降低

数据集获取

源站：https://search.dataone.org/view/sha256%3A476c375b85fc552d4a80a86d759dccc09615198cfa1bc42ab5e9c2466771262b

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

多项研究已将自闭症特质与从社会性（相对于非社会性）刺激中学习的困难联系起来。然而，这些刺激在低水平视觉属性上往往难以匹配，鉴于自闭症特质对感觉加工的影响，这一点尤为重要。此外，研究在设定模型参数（学习率和奖励敏感性）时，往往未能考虑学习过程中可分离的方面。在此，我们探究高自闭症特质个体在从描绘情绪表达的面部点光显示（PLDs）中学习时是否表现出学习缺陷。社会性和非社会性刺激由相同数量的点光随机排列而成，并在低水平视觉属性上经过仔细匹配。神经典型参与者（N = 63）使用自闭症谱系商数（AQ）进行评估，并在一项强化学习任务中完成了共96个试次。尽管线性多水平模型……样本 样本由典型发育（TD）个体组成，这些个体通过维也纳大学的参与招募平台联系。

参与者需满足以下纳入标准：a）年龄在18至65岁之间，b）异性恋取向，c）英语熟练，d）无药物或酒精成瘾或定期用药，e）无精神或神经系统疾病。由于该实验是一个更大项目的一部分，部分排除标准与另一项任务相关，与本研究的直接关联不大。在总共招募的74人中，有3名参与者因AQ评分数据缺失而被排除，另有5名参与者根据排除标准被剔除。还有3人因任务数据缺失而被排除在分析之外，最终用于分析的样本为N = 63名参与者。参与者获得了10€的经济补偿或4个研究学分。测量工具——AQ 为了测量

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。