眼动不撒谎：对AI生成抑郁筛查的无差别反应
本研究探讨用户如何回应一款抑郁自诊应用，该应用提供两种结果：“医生生成”和“AI生成”。医生生成的结果基于参与者实际的PHQ-9抑郁评分，而AI生成的结果是随机选取的，有时与真实诊断一致
基本信息
资源简介
眼动不撒谎：对AI生成抑郁筛查的无差别反应
该数据集围绕一项关于用户如何回应抑郁自诊应用结果标签的研究展开。研究中的自诊应用向参与者呈现两种结果：“医生生成”与“AI生成”。其中，“医生生成”结果基于参与者实际的PHQ-9抑郁评分，而“AI生成”结果则是随机选取的，有时会与真实诊断一致。共有47名具有抑郁症状的参与者使用该应用，同时通过Tobii Pro Spectrum眼动仪记录其瞳孔扩张情况，分析聚焦于决策阶段之前与决策过程中的瞳孔扩张。研究发现，选择“医生生成”结果的参与者与选择“AI生成”结果的参与者在瞳孔扩张上没有差异；研究团队构建的极端梯度提升（XGB）模型对信任的预测AUROC达到0.871。这些发现表明，用户对AI标签与医生标签诊断的参与程度相当，但瞳孔直径能够指示其信任水平。
【数据集背景】
该数据集对应的研究关注抑郁自诊应用中的结果呈现方式如何影响用户反应。应用提供两种结果标签：一种标注为“医生生成”，其内容基于参与者真实的PHQ-9抑郁评分；另一种标注为“AI生成”，其内容为随机选取，且有时恰好与真实诊断一致。研究旨在观察用户在面对这两种不同来源标签时的行为与生理反应，尤其是信任相关的表现。数据集英文名称为“Eyes donât lie: Indifferent to AI-generated depression screenings”，本站分类归入“精神与行为障碍 / 其他”，来源站为search.dataone.org。
【数据内容】
源站描述显示，研究纳入47名具有抑郁症状的参与者，参与者使用该抑郁自诊应用，同时以Tobii Pro Spectrum眼动仪记录瞳孔扩张。数据分析覆盖决策阶段之前与决策过程中的瞳孔扩张。研究比较了选择“医生生成”结果的参与者与选择“AI生成”结果的参与者，发现两组在瞳孔扩张上没有差异。此外，研究使用极端梯度提升（XGB）模型预测信任，AUROC为0.871。除上述描述外，数据集具体包含哪些变量、文件格式、记录条数、字段结构等，源站未提供。
【采集与来源】
数据来源于search.dataone.org所描述的一项研究。采集场景为参与者使用抑郁自诊应用，应用呈现“医生生成”或“AI生成”的结果；其中“医生生成”结果依据参与者实际PHQ-9抑郁评分生成，“AI生成”结果为随机选取，有时与真实诊断一致。生理数据通过Tobii Pro Spectrum眼动仪记录瞳孔扩张，分析时段包括决策阶段之前与决策过程中。参与者人数为47人，均具有抑郁症状。除此之外，采集地点、采集时间、招募方式、伦理审批信息等，源站未提供。
【适用场景】
基于源站描述，该数据集可用于研究与抑郁自诊应用结果标签相关的用户反应，尤其是用户对“医生生成”与“AI生成”诊断结果的参与程度与信任表现。瞳孔扩张数据可用于分析决策阶段之前与决策过程中的生理反应；XGB模型及其0.871的AUROC结果可用于讨论信任预测的可行性。该数据集也可能适用于人机交互、AI医疗结果呈现方式、用户信任评估等主题的二次分析。但具体适用条件与可复用范围，源站未提供。
【使用方法】
源站描述提及瞳孔扩张在决策阶段之前与决策过程中进行分析，并采用极端梯度提升（XGB）模型预测信任，AUROC为0.871。关于数据文件如何组织、如何加载、变量命名、预处理步骤、分析代码或模型参数等，源站未提供。使用者需依据源站实际提供的数据文档进行操作。
【质量与限制】
源站描述中报告参与者人数为47人，均具有抑郁症状；瞳孔扩张通过Tobii Pro Spectrum眼动仪记录；XGB模型预测信任的AUROC为0.871。研究结论指出，用户对AI与医生标签诊断的参与程度相当，但瞳孔直径可指示信任。可能的限制包括样本量、实验场景的特定性以及“AI生成”结果为随机选取这一设计特征，但源站未对数据质量、缺失情况、偏差或外部效度作进一步说明。相关限制信息源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、作者信息、许可协议或使用条款。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
本研究探讨了用户如何回应一款抑郁症自我诊断应用程序的两种结果：“医生生成”和“AI生成”。医生生成的结果基于参与者实际的PHQ-9抑郁评分，而AI生成的结果则是随机选取的，有时与真实诊断一致。具有抑郁症状的参与者（n = 47）在使用该应用程序时，通过Tobii Pro Spectrum眼动仪记录其瞳孔扩张情况。研究分析了决策前及决策过程中的瞳孔扩张。选择医生生成结果的参与者与选择AI结果的参与者在瞳孔扩张方面未表现出差异。我们的极端梯度提升（XGB）模型预测信任的AUROC为0.871。这些发现表明，用户对AI标注和医生标注的诊断参与程度相同，但瞳孔直径可指示其信任程度。，# 眼睛不会说谎：对AI生成的抑郁症筛查结果无差别对待 数据集DOI：10.5061/dryad.80gb5mm2d ## 数据及文件结构说明 所有命名为P28.csv至P80.csv的文件均包含各个参与者的瞳孔直径（mm）数据。
- Time_Seconds 是实验过程中的时间戳（毫秒） * Pupil_Filtered_Smoothed 是预处理后的瞳孔直径（毫米） 文件 Trust.csv 是标签数据集，其中 0 表示不信任 AI，1 表示信任 AI。 ### 文件和变量 #### 文件：P28.csv 描述： ##### 变量 * Time_Seconds：时间戳 * Pupil_Filtered_Smoothed：瞳孔直径 #### 文件：P29.csv 描述： ##### 变量 * Time_Seconds：时间戳 * Pupil_Filtered_Smoothed：瞳孔直径 #### 文件：P31.csv 描述： ##### 变量 * Time_Seconds：时间戳 * Pupil_Filtered_Smoothed：瞳孔直径 #### 文件：P30.csv 描述： ##### 变量 * Time_Seconds：时间…
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
