Wissenschaft erfordert Messungen, aber sie erfordert natürlich auch ein Verständnis dessen, was wir messen. Mit Messungen allein kommen wir nicht sehr weit.
Die Wissenschaft der Emotionen ist ein Prozess, der die Messung der von unserem Körper erzeugten Signale erfordert. Da Emotionen in unserem Körper erzeugt werden, ist es nur logisch, dass auch die Daten dort zu finden sind. Der Körper sendet viele Signale aus, und diese sind selten einfach nur zufällige Prozesse – stattdessen spiegeln sie etwas über unseren physiologischen oder psychologischen Zustand wider.
Die Entscheidung, welchen Signalen man folgen soll, ist dann eine neue Herausforderung. Glücklicherweise wurde auf diesem Gebiet bereits viel getan – eine der wichtigsten Methoden zur Messung emotionaler Erregung ist die Messung der galvanischen Hautreaktion (GSR, auch bekannt als elektrodermale Aktivität oder EDA).
GSR bezieht sich auf die Veränderung der elektrischen Leitfähigkeit der Haut als Reaktion auf Hautsekretion (oft in winzigen Mengen). Diese Daten werden erfasst, indem eine niedrige, nicht nachweisbare und konstante Spannung an die Haut angelegt wird und dann gemessen wird, wie sich der Hautleitwert verändert. Dies kann durch das Anbringen von Elektroden auf der Haut geschehen (und natürlich durch ein Gerät, das diese Aktivität misst).
Während die GSR-Aktivität auch mit der Regulierung unserer Innentemperatur in Verbindung gebracht wird, hat die Forschung auch wiederholt gezeigt, dass dieses Signal stark mit emotionaler Erregung verbunden ist. Die vom sympathischen Nervensystem erzeugten Signale führen zu einer Veränderung der Hautleitfähigkeitsreaktion (SCR), die typischerweise von Forschern untersucht wird.
Was ist SCR / SCL?
Die SCR steht in einem proportionalen Verhältnis zur Anzahl der aktivierten Schweißdrüsen, was im Wesentlichen bedeutet, dass der SCR-Wert umso höher ist, je stärker die emotionale Erregung einer Person ist. Daraus lässt sich auch ableiten, dass die SCR-Amplitude ein geeigneter Indikator für die Aktivität des sympathischen Nervensystems ist.
Die SCR wird oft als „Aktivitätsspitze“ (und damit als „GSR-Spitze“) bezeichnet, da sie als schneller Anstieg des Signalwerts erscheint. Tritt der SCR als Reaktion auf einen Reiz auf (typischerweise innerhalb von 1-5 Sekunden), wird er als ereignisbezogener SCR (ER-SCR) bezeichnet, während er, wenn er ohne erkennbare Ursache auftritt, als unspezifischer SCR (NS-SCR) bezeichnet wird.
Der SCR ist zwar eine Komponente der GSR-Aktivität, doch stellt er nur das sich schnell ändernde Signal als Reaktion auf einen Reiz dar. Die andere Komponente ist der tonische, kontinuierliche, sich langsam verändernde Hautleitwert (SCL).
Ein zentrales Problem bei der Analyse der GSR-Daten besteht darin, wie diese beiden Signale getrennt werden können. Wenn wir uns die Daten ansehen, gibt es keine klare Linie, die das eine vom anderen abgrenzt; wir müssen diese Berechnung selbst durchführen. Nachfolgend wird eine der gängigsten Methoden erläutert, um Ihnen ein besseres Verständnis dafür zu vermitteln, was hinter den Kulissen der GSR-Datenanalyse vor sich geht, und Ihnen einen klareren Weg aufzuzeigen, wie Sie dies selbst durchführen können.
GSR-Peaks
Während SCRs schnell auftreten, dauert es länger, bis das von ihnen erzeugte Signal auf die Grundlinie zurückgeht. Das bedeutet letztlich, dass, wenn kurz nach einem SCR ein weiterer SCR auftritt, die GSR-Aktivitätswerte insgesamt noch mehr ansteigen. Dieser kumulative Effekt kann zu einer Unterschätzung der SCR-Amplitude führen, da der wahre „Tiefpunkt“ (der Beginn des Aktivitätsanstiegs im Zusammenhang mit der SCR) durch den langsamen Rückgang der vorherigen Aktivitätsspitze verdeckt wird.
Um einige der Auswirkungen dieses Effekts zu umgehen, können die Daten gefiltert werden, um einen klareren Blick auf die Prozesse zu erhalten. Der erste Schritt besteht darin, die Daten zu mitteln. Dazu werden die Daten in diskrete Fenster (z. B. +/- 4 Sekunden) aufgeteilt und die Werte innerhalb dieses Zeitrahmens gemittelt. Dieser Mittelwert kann dann aus den Werten extrahiert werden, um eine normalisierte Ansicht der Daten zu erhalten (theoretisch unter weitgehender Entfernung des tonischen Datensignals).
Nachdem dies abgeschlossen ist, ist es möglich, einen Teil des Hintergrundrauschens aus dem Signal zu entfernen. Dies kann z. B. dadurch entstehen, dass das GSR-Gerät zu nahe an einem Computer steht und versehentlich elektrische Signale aufnimmt. Durch Anwendung eines Tiefpassfilters, bei dem die Werte einen bestimmten Schwellenwert überschreiten müssen, werden die unteren Werte des Signals entfernt.
Danach können mehrere Parameter eingestellt werden, um das Vorhandensein einer GSR-Spitze genau zu erkennen. Dazu gehören Onset und Offset, der Schwellenwert für die Spitzenverstärkung und der Schwellenwert für den Signalsprung.
Die Werte für den Onset und den Offset von Spitzen müssen eingestellt werden, um den Anstieg und Abfall des Signals zu bestimmen. Das Auftreten des Onsets und des Offsets (in Mikro-Siemens, µS) kann erstellt werden, um die Richtung des Signals zu filtern.
Dies geschieht typischerweise, indem der Onset auf >0,1 µS gesetzt wird (so dass nur Signale, die sich oberhalb dieses Wertes bewegen, als potenzielle Spitze betrachtet werden), während der Offset typischerweise auf <0.0 µS (so dass der Signalwert abnehmen muss, damit ein Peak erkannt werden kann, andernfalls würde ein kontinuierlicher Anstieg die bisherigen Kriterien erfüllen).
Der Schwellenwert für die Peakverstärkung wird festgelegt, um zu bestimmen, welchen Wert (in der Regel auf 0.05 µS), den der Peak nach dem Einsetzen überschreiten muss, damit er als Peak erkannt wird (und nicht nur als allmählicher Anstieg der Daten).
Der Schwellenwert für den Signalsprung dient als Grenze für den Peakverstärkungsbetrag – jeder Wert, der diesen Schwellenwert (z. B. 0.1 µS) von einer Probe zur nächsten überschreitet, wird als zu schnell ansteigend betrachtet, um einen echten physiologischen Prozess widerzuspiegeln, und wird daher verworfen.
Mit diesen Grenzwerten sollte eine Zählung der Datenpunkte die Anzahl der GSR-Peaks widerspiegeln, die in den Daten vorhanden sind.
Die Daten können auch über die Teilnehmer hinweg aggregiert werden, um einen klareren Überblick über mögliche Gruppeneffekte zu erhalten. Ein Vergleich der Anzahl der GSR-Peaks könnte beispielsweise Aufschluss darüber geben, welche Gruppe insgesamt eine Zunahme oder Abnahme der emotionalen Erregung als Reaktion auf einen Stimulus zeigte.
Der oben beschriebene Prozess wird in iMotions im Wesentlichen automatisch durchgeführt (Sie müssen sich nur durch die Analyse klicken und bei Bedarf die Standardwerte ändern), was die Belastung durch die eigene Berechnung dieser Analyse verringert. Dies ist auch auf Gruppenebene leicht umsetzbar, so dass Sie einen klaren Weg finden, um zu verstehen, wie sich emotionale Erregungsniveaus in verschiedenen Gruppen unterscheiden können.
Was können diese Daten aussagen?
Die GSR-Daten können ein Maß dafür sein, wie stark eine Emotion erlebt wurde, allerdings nicht die Richtung der Emotion. Erhöhungen der GSR-Aktivität wurden direkt mit einer Vielzahl von emotionalen Zuständen in Verbindung gebracht, was die Bedeutung dieser physiologischen Reaktion für das Erleben von Emotionen zeigt.
Die Bestimmung der Menge an SCR-Ereignissen bietet eine Möglichkeit, die Unterschiede zwischen Einzelpersonen oder Gruppen zu quantifizieren, und gibt Aufschluss darüber, wie Reaktionen auf verschiedene Stimuli ablaufen könnten oder ob es zwischen Populationen Unterschiede in der Reaktion auf denselben Stimulus gibt. Mit all dem im Hinterkopf können wir beginnen, wirklich zu verstehen, was wir messen, wenn es um Emotionen geht.
Ich hoffe, dieser Beitrag hat Ihnen neues Wissen über die SCR und die GSR im Allgemeinen vermittelt. Um ein vollständigeres und gründlicheres Verständnis zu erhalten, laden Sie unseren kostenlosen Leitfaden herunter.
Benedek, M., & Kaernbach, C. (2010). Ein kontinuierliches Maß für die phasische elektrodermale Aktivität. Journal of Neuroscience Methods, 190(1), 80-91. doi:10.1016/j.jneumeth.2010.04.028
Fowles DC, Christie MJ, Edelberg R, Grings WW, Lykken DT, Venables PH. Publikationsempfehlungen für elektrodermale Messungen. Psychophysiology, 1981;18(3):232-9.
Wenger CB. Thermoregulation. In: Freedberg IM, Eisen AZ, Wolff K, Austen KF, Goldsmith LA, Katz SI, editors. Dermatology in general medicine, 1. New York: McGraw-Hill; 2003. p. 119-27.
Boucsein W. Electrodermal activity. New York: Plenum University Press; 1992.
Critchley, H. (2002). Review: Electrodermal Responses: What Happens in the Brain. The Neuroscientist, 8(2), pp.132-142.
Anders, S., Lotze, M., Erb, M., Grodd, W. and Birbaumer, N. (2004). Gehirnaktivität bei emotionaler Valenz und Erregung: Eine reaktionsbezogene fMRI-Studie. Human Brain Mapping, 23(4), S.200-209.
Dawson ME, Schell AM, Filion DL. The electrodermal system. In: Cacioppo JT, Tassinary LG, Berntson GG, editors. Handbook of Psychophysiology. Cambridge: University Press; 2007. p. 159-81.
Kreibig, S. D. (2010). Die Aktivität des autonomen Nervensystems bei Emotionen: A review. Biological Psychology, vol. 84, no. 3, pp. 394-421.