神经科学
正如 Mihalyi Csikszentmihalyi（1975）所定义的，心流是一种整体性的感受，当个体完全沉浸于某项活动时会体验到这种状态，其心理特征表现为自我感减弱以及时间知觉改变。为探究心流背后的全局神经动力学，我们采用 EEG 微状态分析来捕捉主导性瞬时全脑状态的空间与时间特征（Lehmann et al., 1998）。
在一项涉及 43 名参与者进行 25 分钟电子游戏 Thumper 的研究中，我们从每次实验中提取了三个各 4 分钟的 EEG 片段，分别对应由自我报告和行为表现指标界定的心流、无聊和挫折体验。跨条件分析显示，六种不同的微状态拓扑（A-F）解释了大部分全局方差。鉴于自我参照加工减弱是心流的关键特征，我们假设心流会调节微状态 C 和 E 的属性；这两种微状态已被认为与类似默认模式网络（DMN）的脑区相关。
与无聊和挫折相比，心流条件下微状态 E 的全局解释方差、平均持续时间、时间覆盖率和出现频率均显著降低，同时微状态 C 的平均持续时间和时间覆盖率也显著降低。这些发现表明，与自我参照加工相关的微状态在心流中比在无聊和挫折时更短且更少出现。这支持了心流体验会调节全局脑动力学，尤其是默认模式网络的观点。此外，我们的结果与既往关于冥想和致幻状态下 DMN 活动降低的研究一致，进一步强化了这些状态下自我觉知减弱的观点。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.11.724329v1?rss=1
🏷️ 心流 EEG微状态 默认模式网络 时空动态 自我参照加工