神經科學
正如 Mihalyi Csikszentmihalyi（1975）所定義的，心流是一種整體性的感受，當個體完全沉浸於某項活動時會體驗到這種狀態，其心理特徵表現為自我感減弱以及時間知覺改變。為探究心流背後的全局神經動力學，我們採用 EEG 微狀態分析來捕捉主導性瞬時全腦狀態的空間與時間特徵（Lehmann et al., 1998）。
在一項涉及 43 名參與者進行 25 分鐘電子遊戲 Thumper 的研究中，我們從每次實驗中提取了三個各 4 分鐘的 EEG 片段，分別對應由自我報告和行為表現指標界定的心流、無聊和挫折體驗。跨條件分析顯示，六種不同的微狀態拓撲（A-F）解釋了大部分全局方差。鑑於自我參照加工減弱是心流的關鍵特徵，我們假設心流會調節微狀態 C 和 E 的屬性；這兩種微狀態已被認為與類似預設模式網絡（DMN）的腦區相關。
與無聊和挫折相比，心流條件下微狀態 E 的全局解釋方差、平均持續時間、時間覆蓋率和出現頻率均顯著降低，同時微狀態 C 的平均持續時間和時間覆蓋率也顯著降低。這些發現表明，與自我參照加工相關的微狀態在心流中比在無聊和挫折時更短且更少出現。這支援了心流體驗會調節全局腦動力學，尤其是預設模式網絡的觀點。此外，我們的結果與既往關於冥想和致幻狀態下 DMN 活動降低的研究一致，進一步強化了這些狀態下自我覺知減弱的觀點。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.11.724329v1?rss=1
🏷️ 心流 EEG微狀態 預設模式網絡 時空動態 自我參照加工