自然言語の音声に対する聴覚的注意は複雑な脳のプロセスです。生理学的信号からこの注意を定量的に評価することは、現在の脳-コンピュータインターフェースシステムの応用範囲を拡大し、性能を向上させるために有益ですが、依然として困難な課題となっています。本稿では、自然言語の音声に対する聴覚的注意に関する実験で収集された生理学的信号のデータセットを紹介します。この実験では、異なる聴覚条件で再現された英語の文が25人の非ネイティブ参加者に提示され、参加者にはこれらの文を書き取るよう依頼されました。実験中、各参加者から14チャネルの電気頭皮図（EEG）、皮膚電気反応（GSR）、および光体积脈波計（PPG）信号が収集されました。正しく書き取られた単語数に基づいて、被験者に提示された各聴覚刺激に対して注意スコアが算出されました。注意スコアと聴覚条件との間に強い相関関係($p<<0.0001$p<<0.0001)があることが確認されました。また、収集されたデータセットに関連する4つの予測タスクを定式化し、特徴量抽出フレームワークを開発しました。スペクトル特徴量を使用したサポートベクターマシンにより各予測タスクの結果が得られ、偶然的なレベルよりも優れていました。本論文で示された結果の前処理、モデリング、および再現を容易にするために、Pythonライブラリ「phyaat」とともにデータセットが公開されています。データセットやその他のリソースはウェブページ - https://phyaat.github.io で共有されています。