在内部导向与外部导向的认知背景下,β波活动在双重任务工作记忆范式中所起的差异化作用
《Frontiers in Human Neuroscience》:Differential role of beta band activity in a dual-task working memory paradigm under internally vs. externally directed cognition
【字体:
大
中
小
】
时间:2026年05月12日
来源:Frontiers in Human Neuroscience 2.7
编辑推荐:
摘要
内部导向的认知(IDC),无论是自发的还是有意的行为,都与认知任务的表现受损有关。然而,这种干扰背后的神经生理机制仍不完全清楚。在本研究中,我们利用脑电图(EEG)技术表征了IDC的神经相关特征,并探讨了它们如何影响颜色回忆工作记忆任务的表现。参与者执行了一种新颖的双任务范
摘要
内部导向的认知(IDC),无论是自发的还是有意的行为,都与认知任务的表现受损有关。然而,这种干扰背后的神经生理机制仍不完全清楚。在本研究中,我们利用脑电图(EEG)技术表征了IDC的神经相关特征,并探讨了它们如何影响颜色回忆工作记忆任务的表现。参与者执行了一种新颖的双任务范式,该范式包括自我参照性(IDC)或对外部导向认知(EDC)的处理,随后进行颜色回忆任务。IDC在EEG中的晚前额正电位增加,这标志着持续的自我参照性处理。时频分析进一步显示,在IDC条件下,刺激编码期间alpha和beta频段的事件相关去同步现象增加,而在延迟期间alpha同步现象增加,这与内部注意力的维持一致。为了捕捉任务表现中的试验级变异性,我们对个别试验的数据应用了条件分位数回归分析。结果表明,在编码期间,beta去同步与任务类型相互作用时显著影响了低错误率的试验表现,而高错误率的颜色回忆试验则更多地由反应时间延长来解释。这些发现为内部导向认知提供了相互支持的电生理证据,并突显了它们在工作记忆表现中的行为后果。
1 引言
注意力在外部世界(例如屏幕上的计数)和内部世界(反映昨晚晚餐所塑造的自我心理状态)之间不断切换。复杂的认知功能依赖于外部注意力和内部生成的思想过程之间的无缝互动。根据Dixon等人(2014年)的研究,内部导向认知(IDC)涉及对长期记忆、工作记忆、前瞻性和回顾性思维以及自我参照内容的内部导向注意。这包括情景记忆检索、模拟未来事件、与刺激无关的思想、心理意象和做梦。IDC在很大程度上与外部环境脱钩,可以独立运作或对内部或外部刺激作出反应(参见Chun等人,2011年的综述)。相比之下,外部导向认知(EDC)是指指向外部感知世界的注意力,涉及对特定模态(如视觉和听觉输入)的感觉信息处理(Chun等人,2011年;Dixon等人,2014年)。虽然内部聚焦的状态对于内省和自我评估至关重要,但在执行EDC任务时,如果在任务的编码和维护阶段切换到这些状态,可能会消耗处理和编码外部刺激所需的认知资源,最终损害需要持续注意力的任务表现(Kam和Handy,2014年;Kane和McVay,2012年;Killingsworth和Gilbert,2010年;Rummel和Boywitt,2014年;Smallwood等人,2008年)。
为了探究这些有限的认知资源是如何分配的,工作记忆范式经常使用双任务设计。双任务会创建结构瓶颈和重叠的神经需求,从而导致行为成本(Kiesel等人,2010年;Pashler,1994年;Ruthruff等人,2001年;Worringer等人,2019年)。研究表明,无论是运动、空间还是听觉任务,都会严重干扰同时进行的视觉处理和空间维持(Romeo等人,2019年)。此外,最近的高密度脑电图(EEG)研究指出,同时出现的干扰会特别损害视觉记忆的编码阶段(Del Popolo Cristaldi等人,2025年)。尽管外部干扰对工作记忆的影响已有充分记录(Clapp等人,2010年;Clapp和Gazzaley,2012年;Gresch等人,2021年;Hallenbeck等人,2021年;Zickerick等人,2020年),但内部干扰带来的具体双任务成本仍然知之甚少。
自我参照性处理是IDC的一个核心方面,它在认知中扮演着双重角色:通过促进内部生成的思想来塑造主观体验并调节任务表现——通常是以牺牲任务专注的注意力为代价的(Dixon等人,2014年;Huijser等人,2018年)。神经影像学研究表明,自我参照性处理不仅招募了默认模式网络(DMN)和皮质中线结构,还与注意力和控制网络动态互动(Benedek等人,2016年;Dixon等人,2014年)。EDC和IDC之间的平衡由DMN(支持内部生成的思想)与额顶控制网络和背侧注意力网络(支持目标导向和感知处理)之间的相互作用调节。当自我相关性较高时,自我参照性处理会偏向于内部聚焦的认知(Raichle等人,2001年;Zhao等人,2018年)。除了神经影像学证据外,事件相关电位(ERP)研究一致地记录了具有动机意义或自我相关性的刺激导致的晚正电位增强(Hajcak和Foti,2020年;Katyal等人,2020年)。虽然被动接触情绪激动或自我相关的刺激通常会引发一个典型的、后部分布的晚正电位,与高度集中的视觉注意力相关(De Cesarei和Codispoti,2011年),但这些晚成分的头皮分布会根据具体的认知需求而显著变化。值得注意的是,当范式明确要求参与者主动评估自我相关性或从记忆中检索自我相关信息时,经常观察到明显的晚前额正电位(Fields和Kuperberg,2012年;Kotlewska和Nowicka,2016年;Magno和Allan,2007年;Mao等人,2017年;Nowicka等人,2018年;Porter等人,2021年)。由于内部导向认知本质上要求对内部思想进行主动评估、检索和维持,这种晚前额正电位可能作为将认知资源分配给内部表征而非外部感官处理的关键时间标志。
在振荡动态中,特别是在alpha和theta频段,IDC和EDC之间报告了不同的处理方式(Kam等人,2018年;Kam和Handy,2014年;Mu和Han,2010年;Subramaniam等人,2019年)。后部alpha频段的活动被认为是内部和外部认知模式的指标。涉及视觉空间注意力转换的EDC会可靠地调节后部alpha功率,因为据报道,在处理受关注输入的皮层区域,alpha功率会降低,而在未受关注的区域会增加(Rihs等人,2009年;Sauseng等人,2005年;Thut等人,2006年;Worden等人,2000年)。内部导向的认知状态,如自我参照性思维(Mu和Han,2010年)、稳态视觉诱发电位(SSVEP)任务中的IDC(O’Connell等人,2009年)以及心游(Kam等人,2018年),往往会增加顶叶部位的alpha频段活动。额中央中线theta功率通常与各种外部导向任务的成功表现相关(Cavanagh和Frank,2014年;Kam等人,2018年,2022年)。关于注意力重新定向的研究表明,beta功率的增加在将注意力从内部干扰(例如压力引起的侵入性思想)重新导向外部任务中起作用(Palacios-García等人,2021年),而beta去同步则与自我生成信息的检索相关(Graber和Fujioka,2020年;Subramaniam等人,2019年)。
尽管取得了这些进展,IDC对复杂认知任务的影响的某些方面仍未探索。具体来说,目前尚不清楚IDC是否影响感知特征的编码(当认知资源有限时)、维持期间的复述和回忆,或者同时影响这两个过程。此外,尽管先前的研究已经确定了与IDC相关的EEG特征,但仍不清楚哪些神经特征具体导致了其对任务表现的负面影响。为了解决这一空白,本研究使用了一种双任务范式来探究IDC和EDC之间的资源竞争,该范式包括自我参照性的IDC或感知EDC任务,并与颜色回忆工作记忆任务配对。为此,研究采用了一种新的颜色回忆工作记忆范式,参与者查看人格形容词,然后判断每个词描述他们的程度(IDC条件)或计算词中的元音数量(EDC条件),同时记录EEG活动。分析的目标是分离IDC的时间和频谱EEG特征,并评估它们对每次试验工作记忆表现的预测影响。具体来说,我们将调查围绕三个主要目标展开。首先,关于行为上的双任务成本,我们假设IDC条件会导致比EDC条件更大的颜色回忆错误,这是由于自我参照性处理的资源密集性(Huijser等人,2018年)。其次,关于这些认知状态的神经特征,我们预测在刺激编码期间,IDC条件会引发增强的晚前额正电位,反映自我参照性的参与(Fields和Kuperberg,2012年;Porter等人,2021年),以及alpha和beta的差异性去同步(Subramaniam等人,2019年)。此外,在随后的延迟期间,我们预计IDC条件会引发增加的后部alpha同步,反映内部思想对外部干扰的主动屏蔽(Kam等人,2018年;Mu和Han,2010年;O’Connell等人,2009年)。最后,我们的第三个目标是利用条件分位数回归来揭示这些不同的神经和行为标志如何在整个表现分布中差异性地影响工作记忆。
2 材料与方法
2.1 参与者
共有30名参与者(16名女性和14名男性,平均年龄=25.2岁,标准差=2.3岁)参与了一项涉及报告感知行为和同时进行脑电图(EEG)记录的研究。参与者需要拥有大学学位,并且英语是他们的教学语言。所有参与者报告视力正常或矫正后的视力正常,没有色盲史,都是右撇子,并且声明没有神经系统或精神疾病的历史。参与者因参与研究获得了金钱补偿,并同意按照印度国家脑研究中心(NBRC)机构人类伦理委员会(IHEC)批准的格式参与研究。由于在记录结束时检查发现两名参与者的电极阻抗超过了设定阈值,因此排除了他们的EEG数据。样本大小是根据EEG数据采集和参与者可用性的实际限制确定的,关于这个样本大小的详细事后敏感性理由在补充分析S2中提供。
2.2 行为范式
实施了一个复杂的颜色回忆工作记忆任务(图1A展示了试验顺序)。在每个试验开始时,一个提示词会在屏幕中央出现一段时间,时间从0.7秒到1.2秒之间随机采样,以0.1秒为间隔(平均值=0.97秒,标准差=0.17秒)。提示词指示参与者应执行的任务:
- 在EDC条件下,提示词是“元音”。
- 在IDC条件下,提示词是“自我”。
图1 行为范式和颜色回忆错误分布。(A)行为范式。在试验开始时,参与者会收到一个提示词“自我”或“元音”。然后,一个用于描述人格的形容词以某种字体颜色显示。参与者根据提示词在7点量表上做出反应;如果提示词是“自我”,他们需要回答“这个词在多大程度上描述了你的个性?”;如果提示词是“元音”,他们则需要计算词中的元音数量。在1秒的固定延迟后,通过颜色轮盘来测试参与者对字体颜色的记忆。在一半的试验中,试验结束时还会随机呈现一个思维探针(详见方法部分2.2)。
提示词之后,会显示一个固定持续时间在0.5秒到1秒之间的注视十字。接下来,一个来自常用特质形容词列表(Anderson,1968)的人格形容词会在屏幕中央以特定字体颜色显示(详见颜色轮设计部分2.3)。IDC和EDC条件使用了两组不同的形容词列表。这些列表在所有参与者中保持不变,以满足任务特定要求。对于这两种条件,形容词都是从Anderson(1968)的人格特质形容词规范集中选择的,特别是选择了中位数喜好评分较高的单词,以鼓励自我反思(Davey等人,2016年)。为了标准化EDC条件下的反应时间并保持各条件之间的延迟可比性(见补充图1),根据初步测试选择了包含两到四个元音的形容词。由于列表没有平衡,因此进行了事后分析,比较了它们在关键词汇属性(包括词频、长度和具体性)上的差异(见补充分析S1)。形容词的显示时间统一在1.5秒到2秒之间(平均值=1.78秒,标准差=0.16秒)。
根据提示词的不同,参与者执行以下两种任务之一:
- 在EDC条件下(元音),参与者计算词中的元音数量,并在七点量表上做出反应,表示计数结果(0–6)。这项任务被选为一种稳健的EDC控制方法,因为它要求参与者持续关注刺激的正字法和感知特征,同时尽量减少对其语义内容的关注。在IDC条件下(自我参照),参与者在七点量表上评估形容词对自己个性的描述程度,其中0表示“完全不符合我”,6表示“完全符合我”。这个SRP任务被选为IDC的典型操作化方案,旨在引发语义和自我参照的参与,这与内部导向认知的框架一致(Dixon等人,2014年)。在固定的1秒延迟后,屏幕上会出现一个色轮来探测形容词的字体颜色。参与者被要求尽可能准确和快速地完成评分和颜色回忆任务。在50%的试验中,随机选取的情况下,在颜色回忆响应后会呈现一个思考探针,以评估参与者在颜色回忆之前的延迟期间的思维内容(Huijser等人,2018年)。这个探针改编自之前的研究(Huijser等人,2018年;Stawarczyk等人,2011年;Unsworth和Robison,2016年),问题为:“在回答问题之前你在想什么?”选项包括:1. 我试图记住单词的颜色;2. 我仍在思考决策任务中的单词;3. 我正在评估任务的各个方面;4. 我被环境或我的身体状况分散了注意力;5. 我在白日梦或思考与任务无关的事情;6. 我没有注意,但也没有想任何具体的事情。所有选项同时呈现给参与者,确保不需要额外的认知负担来记住这些选择。
2.3 刺激设计与呈现
实验使用Matlab?(The MathWorks, Inc.,马萨诸塞州纳蒂克)设计,采用了Psychophysics Toolbox(Brainard,1997年)并在22英寸LED显示器上显示(75Hz;1,440×900像素),观看距离约为75厘米。屏幕的视角为宽度35.14°,高度22.40°。刺激显示在灰色背景上(128, 128, 128;RGB255),所有文本使用50pt的Arial字体生成(屏幕上字母高度约为1.7厘米)。因此,每个字母在垂直方向上的视角约为1.3°,一个包含6-8个字母的单词在水平方向上的视角约为6-8°,使得每个单词刺激都位于中央凹-旁中央凹范围内,消除了在屏幕上进行明显扫视或视觉搜索的需要。色轮采用RGB颜色空间设计,色调角度直接映射到空间角度上(总共360个色调,从0°到360°,每个色调增加1°,内半径=6.44°,外半径=7.85°)。在整个实验中,色调角度和空间角度保持不变,以便色轮上的每个度数都唯一对应一个特定的色调。对于每次试验,人格形容词的字体颜色是从这360个均匀分布的色调中随机选择的(例如,0°色调对应红色,120°对应绿色,240°对应蓝色;见图1)。参与者总共完成了120次试验,每种条件下60次试验。实验分为三个各40次试验的块。还有一个包含12次试验的单独练习块,使用不同的人格形容词列表。
2.4 EEG数据采集
EEG和行为数据是在隔音室内采集的,所有记录会话中的环境光线保持一致。EEG采用1kHz的采样频率,使用64通道的ActiChamp(Brain Products,德国)设备进行采集,该设备配备了主动电极以获得更好的信噪比。电极放置使用了10%电极放置系统。采集期间的阻抗保持在15kΩ以下,并在实验前后进行了检查。记录数据时,以FCz电极作为参考电极。Psychtoolbox通过从呈现刺激的计算机到EEG数据采集计算机的并行端口发送触发信号,实现了与EEG采集系统的同步。
2.5 行为数据分析
颜色回忆准确性通过测量绝对角度误差(绝对误差)来量化,定义为呈现的色调与参与者报告的色调之间的绝对差异。分析了中间任务和颜色回忆任务的反应时间。对于思考探针分析,计算了每个选项的参与者百分比响应,并进行了配对Wilcoxon符号秩检验,以比较IDC和EDC条件下六个选项之间的百分比响应。与Huijser等人(2018年)的研究一致,响应选项1被标记为任务相关,选项2被标记为心理加工,选项3被标记为任务相关干扰,选项4被标记为外部干扰,选项5被标记为走神,选项6被标记为注意力不集中。所有响应(不包括任务相关选项1)统称为非任务相关。
2.6 EEG数据预处理与分析
EEG数据在Matlab?(The MathWorks, Inc.,马萨诸塞州纳蒂克)中使用自定义脚本以及EEGLAB(Delorme和Makeig,2004年)和ERPLAB(Lopez-Calderon和Luck,2014年)工具箱函数进行分析。首先去除直流偏移,并使用非因果Butterworth滤波器在0.1Hz处对数据进行了高通滤波。去除对应于试验块之间休息期的数据段。对噪音过大的通道——定义为持续超过5秒的平线、高方差或极端幅度波动(大于1,000 μV)——使用球形样条插值进行插值(Perrin等人,1989年;平均插值通道数=1.1)。为了准备独立成分分析(ICA),移除了在任何250毫秒窗口内超过500微伏阈值的段。然后将数据在45Hz处进行低通滤波,并下采样至250Hz。ICA使用infomax算法(runica)在EEGLAB中实现。通过视觉检查组件,并移除了与眼睛和肌肉伪迹相关的组件(平均移除组件数=9.6,标准差=4.7)。接着使用共同平均重新参考方案对数据进行重新参考。编码期和延迟期的时区被分割出来进行进一步分析。编码期定义为从 personality adjective 刺激开始前的?500毫秒到+1,200毫秒。延迟期涵盖了颜色回忆轮开始前的固定1秒时间(见图1A)。此外,为了排除常见的伪迹电位,包括皮肤电位、运动伪迹、未知来源的突然电压变化,使用简单电压阈值(SVT)和移动窗口峰对峰(MW)算法对时区数据进行处理(Kappenman等人,2021年;Lopez-Calderon和Luck,2014年)。SVT的电压阈值设置为?150到150微伏,MW的窗口大小为500毫秒,窗口步长为100毫秒。平均而言,每个参与者的5.12%的试验被排除。
2.7 事件相关电位(ERP)分析
对于编码期,计算了事件相关电位(ERP),并使用500毫秒的刺激前持续时间进行基线减除。P200窗口定义为刺激后152–252毫秒,这与之前的视觉词识别研究一致(Katyal等人,2020年;Schindler等人,2023年)。对于晚期前额 positivity,根据自我参照处理的事件相关电位文献(Fields和Kuperberg,2012年;Mao等人,2017年;Nowicka等人,2018年),选择了先验时间窗口500–800毫秒。这种时间对齐与已建立的视频词识别时间过程模型一致,这些模型认为只有在初始词汇访问完成后才会发生更深层次的词汇后语义加工和整合过程,通常在400毫秒后出现(Grainger和Holcomb,2009年)。ERP的统计推断采用了两种互补的方法。首先,使用非参数基于簇的排列检验,结合FDR校正(α=0.05),来识别在P200和晚期前额 positivity窗口中显著不同的电极簇。随后,对于基于假设的检验,比较了来自显著不同电极簇的P200和晚期前额 positivity窗口的平均幅度,使用双尾配对样本t检验。
2.8 时间-频率分析
时间-频率分析使用复数Morlet小波变换在3–40Hz范围内进行。小波周期数从3Hz时的2个线性增加到40Hz时的12.5个,以实现时间和频率分辨率之间的最佳平衡。结果小波时间窗口从3Hz时的大约666毫秒到40Hz时的313毫秒,功率值通过减去刺激前窗口(?400至0毫秒)的平均功率来进行基线校正。基于先前的研究,时间-频率分析重点关注内侧前额beta与自我生成思考(Subramaniam等人,2019年)和后部alpha动态与内部和外部导向注意状态(Kam等人,2018年,2022年;O’Connell等人,2009年),选择了FieldTrip工具箱(Oostenveld等人,2011年)的排列检验,该方法基于每个时间-频率点计算的t统计量并结合了多重比较的簇校正(Maris和Oostenveld,2007年)。进行了10,000次排列,所有统计分析中的假阳性(alpha)阈值保持在0.05。
2.9 分位数回归
为了研究EEG特征、反应时间(RTs)和通过回忆错误测量的任务表现之间的关系,使用lqmm包版本1.5.8(Geraci,2014年)在R版本4.4.1中进行条件分位数回归。参与者的颜色回忆误差显示出右偏分布,许多误差较小,较大偏差较少(见图1B)。鉴于标准最小二乘回归模型估计的是条件均值,这对偏态分布来说不是一个稳健的度量方法,因此选择分位数回归来更全面地分析整个表现分布中的预测因子(Koenker和Bassett,1978年)。为了考虑表现分布的变异性,模型在三个代表性分位数处进行估计。选择τ=0.5来模型条件中位数,以提供误差分布中心趋势的稳健估计。为了研究分布较低和较高端的决定因素,分别选择了对称的分位数τ=0.2和τ=0.8。这种方法允许 specifically 检视影响低误差试验(即第20百分位中的小误差;τ=0.2)和高误差试验(即第80百分位中的大误差;τ=0.8)的因素,从而更细致地理解预测因子对不同误差水平试验的不同影响。
为了确定回忆误差的最佳预测因子组合,构建并比较了四个复杂度递增的分位数回归模型。预测因子的选择受到了内部导向认知和自我参照处理文献的指导(见引言部分)。对于内侧前额beta(15–30Hz)、alpha(8–12Hz)、theta(4–7Hz)和ERP(晚期前额 positivity),我们平均了包括Fz、F1、F2、F3、F4、AF3、AF4和AFz通道的簇的活动。对于后部alpha和beta带活动,我们平均了包括Pz、P1、P2、P3、P4、P5、P6、P7、P8、POz、PO3、PO4、PO7、PO8、Oz、O1和O2通道的广泛双侧顶枕簇的活动。每个试验被视为一个独立观察,SubjectID作为随机截距以考虑受试者间的变异。模型1:行为预测因子及其与条件类型的交互作用。该模型仅包括条件类型(ConditionID),中间任务(RTI)和颜色回忆任务(RTC)的反应时间及其与条件类型的交互作用作为预测因子。
模型2:行为预测因子、编码期的EEG特征及其与条件类型的交互作用。AbsoluteError(τ)=β0+β1ERP+β2Betaencoding+β3AlphaMFencoding+β4AlphaPOencoding+β5RTI+β6RTC+β7ConditionID+β8(ERP×ConditionID)+β9(Betaencoding×ConditionID)+β10(AlphaMFencoding×ConditionID)+β11(AlphaPOencoding×ConditionID)+β12(RTI×ConditionID)+β13(RTC×ConditionID)+u+ετ
AbsoluteError(τ)=β0+β1ERP+β2Betaencoding+β3AlphaMFencoding+β4AlphaPOencoding+β5RTI+β6RTC+β7ConditionID+β8(ERP×ConditionID)+β9(Betaencoding×ConditionID)+β10(AlphaMFencoding×ConditionID)+β11(AlphaPOencoding×ConditionID)+β12(RTI×ConditionID)+β13(RTC×ConditionID)+u+ετ,其中u是每个受试者的随机截距,ετ代表每个分位数τ处的残差。
模型3:行为预测因子、延迟期的EEG特征及其与条件类型的交互作用。
模型4:行为预测因子、编码期和延迟期的EEG特征及其与条件类型的交互作用。使用赤池信息准则(AIC)比较模型拟合度,并选择AIC最低的模型作为最佳模型进行进一步分析(表1)。lqmm包使用块自助法(Geraci,2014年;Geraci和Bottai,2014年)计算p值,这是一种特别适用于处理混合模型中簇数据的稳健方法,并且能够在不强的分布假设下提供准确的推断。为了考虑预测因子之间的多重比较,应用了Benjamini-Hochberg假发现率(FDR)校正(Benjamini和Hochberg,1995)对p值进行了校正。这种方法在控制假阳性预期比例的同时保持了统计功效。表1展示了模型参数和模型公式。模型1仅包含行为特征,AIC值为26.035.81;模型2在行为和EEG特征的基础上增加了编码阶段的信息,AIC值为26.001.6;模型3进一步加入了延迟阶段的信息,AIC值为26.108.39;模型4则综合了编码和延迟阶段的特征,AIC值为26.029。模型比较基于赤池信息量准则(AIC)值,较低的AIC值表示模型拟合效果更好。
3 结果
3.1 在IDC条件下,参与者表现出更多的分心行为
通过对参与者在颜色回忆任务前的思维探测反应进行分析,以确定他们的大脑状态。由于思维探测要求参与者将他们的心理状态分为六类(详见方法部分2.2),随后计算了每位参与者对每个选项的回答百分比。根据早期研究(Huijser等人,2018年),不同心理状态对应不同的选项:选项1表示专注任务中,选项2表示心理加工,选项3表示任务相关干扰,选项4表示外部干扰,选项5表示思维游离,选项6表示注意力不集中。然后使用配对非参数检验比较了EDC和IDC条件下每个选项的回答分布。结果显示,IDC条件下被归类为“心理加工”的选项2的回答百分比显著更高(Wilcoxon符号秩检验,Z=3.40,p=0.0007,Cohen’s d=0.67),而被归类为“专注任务中”的选项1的回答百分比在IDC条件下低于EDC条件(Wilcoxon符号秩检验,Z=-3.33,p=0.0009,Cohen’s d=-0.61,见图2)。在IDC和EDC条件下,对任务相关干扰、外部干扰、注意力不集中和思维游离的回答没有显著差异。
3.2 IDC条件下晚前额正电位的振幅更高
在单词呈现后0ms至1000ms的时间点上,以100ms为间隔,可视化了头皮上的瞬时电压分布,这反映了人格形容词在头皮上的处理过程。头皮图显示,在IDC条件下,处理主要发生在前额电极上,而在EDC条件下则更明显地发生在顶叶电极上。非参数群集置换检验(10,000次置换;α=0.05校正)显示,在晚前额正电位窗口(500–800ms)内,前额-中央电极簇(Fz、F1、F2、F4、FC2、FC1、C2、AFz、AF4和FP1)的振幅在两种条件下有显著差异(见图3B)。在P200(152–252ms)时间窗口内,没有电极在两种条件下显示出显著差异(见图3A)。
3.3 相对于EDC,IDC条件下对单词的心理加工频率更高
自我报告显示,在IDC条件下,延迟期间对人格形容词的心理加工频率更高,这支持了使用提示来操纵不同条件下单词处理的有效性。此外,这种较高的心理加工频率可能会阻碍后续颜色回忆任务的记忆复现,从而影响颜色回忆的表现。
3.4 条件类型对颜色回忆准确性的影响
整体来看,颜色回忆任务的表现呈现出明显的右偏斜(见图1B)。受试者水平的统计摘要显示,IDC条件下的平均绝对角度误差(均值=18.26°,中位数=11.92°,标准差=20.62°)与EDC条件(均值=19.22°,中位数=11.99°,标准差=22.51°)没有显著差异(t(27)=-0.84,p=0.40)。由于均值与中位数的较大偏离以及超过均值的标准差,算术平均值被高角度误差的试验长尾部所拉低。由于这些统计摘要未能准确反映数据的中心趋势或逐次试验的动态变化,我们使用了非参数线性分位数混合模型(LQMM)进行主要分析。为了探讨神经和行为预测因素如何影响不同表现水平的绝对误差,我们在三个分位数(τ=0.2、τ=0.5、τ=0.8)上拟合了LQMM(详见方法部分2.7)。模型中包含了条件类型(IDC或EDC)以及中间任务和颜色回忆任务中的反应时间(RT)。结果显示,与IDC条件相比,EDC条件下参与者犯的错误更少(见图6A)。有趣的是,这种效应从较低的分位数(τ=0.2,β=-7.90,SE=2.13,p=0.0011)到中位数和较高分位数(τ=0.5,β=-9.15,SE=2.41,p=0.001;τ=0.8,β=-9.35,SE=2.57,p=0.0013)都变得更强。然而,在中间任务和颜色回忆任务中,较慢的反应时间与错误率没有显著相关性(见图6C和D)。
3.5 相对于EDC,IDC条件下的频谱差异
接下来对EEG数据进行了时频分析,以检查两种条件下频谱功率的差异。具体来说,在两个时间窗口内分析了频谱特征:编码阶段和颜色回忆任务前的延迟阶段。应用了复杂的Morlet小波变换来分析3–40Hz频率范围内的时频特性。在编码阶段,基于t统计量的群集置换检验表明条件有显著影响(p<0.05)。在观察到的数据中,IDC条件下的β频率带活动显示出更高的事件相关去同步(ERD)(见图4A)。此外,在IDC条件下,顶叶-枕叶传感器(POz)和前额-中央传感器也观察到显著更高的事件相关去同步(见图4B和补充图3的时频图)。
3.6 条件类型对颜色回忆准确性的影响
总体而言,颜色回忆任务的表现呈现出强烈的右偏斜。受试者水平的总结统计数据显示,IDC条件下的平均绝对角度误差与EDC条件没有显著差异(详见图1B)。然而,由于均值与中位数的显著偏离以及超过均值的标准差,算术平均值被高角度误差的试验长尾部所拉低。因此,我们使用了非参数线性分位数混合模型(LQMM)进行主要分析。为了探讨神经和行为预测因素如何影响不同表现水平的绝对误差,我们在三个分位数(τ=0.2、τ=0.5、τ=0.8)上拟合了LQMM(详见方法部分2.7)。模型中包括了条件类型(IDC或EDC)和中间任务及颜色回忆任务中的反应时间(RT)。固定效应分析显示,与IDC条件相比,EDC条件下参与者犯的错误更少(见图6A)。这表明,β波功率在减少回忆错误方面的积极作用仅在EDC(内部导向认知)期间存在,在IDC(外部导向认知)期间被破坏。其他脑电图(EEG)测量指标,包括晚前额正电位幅度和α波功率,并没有显著影响颜色回忆(见表2)。此外,在所有分位数中,颜色回忆反应时间(RT)与条件ID之间存在显著交互作用;具体来说,在EDC条件下,较长的颜色回忆RT与颜色回忆错误相关(τ = 0.2: β = 2.76, SE = 0.80, p = 0.002;τ = 0.5: β = 4.14, SE = 1.09, p = 0.001;τ = 0.8: β = 6.27, SE = 1.14, p < 0.001),这表明两者之间存在共同的变异。
讨论
本研究探讨了内部导向认知(IDC)对工作记忆的影响以及与此相关的神经机制。研究采用了颜色回忆工作记忆范式,并进行自我参照处理任务。相比之下,在外部导向认知(ECD)条件下,使用的是元音计数任务而非自我参照任务。研究的主要实证发现如下:首先,从行为上看,参与者在EDC条件下的颜色回忆准确率高于IDC条件下的准确率,且在所有表现水平上均如此。其次,在IDC条件下,刺激编码期间,内侧前额传感器出现了晚前额正电位,表明参与者对人格形容词进行了自我参照处理。此外,与IDC相比,ECD条件下,在编码期间,内侧前额传感器和后部传感器在α和β波段的事件相关去同步(ERD)更为显著。在延迟阶段,IDC条件下的枕顶传感器显示出更高的α波功率。第三,编码期间,内侧前额β波功率与条件类型的交互作用显著影响了错误分布的低分位数处的颜色回忆准确率,而高分位数处的反应时间与这种交互作用显著相关。
先前的研究表明,自我参照处理会引发自我生成的思想(Huijser等人,2018年),这些思想被认为是IDC的核心组成部分(Dixon等人,2014年)。因此,这种范式为研究IDC机制提供了一种可靠的方法。当前的思维探测分析显示,在IDC条件下的延迟阶段,参与者更容易分心(见图2),表现为更多的心理 elaboration(即更多的内省活动)。与这些发现一致的是,IDC条件下的颜色回忆表现明显低于ECD条件。这些结果表明,自我参照处理可能会分散认知资源,从而影响任务表现。
电生理分析证实,不同条件下对人格形容词的处理方式不同。以往使用EEG研究自我参照处理的研究显示,对人格形容词的ERP(事件相关电位)特征存在显著差异,通常表现为对其自我相关性的高反应(Fields和Kupperberg,2012年;Kotlewska和Nowicka,2016年;Magno和Allan,2007年;Mao等人,2017年;Nowicka等人,2018年;Porter等人,2021年)。在本研究中,根据试验开始时的提示以自我参照方式处理人格形容词,导致晚前额正电位的幅度显著增加(见图3C)。虽然典型的后部分布的晚正电位通常与持续的情感参与有关(Hajcak和Foti,2020年),但前额分布的晚正电位是由要求主动评估和检索自我相关信息的任务引发的(Fields和Kupperberg,2012年;Mao等人,2017年)。在本范式的背景下,这种增强的前额晚正电位反映了自我参照内容对注意力的捕获。这种深入的认知参与与EDC任务所需的感知分析不同,表明本研究中的晚前额正电位效应反映了自我参照判断所涉及的特定认知操作。ERP中的P200成分被认为负责外源性注意力捕获(Carretié,2014年;Kanske等人,2011年)和单词的自动语义处理(Crowley和Colrain,2004年;Lei等人,2017年;Schindler等人,2023年),但在两种条件下没有差异,这表明早期处理过程可能没有区别。此外,处理人格形容词期间观察到的晚前额正电位成分的差异与Grainger和Holcomb(2009年)提出的时间过程模型一致,该模型认为语义分析和整合过程发生在刺激呈现后的400毫秒内,这与本研究中观察到的晚前额正电位差异的时间窗口相符。因此,结合当前的电生理结果和文献,可以认为IDC条件下的人格形容词经历了更深入的自我参照处理。
时频分析显示,在IDC条件下处理人格形容词时,内侧前额和顶叶传感器处的α波去同步更为明显(见图4)。这些观察结果进一步支持了文献中关于α波去同步与刺激情感参与相关的观点(De Cesarei和Codispoti,2011年;Knyazev等人,2008年;Otten和Jonas,2014年;Schubring和Schupp,2019年)。相反,在颜色回忆前的延迟阶段,IDC条件下后部传感器处的α波功率更高(见图5A)。这种延迟阶段的α波增加是内部导向注意力的特征(Kam等人,2018年;O’Connell等人,2009年)。综合考虑思维探测结果、ERP分析和时频发现,IDC条件促进了刺激编码期间的语义和自我参照参与以及延迟阶段的内部专注,使得这种范式成为研究IDC机制的可靠选择。然而,当前设计的一个局限性是,尽管将IDC与ECD进行了对比,但某些认知系统(如目标维持和工作记忆相关的系统)在两种条件下都处于激活状态,因此很难明确区分仅属于IDC的神经过程。
采用分位数回归来评估ERP、β波功率和α波功率以及反应时间在内部导向和外部导向认知条件下的差异贡献。这是因为传统的回归方法(如普通最小二乘法)假设因变量所有水平之间的关系是恒定的,从而估计预测变量对结果变量的平均效应。然而,在本研究中,由于颜色回忆错误的分布并不均匀,分位数回归考察了自变量如何预测错误分布的不同部分,从而允许我们研究不同任务表现水平(即颜色回忆中的低、中、高错误,对应于低、中、高分位数)。条件类型(IDC与ECD)的效应在所有分位数上均显著,表明ECD条件具有持续的性能优势。然而,这种效应在中高分位数上的幅度增加,表明虽然条件差异在低错误试验中已经存在,但在高错误试验中更为明显。尽管条件之间的α波和ERP测量值在群体水平上有差异,但它们并未显著预测单个试验观察值的绩效方差。一个可能的解释是,这些测量值反映的神经过程与当前范式中的颜色回忆任务表现没有直接关联,而只是内部导向注意力的特征。
IDC条件可能需要更深入的语义和自我参照处理。这导致IDC下的自我生成思想更多,从而比ECD更多。Subramaniam等人(2012年,2019年)的研究报告了自我生成信息的产生和检索过程中内侧前额皮质(mPFC)的激活。Subramaniam等人(2019年)的脑磁图(MEG)研究进一步报告了自我生成信息期间mPFC β波功率的抑制。与先前的研究结果一致,本研究中观察到在编码阶段IDC条件下的mPFC β波功率降低。此外,我们的分位数回归分析表明,前额传感器处β波功率的变化程度对颜色回忆有显著的、条件依赖的影响。综上所述,IDC下更多的自我生成思想(如思维探测结果(图2)和神经特征(图4)可能导致颜色回忆表现较差。这可能通过两种机制实现,但这两种机制并非互斥。一种可能性是,在IDC的编码阶段更多的自我生成思想可能导致α波和β波的去同步,从而促进皮层信息处理(Hanslmayr等人,2012年)。然而,这减少了编码低优先级(字体颜色)感知特征的资源,从而影响其回忆。另一种可能性是,在延迟阶段向内部导向认知的转变伴随着顶枕部α活动的增加(见图5A)。根据Klimesch等人(2007年)的抑制理论,这种增加的后部α波是内部注意力的特征,反映了主动抑制视觉皮层以屏蔽外部感觉干扰(Benedek等人,2014年,2016年;Kam等人,2018年,2021年)。这种视觉皮层的主动抑制应与维持视觉颜色表征直接冲突,从而导致颜色回忆任务表现较差。这些机制并非相互排斥,IDC可能同时干扰编码和维持相关过程。然而,由于延迟阶段的时频参数并未改善分位数回归模型的拟合度,且编码过程中的内侧前额β波功率确实影响了试验间的表现(见图6B), current研究为前者机制提供了证据。
总之,低错误试验的占优(见图1B)表明参与者在颜色回忆任务中的表现相对较好。因此,分位数回归分析显示,在编码过程中,内侧前额β波功率与条件类型的交互作用显著预测了这些分位数的表现。相反,反应时间仅在错误较多的试验中成为主要预测因素,这些试验较少,表明在这种试验中出现了速度与准确性的权衡。此外,通过整合试验级别的EEG和分位数回归,我们的发现表明β波功率与表现之间的关联取决于编码期间的注意力状态。具体来说,在ECD条件下观察到的β波功率与颜色回忆错误的反比关系在IDC条件下并不明显。鉴于这种分离,我们推测IDC状态可能会干扰支持有效感知捆绑的神经过程。任务阶段之间观察到的不同谱特征表明IDC可能如何影响目标导向任务中的视觉工作记忆处理。
本研究的潜在局限性之一是缺乏眼动监测。可以认为,IDC和ECD条件下颜色回忆表现的差异可能源于基本视觉编码的差异,例如IDC条件下对词刺激的注视次数较少。然而,由于所有词刺激都在中央的中央凹-旁中央凹范围内显示,并且参与者被指示保持固定的注视距离,因此视觉暴露的差异很小。一个基于眼动学的替代假设是,我们任务的不同认知需求可能会引发不同的注视策略。感知元音计数任务(ECD)可能会鼓励积极扫描(即更多的、较短的注视),而内省性自我参照任务(IDC)可能会诱导“感知解耦”状态,以屏蔽外部干扰(Benedek等人,2017年)。这种状态通常表现为较少的和较长的注视,反映了注意力的内向转移。然而,由于缺乏直接的眼动数据,这只是一种解释。未来将EEG与眼动追踪结合的研究将有助于直接测试这些关于内部与外部注意力期间注视行为的竞争性假设。我们还承认,我们对绝对角度误差的使用假设了物理刺激空间和心理物理颜色空间之间的线性映射,这一局限性在Schurgin等人(2020年)的研究中有所指出。然而,由于这种非线性在两种注意力条件下都存在,因此观察到的绩效差异仍然是IDC任务所造成的认知成本的有效指标。本研究的另一个潜在局限性是使用了两种不同的、不平衡的形容词列表用于IDC和ECD条件。这一设计选择是由于每个任务的具体约束所必需的;然而,这也意味着实验项目被嵌套在各种条件中,从而增加了观察到的差异可能受刺激词汇属性而非注意力操控的影响的可能性。为了缓解这一担忧,我们通过匹配各列表在词频、具体性和情绪价值方面的特征来尝试消除这种可能性。此外,尽管各列表之间的词长存在必然差异,我们还通过将词长作为协变量重新估计了主要的分位数混合效应模型进行了控制分析。该分析的结果详见补充材料,证实词长并未显著影响颜色回忆表现,且条件和β值的各项关键效应均保持不变。尽管如此,我们仍承认这一设计局限,未来的研究可以致力于开发能够完全平衡刺激因素的实验范式。最后,本研究的另一个局限性在于无法进行额外的分析以将模型限制在特定的主观认知状态之下。由于为了维持任务流程,思维探测仅在部分试验中呈现,如果根据主观反应筛选数据集,将会丢失大量数据。未来需要采用更多试验次数或连续状态跟踪的方法来解耦这些依赖于特定状态的神经动态。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号