更快地获取错误信息的更正内容有助于提升长期记忆表现:一项ERP(事件相关电位)研究
《Neuropsychologia》:Faster Initial Retrieval of Misinformation Corrections Predicts Better Long-Term Memory: An ERP Study
【字体:
大
中
小
】
时间:2026年03月11日
来源:Neuropsychologia 2
编辑推荐:
郭 Sean | 陈丹妮 | 胡婉柔 | 胡晓青
香港特别行政区香港大学心理学系
**摘要**
有效编码错误信息的更正对于做出明智的决策至关重要。然而,即使在错误信息被更正后,它仍然常常会影响人们的信念和判断。在这项研究中,我们使用脑电图(EEG)来考察参与者在编码
郭 Sean | 陈丹妮 | 胡婉柔 | 胡晓青
香港特别行政区香港大学心理学系
**摘要**
有效编码错误信息的更正对于做出明智的决策至关重要。然而,即使在错误信息被更正后,它仍然常常会影响人们的信念和判断。在这项研究中,我们使用脑电图(EEG)来考察参与者在编码事件、其原因以及这些原因的更正/确认时的神经认知过程。参与者随后在第一天和第二天分别对原因的真实性进行了判断。从行为上看,第一天更快的正确判断预示着第二天更准确的延迟真实性判断,这表明测量反应时间可以识别出编码不充分的更正。第二天再次接触错误信息并未改变对更正的记忆。尽管我们没有观察到任何后续记忆效应,但我们发现更正的P300波幅比确认更小。当仅考虑随后的准确真实性判断时,我们发现编码更正时的额叶慢波幅度更大。这些发现提供了初步的神经证据,表明处理更正可能比确认更困难。
随着错误信息在社会中的传播和扩散变得越来越普遍,了解如何有效纠正错误信念以及记忆与信念之间的关系变得极为重要(Ecker等人,2022年)。因果错误的错误信息尤其具有破坏性,因为因果关系构成了我们对世界的解释,并影响我们如何归咎(Cushman,2008年;Lombrozo,2010年)。即使过时的因果信息得到了更新,它仍然可能对决策产生长期影响,这种现象被称为持续影响效应(CIE,Chan等人,2017年;Ecker等人,2022年;Wilkes & Leatherbarrow,1988年)。未能编码或整合更正可能是CIE的一个驱动因素(Ecker等人,2022年;Kendeou等人,2019年),即使错误信息最初被成功纠正,信念也可能在一段时间后再次增强(Rich & Zaragoza,2020年;Swire-Thompson等人,2023年)。在这里,我们使用脑电图(EEG)来研究错误信息更正的编码过程,并将这些过程与对更正的后续记忆联系起来。在延迟后,我们研究了重复错误信息是否会导致信念增强(即虚假真理效应)。
为了便于理解,我们提供了研究中引用的关键词的定义。CIE范式中的叙述通常描述一个特定场景,我们将其称为事件(例如,房子着火了)。这些事件通常由特定原因引起,我们将其称为原因(例如,火灾的原因是炉子)。有时,事件所谓的原因是可以撤回的,我们将这些撤回称为更正(例如,房子火灾的原因不是炉子)。否则,原因也可以得到确认,我们将这些确认称为确认(例如,房子火灾的原因是炉子)。
**CIE的神经相关性**
了解编码因果错误信息更正过程中的神经认知活动有助于制定旨在减少CIE的干预措施。先前的神经研究表明,编码更正与大脑活动的减少有关,这涉及信息整合和阅读理解,例如在楔前叶、后扣带回皮层和左侧颞中回区域的活动(Gordon等人,2017年;Jin等人,2022年)。这一发现表明,处理更正可能比确认更困难,并且与未能将错误信息与其更正联系起来会导致错误信念的观点一致(Ecker等人,2022年;Gordon等人,2017年;Kendeou等人,2014年)。尽管脑-行为相关性可以提供关于受试者内部过程的线索,但由于每个受试者的试验次数不足,这些发现无法说明在成功和失败更正回忆期间的大脑活动是否存在差异。增加试验次数可以帮助提供这一证据,并阐明有效纠正因果错误信息背后的机制。
**考察后续记忆效应(SME)**
考察后续记忆效应(SME)可以揭示与成功和失败回忆更正相关的神经活动。在SME研究中,编码期间的试验通常根据后续记忆表现(记住或忘记)进行分类。越来越多的研究确定了早期顶叶的正向偏移(称为P300)和晚期额叶的正向偏移(称为额叶慢波FSW)是SME的重要组成部分(Mecklinger & Kamp,2023年)。
P300 SME通常在研究单词和图像的细节导向记忆时被诱发,更大的振幅表明对刺激进行了更详细的处理(Forester & Kamp,2023年;Gonsalves & Paller,2000年;Kamp等人,2017年)。例如,在编码图像时较大的P300振幅与更好的后续识别相关(Forester & Kamp,2023年)。P300 SME被认为支持独特的刺激编码和刺激组件的单元化,例如将两个不同的单词编码成一个连贯的表示(Kamp等人,2017年)。虽然P300指标详细的项编码,但FSW预测单词或图像对之间的关联记忆,更大的振幅预测项目之间的更强关联(Forester & Kamp,2023年;Kamp等人,2016年,2017年;Kim等人,2009年)。FSW SME被认为反映了涉及关联编码的工作记忆过程,无论熟悉度或回忆是主要的检索策略(Kamp等人,2017年)。例如,当参与者需要记住图像对时,在查看图像对中的第二个图像时更大的FSW振幅预测了对内更强的关联(Forester & Kamp,2023年)。
由于编码错误信息更正的重要性(Ecker等人,2022年;Gordon等人,2017年;Guo等人,2025年),我们的主要目标之一是考察编码期间的P300和FSW振幅是否与对更正的后续记忆相关。我们对参与者在编码事件和原因时记忆更正与P300和FSW的关系没有方向性假设。然而,我们预测编码更正时较大的P300和FSW振幅将反映更有效的更正编码和更强的错误信息-更正配对,从而与更好的更正记忆相关。
即使没有观察到SME,P300和FSW振幅也可以提供关于更正和确认之间心理过程的信息。过去的研究表明,减弱的P300振幅指标认知努力和工作记忆负荷(Scharinger等人,2017年),更多的注意力资源招募(Polich,2007年),这表明更困难的认知任务与较低的P300振幅相关(Ghani等人,2020年)。因此,检查P300也可能揭示更正和确认的相对难度,扩展了之前的fMRI研究(Gordon等人,2017年;Jin等人,2022年)。尽管我们之前的错误信息研究发现,当参与者需要用另一种解释更新错误信息时P300振幅较小,但重复关键短语将重复与更新混淆,这阻碍了解释(Guo等人,2025年)。在这项研究中,我们在控制单词重复效应的情况下,比较了更正和确认之间的差异。
**对因果错误信息更正的延迟记忆**
即使人们在收到更正后立即记住它们,但对更正的信念已被证明会随时间增加(Carey等人,2022年;Rich & Zaragoza,2020年),而对更正的记忆会随时间减弱(Swire-Thompson等人,2023年)。因此,延迟后对错误信息的信念增加可能是由于更正变得不可访问或被遗忘(Kemp等人,2024年;Swire-Thompson等人,2023年)。更强的记忆与随时间更强的抗遗忘能力相关(Radvansky等人,2022年),这表明更强的错误信息-更正关联可能与更持久的更正记忆相关。衡量这种关联的一种方法可能是通过反应时间。回忆期间的更快反应时间(RTs)与更自信的回忆相关(即“记得”而不是“知道”的判断;Dewhurst等人,2006年;Wixted & Stretch,2004年)以及刺激对之间的更强关联记忆(Craddock等人,2012年;Eimas & Zeaman,1963年;Kounios等人,2001年)。因为更正通常通过关联过程与错误信息相关联(Ecker等人,2011年;Gilbert等人,1990年,1993年),我们预计RTs可能反映更正与错误信息的关联强度。因此,在我们的研究中,我们考察了更正和确认记忆RTs与延迟后对更正的记忆之间的关联。
鉴于错误信息与其更正之间的强关联与减少错误信息信念相关(Ecker等人,2011年),我们假设如果更快的反应时间反映了更强的错误信息-更正关联,那么更快的更正记忆将与延迟后的更正记忆相关。
**同时识别和暴露范式**
除了研究RTs是否与更正记忆相关外,我们还感兴趣于重新阅读错误信息是否会影响对更正的记忆。在实验室之外,人们可能会多次接触到相同的错误信息(Weng等人,2024年)。根据虚假真理效应,仅仅阅读一个陈述就会增加其流畅性,这可能会被误认为是可信的(Fazio等人,2015年;Gilbert等人,1990年)。尽管虚假真理效应表明重复接触错误信息可能会增加信念,但尚不清楚当错误信息已经被更正后这种效应是否仍然存在(即在阅读反驳陈述后遇到错误信息)。重要的是,这个问题与所谓的“反效果”不同,后者通常未能得到复制(Wood & Porter,2019年)。为了更详细地研究这一点,我们设计了一个新任务,操纵参与者是否看到完整的错误信息(在这里定义为事件-原因对,例如,房子着火-炉子)。这与通常引发虚假真理效应的方式不同(即通过重复陈述或标题,Fazio等人,2015年),但与我们实验中最初向参与者呈现错误信息的方式更为一致。这个新任务的指示只是识别屏幕上呈现的刺激是否在实验中之前出现过(即,旧/新识别任务)。然而,参与者并不知道,某些原因-事件对被完整呈现,而其他原因则分别呈现(即,原因在事件之后20次试验时呈现)。这使我们能够考察查看完整的因果事件对是否会增加错误信息的可访问性,并可能在检索过程中增加对基于启发式的自动过程的依赖。
**实验概述**
为了研究错误信息及其更正编码的神经相关性,我们修改了传统的CIE范式以适应EEG。在实验的第一天,参与者首先学习了一系列事件、原因以及这些原因的更正或确认,随后测试了他们对原因真实性的记忆。在实验的第二天,参与者完成了一个识别任务,同时让他们接触到完整的或分离的因果错误信息对(即,同时识别和暴露任务),然后以与实验第一天相同的方式测试了他们对更正和确认的记忆。
**参与者**
我们招募了61名大学生(49名女性;平均年龄22.67岁,标准差2.71岁)。招募的参与者年龄在18至35岁之间。他们报告视力正常或接近正常,没有色盲,没有慢性疾病、神经系统疾病或睡眠障碍的历史。由于实验使用中文文本刺激,因此只招募了母语为中文的参与者。参与者因参与实验获得了金钱补偿(大约每小时10美元)。参与者是通过向大学生发送大量电子邮件招募的。由于以下原因,部分参与者被排除在EEG编码和真实性判断行为分析之外:真实性判断准确性低于随机水平(低于50%,n = 4人)、未能遵循实验指令(n = 6人)以及退出实验(n = 2人)。此外,还有1人因记录过程中的技术问题也被排除在EEG分析之外。我们报告了51名参与者在第一天和第二天进行的真实性判断任务的行为分析结果,以及49名参与者的同时识别和暴露任务的结果。我们还报告了50名参与者的EEG编码分析结果。
实验采用了2(原因真实性:真实 vs. 假)× 2(第二天暴露类型:完整 vs. 分离)的被试内设计。参与者在两个时间点(第一天和第二天)提供了真实性判断。
实验材料
从材料试点中选择了180个场景用于实验。每个场景包括一个原因词和一个描绘事件的图像。例如,一张着火的房子的图像与原因“炉子”配对,表明火灾是由房子里的炉子引起的。每个原因词的长度控制在两个汉字以内。图像是从网上获取的。
为了预测试,共创建了247个独特的场景。预测试的目的是去除那些具有过高或过低情绪价值的刺激、原因与事件关联过于强烈或薄弱的原因,或者原因显得过于可信或不可信的原因。我们招募了10名大学生志愿者,让他们对图像及其相应原因的情绪价值、图像与原因之间的关联性以及原因与事件关系的可信度进行评分,评分范围从1(低/负面)到7(高/正面)。最终选定的图像(平均分M = 3.56,标准差SD = 0.75)和原因词(平均分M = 3.60,标准差SD = 0.87)被认为具有中等情绪价值。原因与事件之间的关联性也被评为中等(平均分M = 4.92,标准差SD = 1.01)。原因与事件关系的可信度相对较高(平均分M = 4.79,标准差SD = 1.05)。有关我们如何去除预测试刺激的详细信息,请参见补充材料A。
实验程序
实验使用PsychoPy版本2020.2.10(Peirce等人,2019年)在两天内进行。在实验的第一天(“第一天”),参与者首先完成了一个熟悉化任务,表明他们对接下来任务中将使用的一系列单词的熟悉程度。然后,他们完成了编码任务,在此任务中,会呈现事件(以图像形式)、原因(以单词形式)以及纠正或确认信息。他们被要求想象将原因与事件联系起来的场景,并记住纠正或确认的内容。之后,他们完成了一个3-back任务作为干扰项。最后,他们完成了一个真实性判断任务,需要判断编码任务中的原因是否被纠正或确认。在第二天(“第二天”),参与者首先完成了同时识别和暴露任务,随后进行了另一个真实性判断任务。原因和真实性信息以简体中文呈现。
熟悉化任务(第一天)
在任务中,参与者在电脑屏幕上看到一系列单词(每个单词显示时间最长3秒),并使用‘a’或‘l’键表示“理解”或“不理解”,这两个键在参与者之间是平衡分配的。除了测试理解能力外,这个任务还有助于减弱与新奇性相关的EEG反应。未识别的单词对应的试验被排除在后续的行为和EEG分析之外。如果参与者的得分低于80%,他们将被排除在实验之外。然而,没有参与者的得分低于这个阈值(平均分M = 98.9%,标准差SD = 2.3%)。
编码任务(第一天)
参与者被告知将会看到一系列图像和单词,每个图像代表一个事件,每个单词代表该事件的原因。他们需要对每个原因-事件对进行生动程度评分(即他们能想象原因导致事件结果的程度),并且被告知不要预先判断原因看起来是真实还是虚假。接下来,他们被告知将会看到对原因的纠正或确认信息。他们被要求记住事件、原因以及纠正或确认信息,以便后续的记忆测试。参与者完成了两次练习试验以熟悉整个流程。
在每次试验中,参与者首先在屏幕中央看到一个描绘事件的图像(例如,着火的房子)(显示时间2秒)。在注视十字(0.3-0.5秒)之后,他们看到一个表示原因的单词(例如,炉子)持续2秒。然后他们有最多3秒的时间使用1(低)到5(高)的数字键来评分他们对原因与事件之间关系的想象生动程度。在另一个注视十字(0.3-0.5秒)之后,他们会看到一个纠正或确认信息。在确认条件下,参与者看到“True”这个词;在纠正条件下,他们看到“False”这个词(以简体中文字符显示)。试验间隔设置为1秒(图1b)。共有180个独特的场景(每个场景包括一个事件、一个原因以及一个纠正或确认信息),这些场景在确认和纠正条件下均匀随机分配。每个场景在任务中出现了两次(即在前180次试验中出现一次,在后180次试验中出现一次),总共进行了360次试验。参与者每20次试验后可以自行休息。
下载:下载高分辨率图像(571KB)
下载:下载全尺寸图像
图1. 实验流程示意图和示例试验
注意:
a) 实验时间线显示了任务执行的顺序和每个任务的持续时间。
b) 纠正条件下的示例编码试验。每次试验以一个描绘事件的图像开始。然后显示事件的原因(以单词形式)。在给出生动程度评分后,显示原因的真实性(左为虚假条件;右为真实条件)。红色轮廓表示感兴趣的ERP时期。
c) 示例真实性判断试验。每次试验以之前编码试验中的一个原因词开始,直到参与者做出反应,然后显示信心评分(‘s’和‘k’分别表示按哪个键表示低信心和高信心)。
d) 参与者完成了一个识别和暴露任务,在这个任务中他们对单词和图像进行旧/新判断。参与者不知道的是,这个任务被分成了完整条件(e)和分离条件(f)。在完整条件下,事件和原因按原始顺序呈现。在分离条件下,事件和原因之间有20次试验的间隔。此图中的文本已从简体中文翻译成英文。
3-back任务(第一天)
在编码任务之后,参与者完成了一个3-back工作记忆任务(大约持续10分钟),他们需要判断屏幕上显示的数字是否与三 trials 前显示的数字相同或不同。共有240次试验,参与者每60次试验后可以自行休息。
真实性判断(第一天)
参与者被告知将会看到编码任务中的一系列原因,并被要求快速准确地记住这些原因是否被纠正或确认。在任务之前,参与者完成了两次练习试验以熟悉流程。在每次试验中,屏幕上会显示一个编码任务中的原因词。参与者可以使用‘a’或‘l’键(在参与者之间平衡分配)来表示他们认为原因之前是否被纠正或确认。参与者回答后,可以使用‘s’(低信心)或‘k’(高信心)键来评分他们的答案信心,没有时间限制。最后,在下一个原因词出现在屏幕上之前,会显示一个注视十字(0.3-0.5秒)(图1c)。每个原因词在任务的不同部分出现了两次(即在前180次试验中出现一次,在后180次试验中出现一次),总共进行了360次试验。
同时识别和暴露任务(第二天)
在实验的第二天,参与者完成了一个识别任务,他们需要判断屏幕上出现的图像或单词是否在第一天实验中见过。在每次试验中,屏幕中央会显示一个单一的刺激(图像或原因词)(显示时间1秒),随后会出现一个文本提示(显示时间1秒),表示可以做出响应。当这个文本提示出现时,参与者使用‘a’或‘l’键来表示他们认为这个刺激是旧的还是新的,这两个键在参与者之间是平衡分配的。试验之间会显示一个注视十字(0.3-0.5秒)。所有来自第一天的图像和原因词都出现了两次,共有720次试验包含旧刺激。另外还有360次试验包含新刺激(即诱饵,180个新单词和180张新图像),这些新刺激在视觉和语义上与旧刺激相似。参与者每180次试验后可以休息一次。
参与者不知道的是,识别任务包括两个实验条件。在完整条件(图1e)下,原因词在其对应的事件图像之后立即呈现(即保持第一天事件-原因的原始顺序)。在分离条件(图1f)下,原因词在事件图像之后有20次试验的延迟才呈现。我们包含分离条件是为了确保所有刺激对参与者呈现的次数相同,以控制刺激的熟悉程度。由于我们主要关注虚假原因和纠正信息,因此将虚假原因试验分为三个准确性类别:第一天正确且反应时间快(等于或低于参与者的中位数RT)、第一天正确但反应时间慢(高于中位数RT)以及第一天错误。这些类别中的原因-事件对在完整条件和支持条件之间均匀随机分配。对于真实原因,试验被分为两个类别:第一天正确和第一天错误,并在完整条件和支持条件之间均匀随机分配。
真实性判断(第二天)
在同时识别和暴露任务之后,参与者完成了与第一天相同的真实性判断任务。
EEG处理
我们使用64通道Waveguard帽和EEGO放大器(10/20系统;ANT Neuro,恩斯赫德,荷兰)记录连续的EEG数据。在线采样率为500Hz。接地电极设置在AFz,在线参考电极设置在CPz。水平眼电图(EOG)放置在左眼角下方1.5厘米处。在开始EEG记录之前,所有电极的阻抗均低于20 kΩ。EEG记录在第一天和第二天都进行了。然而,由于可能与反应时间有关联的混淆,真实性判断任务的EEG数据没有被分析,我们仅关注编码任务期间的EEG数据。
EEG预处理
EEG数据使用MATLAB 2021b、EEGLAB 2022.0和ERPLAB 9.00(Delorme & Makeig, 2004; Lopez-Calderon & Luck, 2014)进行了预处理。在分析之前,移除了三个电极(EOG、M1、M2),因为EOG电极仅用于伪迹监测和校正,而M1/M2电极在数据采集期间作为参考电极。原始数据使用EEGLAB的零相位FIR滤波器在0.1到40Hz范围内进行了带通滤波。为了去除任何线噪声,应用了50Hz的陷波滤波器。在插值之前,视觉检测并移除了在整个实验中显示出异常高EEG幅度或不活跃的通道(平均移除了4.00个通道,标准差SD = 2.66)。然后视觉检测并移除了包含大且持续噪声幅度的段(例如,与生理EEG活动不一致的宽带偏移)。被移除的刺激(包括图像、原因或真实性)在真实条件(M = 28.4个,标准差SE = 4.7个刺激)和虚假条件(M = 30.1个,标准差SE = 4.70个刺激)之间没有差异,t(49) = -1.26,p = .212。为了便于独立成分分析(ICA),应用了1Hz的高通滤波器,并将数据下采样到250Hz。ICA(独立成分分析)是在连续数据上进行的,所得到的独立成分使用ICLabel工具箱进行了标记(Pion-Tonachini等人,2019年)。识别出对眼睛或肌肉运动贡献较大的成分,并在ICA之前对数据集进行了相应的校正(移除了3.82个成分,标准差为1.62)。在将数据重新参考到所有电极的共同平均值后,创建了从-200ms到2000ms的时间段。对感兴趣区域(ROI)内的数据应用了自动伪迹剔除算法——任何包含超过100 μV峰对峰差异的时间段(滑动时间窗口为200ms,步长为100ms)或幅度大于±75μV的数据都被剔除。ERP(事件相关电位)从-200ms到0ms(刺激开始)进行了基线校正。
ERP量化:
FSW通道(Fz、F1、F2、F3、F4)和时间窗口(1000-2000ms)是基于FSW作为大约在1000ms时出现的额中和心成分的描述(Forester等人,2020年;Forester & Kamp,2023年;Kamp等人,2017年;Mecklinger & Kamp,2023年),并且对总平均波形的视觉检查(图S1)也支持了这一特征。P300通道(CP1、CP2、Pz、P3、P4)的定义类似,基于先前对中央顶叶正性的描述(Forester & Kamp,2023年;Kamp等人,2017年;Mecklinger & Kamp,2023年)。然而,对总平均波形的检查(图S1)显示,正性开始的时间比之前报告的潜伏期要早(Mecklinger & Kamp,2023年)。因此,我们将时间窗口调整为200-500ms,以捕捉大部分顶叶正性。自适应均值是通过计算这些预定义时间窗口内峰值每个方向上50ms内的平均幅度来计算的(Nielsen & Gonzalez,2020年)。每种条件所需的最小试验次数为8次,所有参与者都满足了这一要求(Moran等人,2013年)。
结果:
我们首先呈现行为结果,然后是ERP结果。所有后续结果的平均标准误差(SE)已经根据被试内比较进行了校正(Morey,2008年)。
**第一天:真实性判断**
在第一天进行真实性判断时,每个刺激总共出现了两次。只有当两次刺激都回答正确时,才计为正确响应。否则,响应被视为错误。
首先,我们研究了校正和肯定对记忆的影响。配对t检验显示,对真实原因的准确率(M = 66.4%,SE = 1.9%)显著高于对虚假原因的准确率(M = 59.4%,SE = 1.9%),t(50) = 2.54,p = .014,d = 0.35(图2a),这表明肯定比校正被记得更多。
接下来,我们研究了在真实性判断期间的反应时间(RT)。准确率有一个显著的主效应,F(1,50) = 53.5,p < .001,ηp2 = .517,因此正确响应的RT(M = 2.36s,SE = 0.08s)比错误响应的RT(M = 3.19s,SE = 0.08s)更快。真实性没有主效应,F(1,50) = 1.3,p = .262,ηp2 = .025。重要的是,准确率和真实性之间存在显著的交互作用,F(1,50) = 13.8,p < .001,ηp2 = .216。事后检验显示,对于正确答案,对真实原因的响应(M = 2.22s,SE = 0.04s)比对虚假原因的响应(M = 2.50s,SE = 0.04s)更快,t(50) = 4.52,p < .001,d = 0.37。然而,对于错误答案,真实原因(M = 3.27s,SE = 0.07s)和虚假原因(M = 3.11s,SE = 0.07s)之间没有差异,t(50) = 1.74,p = .087,d = 0.13(图2b)。结果表明,参与者准确记住校正所需的时间比记住肯定更长。
**第一天:信心反应**
关于信心反应,准确率有一个显著的主效应,F(1,50) = 150.8,p < .001,ηp2 = .751,因此正确答案(M = 73.9%,SE = 1.8%)的高信心评分比例高于错误答案(M = 42.5%,SE = 1.8%)。真实性没有主效应,F(1,50) = 2.0,p = .163,ηp2 = .039。存在显著的交互作用,F(1,50) = 10.3,p = .002,ηp2 = .171。事后检验显示,对于正确答案,真实原因的信心反应(M = 77.0%,SE = 2.2%)显著多于虚假原因(M = 70.7%,SE = 2.2%),t(50) = 2.07,p = .044,d = 0.28。对于错误答案,虚假原因的信心反应(M = 47.3%,SE = 1.7%)比真实原因的信心反应(M = 37.7%,SE = 1.7%)更多,t(50) = 4.01,p < .001,d = 0.46(图2c)。这些结果表明,正确记住肯定与更高的信心相关,而错误地将肯定记为虚假原因与错误地将校正记为真实原因相比具有更高的信心。
为了研究信心和RT之间的关联,我们使用了线性混合效应模型,以对数RT作为结果变量,固定效应包括信心和真实性,随机截距效应包括参与者和情景(表S1)。信心与RT呈负相关(b = -0.40,SE = 0.01,p < .001),而真实性与RT无关(b = 0.02,SE = 0.02,p = .367)。信心和真实性之间存在显著的交互作用(b = -0.14,SE = 0.02,p < .001)。简单斜率分析显示,信心对RT的影响对于真实原因(β = -0.47,SE = 0.02)比虚假原因(β = -0.33,SE = 0.02)更负,z = 6.39,p < .001。这些结果表明,虽然更高的信心与更快的RT相关,但信心与真实原因的RT关联更强。
**识别准确性**
接下来,我们检查了同时识别和暴露任务中的识别准确性作为操纵检查。如果完整条件下的原因词的识别准确性高于分离条件下的原因词,这将表明在呈现事件图像之前先呈现原因词有助于处理原因词,表明参与者更有可能将错误信息理解为事件-原因单元。在同时识别和关联任务中,事件和原因词总共出现了两次。只有当两次出现都正确时,响应才计为正确。
2(第二天暴露类型:完整,分离)× 2(原因真实性:真实,虚假)的ANOVA显示暴露类型有一个显著的主效应,F(1,48) = 110.3,p < .001,ηp2 = .697。完整条件的准确性显著高于分离条件(图3a)。真实性也有一个显著的主效应,F(1,48) = 4.2,p = .046,ηp2 = .080,因此真实原因词的识别准确性高于虚假原因词。暴露类型和真实性之间也存在显著的交互作用,F(1,48) = 4.3,p = .044,ηp2 = .082。事后检验显示,完整真实原因(M = 93.1%,SE = 0.9%)的准确性高于完整虚假原因(M = 90.9%,SE = 1.1%),t(48) = 3.49,p = .001,d = 0.32。分离真实原因(M = 80.9%,SE = 1.5%)和分离虚假原因(M = 80.8%,SE = 1.4%)之间没有显著差异,t(48) = 0.05,p = .963,d = 0.0。这表明我们的操纵是成功的,事件图像有助于识别真实原因而非虚假原因。
**第一天和第二天之间对校正的记忆差异**
接下来,我们研究了原因-校正关联与对校正的记忆之间的关系,以及同时在识别和暴露任务中看到完整的错误信息配对是否调节了这种关系。为了研究从第一天到第二天的记忆变化,我们计算了两天之间准确性的差异。这是通过从第二天正确回答的项目数量中减去第一天也正确回答的项目数量来计算的。例如,如果参与者在第一天正确回答了10个项目,但在第二天只正确回答了其中5个项目,他们的准确性差异为-5。
为了研究原因-校正关联与延迟记忆之间的关系,我们将第一天正确的真实性判断分为慢速(RT高于中位数)和快速(RT低于或等于中位数)的试验(见表S2中的平均值和标准差)。我们进一步将分析分为完整和分离条件,得到四种情况(即快速完整、快速分离、慢速完整和慢速分离)对于虚假原因。我们没有考虑真实原因的RT,因此没有报告这些结果。
2(第二天暴露类型:完整,分离)× 2(RT:快速,慢速)的ANOVA显示暴露类型没有主效应,F(1,50) = 0.00,p = .967,ηp2 = .000,暴露类型和第一天反应时间之间也没有显著交互作用,F(1,50) = 0.14,p =.709,ηp2 = .003。然而,第一天反应时间有一个主效应,F(1,50) = 9.49,p = .003,ηp2 = .159(图3b)。这表明第一天更快的反应时间导致第二天的差异分数较小(即第二天的准确性更好),但完整条件与分离条件之间没有差异。
尽管差异分数广泛用于研究记忆变化(Roheger等人,2020年),但它们也可能不可靠(Edwards,2001年)。为了解决这一潜在问题,并检查使用连续RT数据是否会产生类似的结果模式,我们使用了逻辑混合效应回归模型(glmer函数,lme4包,Bates等人,2015年),以第二天正确反应的可能性作为结果变量,固定效应包括对数转换后的第一天RT(log RT)和第二天暴露(完整 vs. 分离),以及它们的交互作用。随机截距效应包括参与者和情景(有关完整模型规范和结果,请参见表S3)。我们使用总和对比来编码第二天的暴露条件,这使我们能够像ANOVA一样检查系数的主效应。如图3c所示,我们发现对数RT负向预测了第二天的准确性,每增加1个单位,第二天正确反应的概率降低36%(OR = 0.64,p < .001)。第二天暴露条件(OR = 0.99,p = .863)及其与对数RT的交互作用(OR = 1.03,p = .750)都没有显著预测第二天的准确性。这些结果与ANOVA分析一致,表明RT可以预测对校正的记忆延迟。
**ERP结果**
对于接下来的ERP分析,我们首先通过将编码期间的ERP分为随后的正确和错误真实性判断来检查后续记忆效应(SME)。然后,由于观察到更快的正确真实性判断在延迟后的准确性差异较小(即准确性更好),我们进行了探索性分析,比较了随后正确真实性判断中的快速和慢速真实性判断之间的ERP。关于每种条件下剩余试验的均值和标准差,请参见表S5。
**编码 - 事件**
我们首先研究了参与者遇到描述事件的图像时的P300反应。通过重复测量方差分析(ANOVA),比较了真实性条件(真实、虚假)与后续准确性(正确、错误),以P300振幅作为结果指标,发现后续准确性(F(1,49) = 3.53, p = .066, ηp2 = .067)、真实性(F(1,49) = 0.65, p = .424, ηp2 = .013)或交互作用(F(1,49) = 1.57, p = .216, ηp2 = .031)均无显著效应。这表明在事件编码过程中P300没有后续记忆效应。
接下来,我们比较了快速和慢速反应下正确答案的ERP(事件相关电位)。重复测量方差分析显示,真实性(真实、虚假)与后续反应时间(RT,快速正确、慢速正确)之间存在显著的主效应,F(1,49) = 5.54, p = .023, ηp2 = .102,即快速正确答案的P300振幅(M = 6.20 μV, SE = 0.12 μV)高于慢速正确答案(M = 5.82, SE = 0.12 μV)。然而,使用FDR方法校正了图像、原因和真实性阶段的多重比较后,这种差异不再显著(p = .069)。真实性本身没有主效应,F(1,49) = 0.10, p = .750, ηp2 = .002,交互作用也没有显著效应,F(1,49) = 0.40, p = .533, ηp2 = .008。
为了全面考虑RT的连续性,我们还进行了线性混合模型分析,以连续对数RT作为结果变量,固定效应包括P300振幅和真实性,随机截距效应包括受试者和刺激(表S6)。结果模式相似:尽管P300振幅最初是RT较快的显著预测因子(p = .040),但在校正了图像、原因和真实性阶段的多重比较后,这种相关性不再显著(p = .063)。
**编码 - 原因**
接下来,我们研究了参与者看到原因词时的P300反应。重复测量方差分析显示,真实性条件(真实、虚假)与后续准确性(正确、错误)之间,以P300振幅作为结果指标,发现后续准确性(F(1,49) = 1.90, p = .174, ηp2 = .037)、真实性(F(1,49) = 0.12, p = .733, ηp2 = .002)或交互作用(F(1,49) = 1.24, p = .271, ηp2 = .025)均无显著效应。后续RT的进一步分析也显示无显著主效应,F(1,49) = 0.53, p = .469, ηp2 = .011;条件本身也无显著效应,F(1,49) = 1.55, p = .219, ηp2 = .031;交互作用也无显著效应,F(1,49) = 3.15, p = .082, ηp2 = .060。
为了探讨原因和事件之间的关联编码是否有助于后续的真实性判断,我们分析了参与者看到原因词时的FSW(频率-幅度谱)反应。重复测量方差分析显示,后续准确性(F(1,49) = 0.03, p = .863, ηp2 = .001)、真实性(F(1,49) = 0.17, p = .680, ηp2 = .004)或交互作用(F(1,49) = 0.17, p = .680, ηp2 = .004)均无显著效应。进一步分析快速和慢速正确答案时,也发现后续RT(F(1,49) = 2.25, p = .140, ηp2 = .044)、真实性(F(1,49) = 0.58, p = .450, ηp2 = .012)或交互作用(F(1,49) = 0.67, p = .418, ηp2 = .013)均无显著效应。总体而言,没有证据表明在呈现原因词时,深度编码或关联记忆过程会因后续准确性或RT而有所不同。使用线性混合模型分析连续RT值得到的结果与P300和FSW的结果一致(表S7和S8;p值 > .340)。
**编码 - 真实性**
为了探讨对纠正或肯定的深度编码是否与后续的真实性判断相关,我们分析了参与者遇到真实性信息时的P300反应。重复测量方差分析显示,后续准确性(F(1,49) = 2.10, p = .154, ηp2 = .041)或交互作用(F(1,49) = 3.11, p = .084, ηp2 = .060)均无显著效应。然而,真实性有显著的主效应,即肯定的P300振幅(M = 0.47 μV, SE = 0.09 μV)高于纠正的P300振幅(M = 0.15 μV, SE = 0.09 μV),F(1,49) = 6.05, p = .017, ηp2 = .110(图4a, c)。进一步分析快速和慢速正确答案时,发现后续RT(F(1,49) = 0.49, p = .487, ηp2 = .010)、真实性(F(1,49) = 0.82, p = .368, ηp2 = .017)或交互作用(F(1,49) = 0.08, p = .780, ηp2 = .002)均无显著效应。尽管使用连续RT值的分析最初显示P300振幅是RT的显著预测因子(p = .042),但在校正多重比较后,这种相关性不再显著(表S9;p = .063)。
**下载:**
下载高分辨率图像(662KB)
下载全尺寸图像
**图4. 与纠正和肯定相关的P300和FSW**
注:ERP和头皮地形图显示了a) 顶叶P300和b) FSW在纠正或肯定时的真实性主效应(红色标出的时间点)。c) 顶叶P300和d) FSW的自适应平均振幅。误差条表示标准误差。*p < .05
尽管尚不清楚在纠正或肯定编码过程中引发的关联记忆过程是否具体反映了与事件或原因的关联,但通过分析FSW的小效应(SME)可以了解一般关联过程是否与后续记忆有关。为此,我们分析了参与者阅读纠正或肯定内容时的FSW。重复测量方差分析显示,后续准确性(F(1,49) = 0.33, p = .569, ηp2 = .007)或真实性(F(1,49) = 2.43, p = .126, ηp2 = .047)均无显著效应;交互作用也不显著,F(1,49) = 3.51, p = .067, ηp2 = .067。进一步分析快速和慢速正确答案时,发现真实性有显著效应,F(1,49) = 7.85, p = .007, ηp2 = .138,即纠正(M = 2.23 μV, SE = 0.36 μV)引起的FSW高于肯定(M = 0.82 μV, SE = 0.36 μV)(见图4b和4d)。使用FDR方法校正多重比较后,这一发现的意义仍然显著(p = .014)。然而,RT本身没有主效应,F(1,49) = 0.10, p = .754, ηp2 = .002;FSW振幅也无法预测连续RT(表S10;p值 > .131)。
总体而言,结果表明,在学习真实性信息时,深度编码和关联记忆过程对后续正确和错误判断的影响没有差异。然而,在肯定过程中的深度编码程度高于纠正过程;并且在正确答案中,纠正引起的FSW高于肯定。
**第1天编码与第2天行为之间的关系**
为了探讨第1天的编码ERP是否反映了第2天的真实性判断准确性,我们对相同的成分和时间段进行了2(原因真实性:真实、虚假)× 2(第2天准确性:正确、错误)的重复测量方差分析。所有成分和时间段均未观察到准确性的显著主效应或交互作用(p值 > .05)。详细统计信息请参见补充材料F。
**讨论**
错误信息即使在更正后仍可能继续影响判断和决策(Ecker等人,2022年)。在这项研究中,我们通过分析参与者编码事件、原因以及纠正或肯定时的神经活动,试图揭示成功和失败纠正错误信息的机制。我们还研究了原因-纠正关联如何影响纠正的延迟记忆,以及这种关系是否受到查看完整和分离的原因-事件对的影响。接下来我们将更详细地讨论我们的结果。
**真实性判断准确性**
我们的结果与先前的研究一致,即纠正信息的记忆程度低于肯定信息(Brydges等人,2020年;Gordon等人,2017年)。参与者回忆纠正信息所需的时间也比回忆肯定信息更长,并且在回忆纠正信息失败时比回忆肯定信息失败时更加自信。这些结果表明,回忆纠正信息可能比回忆肯定信息更困难,而且人们可能在回忆不到纠正信息时仍然感到自信。
**纠正信息的延迟记忆**
对错误信息的记忆会随时间减弱(Swire-Thompson等人,2023年)。不同人对错误信息的信念可能存在很大差异(Porter & Wood,2024年;Walter & Murphy,2018年),但关于纠正信息记忆的异质性了解较少。我们假设错误信息-纠正关联的强度与延迟的真实性判断有关。我们通过记录参与者回忆最初与原因相关联的纠正或肯定信息时的反应时间(RT)来测量这种关联的强度(Dewhurst等人,2006年;Wixted & Stretch,2004年;Eimas & Zeaman,1963年)。一些研究结果支持我们的假设:第1天正确回忆纠正信息时较快的RT预示着第2天更有可能回忆起这些纠正信息,且更高的信心与更快的RT判断相关。然而,由于RT仅在回忆时测量,这也可能反映了与原因词独特性相关的增强检索过程(即来自相似原因的干扰减少)。我们的研究没有探讨这一点,但原因词独特性与纠正信息回忆之间的关系可能是未来研究的有趣方向。
另一个可能影响纠正信息延迟记忆的变量是人们在纠正信息后是否再次接触到该信息。虚假真实效应认为,阅读或理解陈述会增加其感知的真实性(Fazio等人,2015年;Gilbert等人,1990年)。然而,尚不清楚这种效应在陈述已被纠正后是否仍然存在。我们通过在同时识别和暴露任务中向参与者展示完整或分离的原因-事件对来解决这一疑问。结果显示,查看完整的原因-事件对似乎不会影响对纠正信息的记忆,这表明如果陈述已被纠正,虚假真实效应可能较弱。另一方面,可以在不明确指导参与者进行命题性评估的情况下展示事件和原因,这可能会引发与传统虚假真实效应实验中不同的心理过程。尽管如此,我们注意到参与者在第1天已被指示根据图像命题性地解释单词(即将单词解释为前文的原因),这可能导致在同时识别和暴露任务中对原因和事件的类似处理。实际上,在完整条件下的识别表现优于分离条件,这表明查看事件图像有助于更高效地识别原因词。有趣的是,我们发现完整条件下的原因词对于真实原因的识别频率高于虚假原因。虽然这不是我们的主要研究焦点,但这表明纠正信息可能削弱了原因-事件对的强度,或者肯定信息增强了这种关联。未来的研究可以更深入地探讨这一点,以更好地理解纠正机制。
**电生理发现**
除了行为结果外,分析电生理活动还可以揭示编码过程在后续准确性和真实性条件之间的差异。我们研究了事件、原因和真实性编码期间的P300和FSW如何与后续的真实性判断准确性和RT相关,这反映了参与者回忆纠正信息和肯定信息的程度。P300和FSW的小效应分别反映了深度编码和关联编码过程(Forester & Kamp,2023年;Johnson,1995年;Kamp等人,2016年、2017年;Kim等人,2009年)。我们在事件编码、原因编码或真实性编码过程中没有观察到小效应(SMEs)。这令人惊讶,因为现有研究表明,错误信息纠正与真实性判断之间的关联非常重要(Gilbert等人,1990年,1993年),这表明在编码纠正时应该会出现SMEs。然而,仅基于我们的非显著性发现,我们不能得出相反的强结论,这突显了在这一领域需要进一步研究的必要性。我们提出了一些关于为什么在这里没有发现SMEs的推测。首先,先前关于持续影响效应的研究表明,纠正的有效性可能取决于不完整事件模型引起的不适程度(Susmann & Wegener,2021年),或者参与者为事件生成替代解释的程度(Lewandowsky等人,2012年),这些过程可能是ERP难以捕捉的。其次,反映纠正和确认成功编码的SMEs可能在更长的时间窗口内显现。例如,Forester & Kamp(2023年)在6000毫秒的时间窗口内发现了SMEs,这个时间窗口涵盖了参与者依次编码一对图像的整个试验。最后,当参与者在编码过程中遇到重复的情景时,他们可能注意力不集中或以非系统的方式调整了策略,导致最终的ERP信号中噪声增加。
在检查与编码纠正和确认相关的神经活动时,我们发现纠正引起的P300波形较弱。在SME研究之外,较低的P300振幅与任务难度增加和记忆负荷增加有关(Kok,2001年;Scharinger等人,2017年),而较高的P300振幅与更有效的错误信息纠正编码有关(Guo等人,2025年)。综合来看,这表明我们实验中的纠正可能比确认更难处理,因此编码效果较差。通过强化现有的事件-原因关联,确认可能比促使先前信念修正的纠正更容易处理。事实上,较大的工作记忆容量和中央执行功能已被证明与较低的CIE相关(Brydges等人,2018年;Jia等人,2020年),这表明在工作记忆中更新信息的能力是纠正错误信息的重要组成部分。
在随后回忆的纠正和确认中,纠正与确认相比,其FSW振幅更大。然而,这种效应的细致解释较为困难,因为已知FSW振幅会随着工作记忆负荷(McEvoy,1998年;Monfort & Pouthas,2003年;R?m?等人,2000年)、认知控制(West & Travers,2008年)、预测误差(Van Petten & Luka,2012年)和否定过程(Herbert & Kissler,2014年)而波动。因此,虽然纠正的FSW振幅更高表明纠正和确认的处理方式不同,但目前的数据不允许将这种效应归因于任何单一的潜在机制。
**局限性与未来方向**
应注意到一些局限性。在真实性判断中,仅使用了事件的原因作为线索,而在实验室之外,我们通常会遇到原因及其对应的事件。然而,这对于我们的实验来说是必要的,以便获得敏感的响应时间测量,因为在原因之前或之后呈现事件线索会在参与者能够响应之前引发额外的回忆过程。此外,为了增加SME分析的试验次数,我们在编码过程中每个试验重复了两次。对试验重复的神经反应可能与第一次接触时不同,观察到的效应可能与识别或回忆过程混淆。
未来关于反驳错误信息的研究应考虑分析响应时间,以评估干预措施对某些类型错误信息是否更有效。在收集纵向数据困难的情况下,响应时间也可能是一个可行的指标,用于预测纠正的延迟记忆。本研究没有检查与检索相关的ERP成分,这限制了我们对检索机制如何影响错误信息纠正记忆的洞察。未来的研究可以检查这些成分(例如,晚期正成分FN400或与反馈和错误相关的成分),以探索纠正检索的神经相关性如何与长期纠正保留相关。
**结论**
鉴于错误信息的潜在危险及其在纠正后的持续影响,本实验记录了参与者在编码事件、原因和纠正时的电生理活动,并研究了它们与随后纠正记忆之间的关系。我们没有发现ERP与随后纠正记忆有关的证据,但发现纠正可能比确认更难处理。重新接触错误信息并没有调节纠正的延迟记忆。然而,最初正确的纠正记忆越强,延迟后的纠正记忆就越准确,这表明未来的干预措施可以考虑测量响应时间,以针对较弱的纠正记忆并提高纠正的长期效果。
**作者贡献声明**
Danni Chen:写作——审阅与编辑、方法论、概念化。Sean Guo:写作——审阅与编辑、原始草稿撰写、可视化、软件、资源、方法论、调查、正式分析、概念化。Xiaoqing Hu:写作——审阅与编辑、监督、方法论、资金获取、概念化。Wanrou Hu:调查、正式分析。
**未引用的参考文献**
Guillory和Geraci,2013年。
**伦理**
本研究获得了香港大学人类研究伦理委员会的批准(EA210341)。
**开放实践声明**
数据可在https://osf.io/j9evm/获取。该实验未预先注册,材料可应要求提供。
**利益冲突**
作者没有需要报告的利益冲突。
**参与同意**
参与者在参与前提供了知情同意。
**出版同意**
不适用。
**代码可用性**
代码可应要求提供。
**资助**
该研究得到了中国科学技术部STI2030重大项目(编号2022ZD0214100)、国家自然科学基金(编号32171056)以及香港研究资助委员会的一般研究基金(编号17614922)的支持。