严重焦虑症患者微在线运动学习过程受损
《Frontiers in Human Neuroscience》:Impaired micro-online motor learning processes in individuals with severe anxiety
【字体:
大
中
小
】
时间:2026年03月23日
来源:Frontiers in Human Neuroscience 2.7
编辑推荐:
摘要:焦虑是一种普遍的情绪状态,具有生理和心理表现,可能会干扰认知过程,如工作记忆和注意力,从而导致运动表现受损,并可能影响运动学习。本研究调查了焦虑对隐性运动学习、视觉空间短期记忆和工作记忆以及感知到的心理和身体努力的影响。我们通过系列反应时间任务、Corsi块敲击测试和NAS
摘要:焦虑是一种普遍的情绪状态,具有生理和心理表现,可能会干扰认知过程,如工作记忆和注意力,从而导致运动表现受损,并可能影响运动学习。本研究调查了焦虑对隐性运动学习、视觉空间短期记忆和工作记忆以及感知到的心理和身体努力的影响。我们通过系列反应时间任务、Corsi块敲击测试和NASA-任务负荷指数收集了79名参与者的数据。根据贝克焦虑量表(Beck Anxiety Inventory)测量的焦虑水平,将参与者分为不同的组别。所有组别都表现出完整的隐性运动学习能力;然而,各组之间的学习过程存在差异。重度焦虑组在块之间休息两分钟后仍能继续学习(即微离线学习),但在执行任务时没有表现出微在线学习(即表现改善)。相比之下,轻度焦虑组则表现出两种学习过程。此外,重度焦虑组的参与者在任务中报告了更大的挫败感,并感到更加匆忙。此外,重度焦虑组的工作记忆容量也显著低于短期记忆容量。这些结果表明,尽管焦虑程度较高的个体表现出完整的隐性运动学习能力,但他们需要更多的认知资源来完成学习。
1. 引言
运动序列学习是我们每天执行的动作(例如爬楼梯或做早餐)以及首次完成的动作(例如组装新书桌或操作新厨房设备)的基础。这一过程可能涉及陈述性知识(即显性学习),但运动序列学习也可以隐性发生(Destrebecqz和Cleeremans,2001;Nissen和Bullemer,1987;Reber,1989)。新运动技能的掌握在初期阶段进展迅速,在第一次练习后就能看到显著的性能提升(Censor等人,2012;Dayan和Cohen,2011;Doyon和Benali,2005)。这种性能提升是由两个过程驱动的:一个是随着任务练习而提高的表现(即微在线学习),另一个是在练习过程中的短暂休息期间(即微离线学习)(B?nstrup等人,2019;Bornstein和Daw,2012;Buch等人,2021;Du等人,2016;Fanuel等人,2022;Prashad等人,2021;Quentin等人,2021)。这些过程共同使得在练习过程中能够快速提高性能,并强调了主动练习和短暂休息对记忆巩固和运动学习的重要性。高度的情绪状态,如焦虑,可以影响运动行为。在焦虑状态下,我们会选择性地关注与威胁相关的刺激,以有效应对威胁(Fox等人,2005)。当我们处于危险中时,这种注意力偏向、生理反应(例如心率增加(Calvo和Miguel-Tobal,1998)以及对负面后果的过度关注(Grupe和Nitschke,2013)可能是救命的。然而,在非威胁情况下,这些反应可能会损害认知(Basten等人,2011;Bishop,2007;Eysenck等人,2007;Fales等人,2008;Moran,2016;Stout等人,2013)并影响运动行为(Hardy等人,2001;Hordacre等人,2016;Lo等人,2019;Mullen等人,2005;Mullen和Hardy,2000;Sporn等人,2020)。鉴于美国成年人中焦虑的普遍性(从2019年的15.6%增加到2022年的18.2%(Terlizzi和Zablotsky,2024),尤其是18至29岁年轻人中症状出现频率最高(Goodwin等人,2020;Terlizzi和Zablotsky,2024),这些效应尤其令人担忧。
目前我们对焦虑对运动表现的影响尚不清楚。在Hordacre等人(2016)的研究中,参与者进行了精确捏力任务,要求他们快速准确地复制目标力量。与对照组相比,高焦虑组的反应时间和运动时间更快,准确性也更高(Hordacre等人,2016),这表明焦虑可以提高运动表现。相反,Hardy及其同事发现,当女跳伞运动员在高压(即全国比赛前2小时)和低压(即比赛后2周的常规练习)条件下进行表演时,表现相当(Hardy等人,2001)。然而,当参与者在表演前从教练那里获得与任务相关的提示(即关于特定动作的技术指导)时,高焦虑组的表现在下降。同样,当参与者在高焦虑条件下进行推杆任务的同时处理教练的指令时,他们的表现也比另外两种情况更差:(1)任务无关条件,他们在高焦虑下每秒生成一个随机字母;(2)没有额外工作记忆需求的控制条件(Mullen等人,2005;Mullen和Hardy,2000)。这些研究结果支持处理效率理论,该理论认为表现由有效性(即表现的质量)和效率(即维持表现所需的认知资源量)组成。焦虑可能会负面影响效率,但不一定影响有效性。因此,焦虑程度较高的个体可能能够保持表现,但这需要比焦虑程度较低的个体调动更多的认知资源并付出更多努力(Eysenck和Calvo,1992)。这种额外的努力可能是一种补偿策略,以维持表现(Ansari和Derakshan,2011;Eysenck和Calvo,1992)。然而,当认知需求过高时,表现可能会下降。在上述两项研究中,与任务相关的提示可能会增加工作记忆负荷,超出高焦虑状态下的可用容量,从而导致表现下降。注意力控制理论扩展了这一框架,提出焦虑通过破坏目标导向和刺激驱动的注意力系统之间的平衡来影响认知和运动过程(Eysenck等人,2007)。这种破坏会削弱抑制与任务无关刺激的能力(Berggren和Derakshan,2014;Stout等人,2013;Wilson等人,2016),并使注意力转向目标,从而进一步消耗工作记忆资源。这一框架有助于解释为什么在高认知负荷下会出现表现成本,因为尽管有补偿性努力,注意力控制仍会受到影响。
最近的研究还探讨了焦虑如何影响运动表现和学习期间的皮层活动。Lo及其同事在参与者进行飞镖投掷任务时测量了脑电图(EEG)(Lo等人,2019)。他们发现,在焦虑状态下,表现下降,α频段的功能连接性增加。作者认为,任务期间的这种功能连接性变化表明心理运动效率降低,这可能是表现缺陷的原因。Sporn及其同事研究了焦虑对运动学习的影响,发现焦虑组的参与者表现出β功率升高和运动变异性降低,这与学习阶段的性能改善减少有关(Sporn等人,2020)。鉴于β频率在运动学习和执行中起着关键作用(Lum等人,2023;Pollok等人,2014),这些发现表明焦虑可能会干扰对运动学习至关重要的神经过程。
因此,本研究的目的是通过系列反应时间任务来调查不同焦虑水平对隐性运动学习中的微在线和微离线学习过程的影响。焦虑被定义为过去一个月自我报告的焦虑症状的严重程度,而不是实验性诱导的焦虑。我们还使用NASA-任务负荷指数测量了感知到的任务需求,并通过Corsi块敲击测试测量了视觉空间短期记忆和工作记忆。我们预测,过去一个月焦虑程度较高的参与者将表现出受损的隐性运动学习,没有微在线或微离线学习,报告更大的认知努力来维持表现,并且短期记忆和工作记忆容量低于过去一个月焦虑程度较低的参与者。
2. 材料与方法
2.1 参与者
79名右利手参与者(16名男性,60名女性,1名跨性别男性,1名非二元性别者,1名半女性;平均年龄:21.4±4.3岁)根据华盛顿州立大学机构审查委员会的要求提供了个人知情同意书。参与者需要会说英语,并且年龄在18至35岁之间。如果参与者被诊断出或接受过神经系统或神经发育障碍的治疗,则被排除在外。每位参与者在完成研究后获得了10美元的报酬。
2.2 程序
所有参与者完成了贝克焦虑量表(BAI)(Beck等人,1988),这是一个包含21项与过去一个月经历的症状相关的自我报告焦虑测量工具。根据BAI得分,我们将参与者分为四组:轻度(n=17;平均得分:4.2±2.2;得分范围:0–7),中度(n=22;平均得分:11.4±2.6;得分范围:8–15),中度(n=20;平均得分:20.4±3.3;得分范围:16–25)和重度(n=20;平均得分:37.8±10.5;得分范围:26–63)(根据标准切点(Beck等人,1988)。参与者还完成了状态-特质焦虑量表(STAI)(Spielberger,1983),这是一个包含40项的问卷,前20项评估当前焦虑水平,后20项评估长期焦虑水平。在STAI和BAI中,得分越高表示焦虑程度越高。我们选择基于BAI来划分焦虑组,因为它能更有效地独立于抑郁评估焦虑(Enns等人,1998),而STAI在区分焦虑和抑郁症状方面能力较弱(Kennedy等人,2001)。
由于焦虑、抑郁和压力常常同时发生(Kessler等人,2010;Wheatley,1997),参与者还完成了贝克抑郁量表-II(BDI)(Beck等人,1996)和感知压力量表(PSS)(Cohen等人,1983),我们将这些作为协变量纳入分析。BDI是一个包含21项的自我报告问卷,根据参与者对过去两周症状的评分来衡量成人的抑郁严重程度;得分越高表示抑郁程度越高。PSS是一个包含14项的自我报告问卷,衡量参与者在过去一个月中感受到的压力程度。得分越高表示感知到的压力越大。此外,参与者还完成了认知失败问卷(CFQ)(Broadbent等人,1982),他们在其中评估了与感知、记忆和运动功能相关的失败情况的频率;得分越高表示认知失败的发生频率越高。我们特别关注该评估中的分心和错误触发(即认知和运动动作顺序处理的中断)子分数。
我们使用系列反应时间任务来评估隐性运动学习。参与者坐在27英寸的电脑显示器和QWERTY键盘前。刺激呈现和反应记录由Presentation软件(Neurobehavioral Systems, Inc.,Berkeley, CA)控制。在这个任务中,四个白色方块水平呈现,其中序列位置对应于键盘上的四个键。我们指示参与者将左中指放在D键上,左食指放在F键上,右中指放在K键上,右食指放在J键上。参与者被告知这是一个反应时间任务,并被要求尽快准确地按下变红的键。在开始实验阶段之前,先进行了一个包含10个刺激的练习块。在实验阶段,参与者完成了八个块,每个块包含120次试验。第一个块是基线块(B0),其中刺激以随机顺序呈现。接下来的四个块(B1–B4)是学习块,每个块包含12次重复的序列。第5块(B5)包含120次随机顺序的刺激,第6块(B6)包含与B1–B4相同的序列。由于我们正在评估隐性运动学习,我们没有告知参与者某些块中的刺激是重复序列。最后,第7块(B7)包含一个不同的序列,该序列基于相同的结构构建,以评估学习的迁移。每个块之间有强制性的两分钟非结构化休息时间。参与者的反应时间和准确性在每次试验中都被记录下来。为了评估重复序列的练习是否导致了显性的意识,参与者完成了一个任务后的评估,其中他们回答了以下问题:“刺激动作最好描述为:”并提供了以下选项:“(a) 随机的;(b) 有些位置出现的频率高于其他位置;(c) 动作通常是可预测的;(d) 相同的动作序列经常出现;以及 (e) 相同的动作序列在整个实验中都出现了”(Curran, 1997)。回答按从1(随机)到5(整个实验中都出现了相同的动作序列)的顺序进行评分。接下来,参与者完成了NASA任务负荷指数(NASA-TLX)(Hart和Staveland, 1988),这是一个自我报告的任务期间感知工作量的测量工具,包括五个领域:心理需求、身体需求、时间需求、付出的努力、挫败感以及对自己表现成功的感知。
为了评估视觉空间短期记忆和工作记忆容量,参与者完成了一个计算机化的Corsi块敲击测试(Corsi, 1972)。在这个任务中,屏幕上出现了九个蓝色方块。在每次试验中,这些方块会按顺序一个接一个地变成黄色。参与者被要求记住方块变色的顺序。所有参与者在开始任务之前都完成了一个练习块。在正向条件下,呈现序列后,参与者需要使用鼠标按照方块出现的顺序选择它们来测量短期记忆。在反向条件下,参与者需要按照方块出现的相反顺序选择它们来测量工作记忆。在这两种条件下,任务从两个项目开始,根据表现逐渐增加到最多九个项目。对于每个条件,参与者准确回忆出的项目数量代表了他们的视觉空间短期记忆和工作记忆容量。
2.3 数据分析
对于序列反应时间任务,我们排除了每个参与者反应时间大于或小于平均值2.5个标准差的情况(Ratcliff, 1993; Whelan, 2008)。我们还排除了错误反应的反应时间,并计算了每个块中的错误反应数量。我们计算了每个块的平均反应时间,并对每个组进行了平均。按照这项任务的标准,我们通过从B1到B4的反应时间显著减少(所有四个块中的刺激都是按顺序呈现的)、从B4到B5的反应时间显著增加(此时刺激是随机呈现的),以及从B5到B6的反应时间显著减少(此时刺激与B1–4块中的顺序相同)来推断学习的发生。如果从B5到B7的反应时间显著减少(Prashad等人,2021),其中刺激按照与原始序列相同的结构以新的顺序呈现,我们推断学习发生了转移。
为了评估微在线和微离线学习,我们计算了每个序列重复的平均反应时间(即,由于序列长度为12个项目,所以是每12个反应时间的平均值)在B1到B4之间的变化。微在线学习增益被定义为同一块中最后一个序列重复的平均反应时间与第一个序列重复的平均反应时间之间的显著减少(Fanuel等人,2022; Prashad等人,2021; Quentin等人,2021)。微离线学习增益被定义为前一个块中最后一个序列重复的平均反应时间与当前块中第一个序列重复的平均反应时间之间的显著减少(Buch等人,2021; Prashad等人,2021)。我们计算了每个参与者在B1到B4之间的平均微在线和微离线学习增益,并对组进行了平均。
我们使用了4 × 8混合因子方差分析(ANCOVA),其中组(轻度、中度、重度和重度焦虑水平)是组间因素,块(B0–B7)是组内因素,来分析反应时间。我们包括了BDI和PSS分数作为协变量。我们对预先确定的对比进行了成对比较(即B1 vs. B4、B4 vs. B5、B5 vs. B6和B5 vs. B7)。我们对准确性也进行了类似的ANCOVA分析。为了比较不同组之间的微在线和微离线学习差异,我们使用了4 × 2混合因子ANCOVA,其中组(轻度、中度、重度和重度焦虑水平)是组间因素,学习(微在线和微离线学习)是组内因素,并控制了BDI和PSS分数。我们对前向和后向Corsi跨度分数进行了4 × 2混合因子ANCOVA分析,以评估视觉空间短期记忆和工作记忆的差异。为了评估序列反应时间任务中感知到的心理和身体需求差异,我们对NASA-TLX子量表评分进行了单因素ANCOVA分析。在所有事后检验中,我们使用了Bonferroni校正来处理多重比较。我们使用MATLAB(MathWorks,Natick,MA)和SPSS(IBM,Armonk,NY)编写了自定义脚本来分析数据。
3 结果
3.1 人口统计
表1提供了人口统计和社会认知评估的概览。在年龄(F(3, 78) = 2.0, p = 0.12, η2 = 0.074)、性别(F(3, 78) = 2.5, p = 0.063, η2 = 0.092)或教育程度(F(3, 78) = 0.64, p = 0.59, η2 = 0.025)方面,各组之间没有显著差异(见表1)。
表1
变量 焦虑组 p值
轻度 4.2 ± 2.2 1.4 ± 2.6 0.4 ± 3.3 7.8 ± 10.5 <0.001*
年龄 23.7 ± 6.0 21.1 ± 4.2 20.6 ± 2.8 20.9 ± 3.9 0.12
性别 11女,6男 18女,4男 16女,4男 15女,2男,3未列出 0.063
教育程度(年) 14.3 ± 3.6 14.2 ± 1.9 14.1 ± 1.5 14.1 ± 2.0 0.99
BDI 3.9 ± 3.9 8.2 ± 6.2 14.6 ± 6.1 14.1 ± 10.1 <0.001*
PSS 16.7 ± 8.0 22.8 ± 6.3 11.1 ± 6.8 36.1 ± 7.2 <0.001*
STAI 28.8 ± 8.1 35.2 ± 9.3 44.6 ± 7.8 44.0 ± 14.7 <0.001*
CFQ总分 27.9 ± 14.1 34.4 ± 11.4 47.6 ± 13.6 65.4 ± 17.2 <0.001*
遗忘 11.6 ± 6.3 13.4 ± 4.2 16.8 ± 5.0 11.4 ± 5.8 <0.001*
分心 10.0 ± 4.8 12.8 ± 3.6 17.6 ± 5.3 23.2 ± 5.3 <0.001*
错误触发 7.2 ± 4.6 8.6 ± 5.3 11.2 ± 4.9 17.9 ± 7.1 <0.001*
* p < 0.05的显著性水平。
在BDI分数方面,各组之间存在显著差异(F(3, 78) = 28.0, p < 0.001, η2 = 0.53;PSS分数,F(3, 78) = 26.7, p < 0.001, η2 = 0.52;STAI状态焦虑子分数,F(3, 78) = 20.6, p < 0.001, η2 = 0.45;STAI特质焦虑子分数,F(3, 78) = 36.0, p < 0.001, η2 = 0.59)。事后分析显示,重度焦虑组的BDI分数显著高于其他组(所有p < 0.001,中度,Cohen’s d = 1.1;轻度,Cohen’s d = 1.9;轻度,Cohen’s d = 2.5)。中度焦虑组的BDI分数显著高于轻度(p = 0.044,Cohen’s d = 0.98)和轻度(p < 0.001,Cohen’s d = 1.9)焦虑组。轻度焦虑组和轻度焦虑组之间的BDI分数没有显著差异(p = 0.40,Cohen’s d = 0.81)。重度焦虑组的PSS分数也显著高于轻度(p < 0.001,Cohen’s d = 1.8)和轻度(p < 0.001,Cohen’s d = 2.4)焦虑组,但与中度焦虑组没有显著差异(p = 0.63,Cohen’s d = 0.51)。中度焦虑组的PSS分数显著高于轻度(p = 0.001,Cohen’s d = 1.4)和轻度(p < 0.001,Cohen’s d = 2.0)焦虑组。轻度焦虑组的PSS分数也显著高于轻度(p = 0.059,Cohen’s d = 0.87)。重度焦虑组在STAI状态和特质焦虑子分数上也显著高于轻度(状态,p < 0.001,Cohen’s d = 2.1;特质,p < 0.001,Cohen’s d = 3.1;轻度,p < 0.001,Cohen’s d = 1.5;特质,p < 0.001,Cohen’s d = 2.0;中度,仅状态焦虑显著不同,状态,p = 0.041,Cohen’s d = 0.79;特质,p = 0.061,Cohen’s d = 0.82)焦虑组。中度焦虑组在STAI状态和特质焦虑子分数上也显著高于轻度(状态,p < 0.001,Cohen’s d = 2.1;特质,p < 0.001,Cohen’s d = 2.5;轻度,p = 0.020,Cohen’s d = 2.0;特质,p < 0.001,Cohen’s d = 1.3)焦虑组。轻度焦虑组的STAI特质分数高于轻度焦虑组(状态,p = 0.58,Cohen’s d = 0.64;特质,p = 0.015,Cohen’s d = 1.0)。
在分心方面,各组之间存在显著差异(F(3, 73) = 4.7, p = 0.005,η2 = 0.16)和错误触发方面(F(3, 73) = 4.8, p = 0.004,η2 = 0.16),但在控制了BDI和PSS后,遗忘方面没有显著差异(F(3, 73) = 2.1, p = 0.10,η2 = 0.081)。在分心方面,重度焦虑组的得分显著高于轻度(p = 0.019,Cohen’s d = 2.5)、轻度(p = 0.004,Cohen’s d = 2.5)和中度(p = 0.026,Cohen’s d = 2.3)焦虑组。在错误触发方面,重度焦虑组的得分显著高于轻度(p = 0.021,Cohen’s d = 1.5)和中度(p = 0.003,Cohen’s d = 1.1)焦虑组,但与轻度焦虑组没有显著差异(p = 0.087,Cohen’s d = 1.8)。
3.2 隐性运动序列学习
3.2.1 准确性
我们发现块(Block)对按键准确性的主效应显著(F(7, 511) = 2.1, p = 0.039,部分η2 = 0.028),但组(Group)的主效应不显著(F(3, 73) = 1.1, p = 0.36,部分η2 = 0.043),也没有显著的交互作用(F(21, 511) = 0.77,p = 0.75,部分η2 = 0.031)。事后分析显示,B1(p = 0.008,Cohen’s d = 0.42)、B4(p = 0.045,Cohen’s d = 0.36)、B6(p < 0.001,Cohen’s d = 0.61)和B7(p = 0.001,Cohen’s d = 0.47)的错误显著少于B0。
3.2.2 平均反应时间
块(Block)对反应时间的主效应显著(F(7, 511) = 3.5, p = 0.001,部分η2 = 0.046),但组(Group)的主效应不显著(F(3, 73) = 0.31,p = 0.82,部分η2 = 0.013),也没有显著的交互作用(F(21, 511) = 0.72,p = 0.82,部分η2 = 0.029)。对预先确定的对比进行Bonferroni校正的事后分析显示,所有组从B1到B4的反应时间都显著减少(轻度,p < 0.001,Cohen’s d = 1.4;中度,p < 0.001,Cohen’s d = 1.0;重度,p < 0.001,Cohen’s d = 1.1)。所有组从B4到B5的反应时间也显著增加(轻度,p < 0.001,Cohen’s d = 1.5;中度,p = 0.001,Cohen’s d = 0.93;重度,p < 0.001,Cohen’s d = 0.79;以及从B5到B6的反应时间显著减少(轻度,p < 0.001,Cohen’s d = 1.6;中度,p = 0.002,Cohen’s d = 0.96;重度,p < 0.001,Cohen’s d = 1.2;以及从B5到B7的反应时间显著减少(轻度,p < 0.001,Cohen’s d = 1.5;中度,p = 0.003,Cohen’s d = 0.95;以及重度,p < 0.001,Cohen’s d = 1.1)。这些比较显示在图1中。
图1
每个块和组的平均反应时间。在B0和B5中,刺激是随机呈现的(即R);在B1–4中,刺激是按分配的顺序呈现的(即S);在B7中,刺激是按新序列的顺序呈现的(即T)。误差条表示标准误差。* p < 0.05的显著性水平。
3.2.3 微在线和微离线学习
组(Group)的主效应显著(F(3, 73) = 2.7, p = 0.050,部分η2 = 0.099),组与学习(Learning)之间的交互作用也显著(F(3, 73) = 1.1,p = 0.043,部分η2 = 0.12),但学习(Learning)的主效应不显著(F(1, 73) = 0.14,p = 0.71,部分η2 = 0.038)。事后分析显示,轻度焦虑组的整体学习(微在线和微离线学习合并)显著高于中度(p = 0.039,Cohen’s d = 4.3)和重度(p = 0.033,Cohen’s d = 4.0)焦虑组,但与中度焦虑组没有显著差异(p = 0.33,Cohen’s d = 3.8)。轻度焦虑组的微在线学习增益显著高于重度焦虑组(p = 0.019,Cohen’s d = 0.93;见图2),而重度焦虑组的微离线学习增益显著高于微在线学习(p = 0.034,Cohen’s d = 0.77)。在其他组中,微在线和微离线学习之间没有差异。
图2
每个组的微在线和微离线学习。反应时间之间的正差异反映了学习增益,表明发生了微在线或微离线学习。误差条表示标准误差。* p < 0.05的显著性水平。
3.2.4 事后测试
在事后测试中,各组对序列的显性意识没有差异(F(3, 72) = 0.77,p = 0.51,η2 = 0.031)。
3.2.5 感知任务负荷
在序列反应时间任务中,感知到的时间需求(F(3, 73) = 4.5,p = 0.006,η2 = 0.15)、任务完成的感知成功(F(3, 73) = 2.9,p = 0.041,η2 = 0.10)和挫败感(F(3, 73) = 3.1,p = 0.034,η2 = 0.11)存在显著差异。事后检验校正了多重比较,显示轻度焦虑组报告感到不那么匆忙(p = 0.041,Cohen’s d = 0.87)和重度焦虑组(p = 0.005,Cohen’s d = 1.1)(见图3)。与轻度焦虑组相比,重度焦虑组报告完成任务的感觉较差(p = 0.036,Cohen’s d = 0.93)并且更加沮丧(p = 0.039,Cohen’s d = 0.95)。其他组之间没有显著差异。在感知到的心理需求(F(3, 73) = 2.1,p = 0.11,η2 = 0.077)、身体需求(F(3, 73) = 1.1,p = 0.36,η2 = 0.042)或付出的努力(F(3, 73) = 1.7,p = 0.17,η2 = 0.065)方面也没有显著差异。
图3
每个组的序列反应时间任务负荷需求。绩效任务负荷被反向编码,以与其他类型的任务负荷相匹配。误差条表示标准误差。* 表示显著性水平p < 0.05。
3.3 视空间短期记忆和工作记忆
Corsi广度(F(1, 73) = 1.2, p = 0.29, 部分η2 = 0.016)或组别(F(3, 73) = 0.90, p = 0.45, 部分η2 = 0.036)没有显著的主效应,但存在显著的交互作用(F(3, 73) = 3.8, p = 0.013, 部分η2 = 0.14)。事后分析校正多重比较后显示,中度焦虑组的工作记忆容量显著高于轻度焦虑组(p = 0.038, Cohen’s d = 0.72)。此外,轻度焦虑组(p < 0.001, Cohen’s d = 1.3)和重度焦虑组(p = 0.003, Cohen’s d = 0.99)的短期记忆容量显著高于工作记忆容量。组间没有其他显著差异。
4. 讨论
本研究的目的是探讨过去一个月内不同焦虑水平对运动序列隐性学习的影响。我们发现,虽然焦虑并未损害整体的隐性运动学习,但在潜在的学习过程中存在差异,尤其是在重度焦虑者和轻度焦虑者之间。轻度焦虑组在任务执行过程中表现出在线和离线学习的提升,而重度焦虑组仅表现出离线学习。重度焦虑组的参与者在完成连续反应时间任务时报告感到更加紧张和沮丧,他们在认知方面的失败分数表明注意力分散和处理顺序认知及运动动作的能力受到干扰。最后,我们发现各组之间的视空间短期记忆没有显著差异,但中度焦虑组的工作记忆容量显著高于轻度焦虑组。此外,轻度焦虑组和重度焦虑组的工作记忆容量显著低于他们的短期记忆容量。因此,尽管整体隐性运动学习未受影响,但我们的研究结果表明,较高的焦虑水平可能会改变个体在学习过程中的表现。
在所有焦虑水平中,我们发现连续反应时间任务的运动表现有所提高,并且对确定性运动序列的学习保持完整。这些表现的提升体现在四轮练习结束后反应时间的加快。通过连续练习序列后,当暴露于随机呈现的刺激时,反应时间显著增加,从而推断出学习的发生。尽管这些发现与一些研究结果相反(Eysenck等人,2007;Eysenck和Calvo,1992;Moran,2016;Shackman等人,2006),这些研究表明焦虑会干扰对运动学习至关重要的认知资源(Hardy等人,2001;Lo等人,2019;Mullen和Hardy,2000)以及学习(Sporn等人,2020),但这些发现与注意力控制理论一致,该理论认为焦虑者可以通过使用补偿策略来维持表现。虽然整体隐性运动学习未受影响,但在重度焦虑组和轻度焦虑组之间的潜在学习过程中存在差异,这表明重度焦虑者可能需要更多的认知资源来维持整体表现。我们发现重度焦虑组缺乏在线学习(即任务执行过程中的表现提升)。虽然轻度焦虑组在任务执行过程中表现出在线学习,但重度焦虑组在任务执行时的反应时间较慢。然而,重度焦虑组通过在每轮练习之间的两分钟休息期间实现离线学习来维持整体表现。在线学习包括每次试验更新序列中的每个项目(Bornstein和Daw,2012,2013;Verstynen等人,2012),这可能会对工作记忆造成负担。因此,在整个练习过程中维持表现可能需要更多的认知资源,可能导致练习过程中的表现下降,以及在线学习的缺失。有趣的是,这种模式(即在线学习的缺失与离线学习的完整)类似于在更复杂的概率运动序列中观察到的学习动态(Prashad等人,2021),这些序列对认知要求更高。此外,重度焦虑组在注意力分散和处理顺序认知及运动动作的干扰方面自我报告的得分显著更高。这种认知失败因素之间的关联与先前的研究一致(Dzubur等人,2020;Goodhew和Edwards,2024;Mahoney等人,1998),也可能导致了在线学习的缺失。我们还通过感知到的任务负荷发现了更艰苦的学习过程的证据。重度焦虑组在完成连续反应时间任务时报告感到更加沮丧和紧张,这表明任务对认知资源的需求增加(Castellotti等人,2022;D’Agostino等人,2023;Polti等人,2018;Yang等人,2025)。综合这些发现,尽管整体隐性运动学习未受影响,但焦虑水平的升高可能会改变个体在学习过程中的表现方式。
在所有焦虑水平中,我们发现连续反应时间任务的运动表现有所提高,并且对确定性运动序列的学习保持完整。这些表现的提升体现在四轮练习结束后反应时间的加快。通过连续练习序列后,当暴露于随机呈现的刺激时,反应时间显著增加,从而推断出学习的发生。尽管这些发现与一些研究结果相反,但这些发现与注意力控制理论一致,该理论认为焦虑者可以通过使用补偿策略来维持表现。
基于先前的研究,我们预计较高水平的焦虑会与较低的工作记忆容量相关(Moran,2016;Shackman等人,2006;Vytal等人,2013)。然而,在我们的样本中这一假设并未得到支持,因为我们仅发现中度焦虑组和轻度焦虑组之间的工作记忆容量存在显著差异。这种差异的一个可能解释是Corsi敲击任务主要测量的是视空间短期记忆和工作记忆,这些记忆可能比需要语言工作记忆的任务受焦虑的影响较小(Derakshan和Eysenck,1998;Eysenck等人,2005;MacLeod和Donnellan,1993;Moran,2016)。尽管一些研究报告焦虑与空间工作记忆的损害有关(Lavric等人,2003;Shackman等人,2006;Vytal等人,2013),但也有证据表明这些效应是情境依赖的,在高认知负荷条件下更为明显(Eysenck等人,2007)。例如,高焦虑水平的个体在语言推理(Derakshan和Eysenck,1998;MacLeod和Donnellan,1993)和空间及语言n-back(Vytal等人,2013)任务中的表现下降,当工作记忆需求较高时。我们的发现也可能表明Corsi敲击任务不够复杂,不足以显著消耗认知资源,因此焦虑没有产生足够的影晌来产生组间差异。与此观察结果一致的是,研究发现,在没有额外工作记忆负荷的情况下,高焦虑水平的个体可能与低焦虑水平的个体表现相似(Lukasik等人,2019;MacLeod和Donnellan,1993)。有趣的是,我们发现轻度焦虑组和重度焦虑组的工作记忆容量显著低于他们的短期记忆容量,这表明工作记忆受到了不成比例的影响。这种较低的工作记忆容量可能是重度焦虑组缺乏在线学习的原因,因为参与者可能无法在任务执行过程中逐项更新以提高表现。
这些发现最好在考虑本研究的局限性背景下进行解释。首先,我们发现各组在抑郁和压力得分上存在显著差异。由于抑郁和压力常常与焦虑同时出现(Kessler等人,2010;Wheatley,1997),特别是在年轻成人样本中(Kessler等人,2010),区分它们对隐性运动学习的独特影响仍然具有挑战性。尽管我们在分析中统计控制了抑郁和压力因素,但这些因素仍可能产生神经学影响,从而与焦虑相互作用并影响结果。此外,由于焦虑组在状态焦虑和特质焦虑症状上存在显著差异,目前尚不清楚哪个维度是导致结果的主要原因。未来的研究还可以评估焦虑调节策略如何影响高焦虑个体的在线学习和离线学习过程,以确定这些方法是否对那些症状影响表现的人有益。先前的研究发现,诸如正念(Call等人,2014;Nesrine等人,2025)、运动(Anderson和Shivakumar,2013;Carter等人,2021)和瑜伽(Li和Goldsmith,2012;Subramanya和Telles,2009)等干预措施可以减轻焦虑症状并提高认知功能。这些干预措施也可能支持高焦虑个体的在线学习。其次,使用确定性序列评估隐性运动学习的一个常见局限性是参与者可能会明确意识到重复的序列(Meissner等人,2016;Press等人,2005)。然而,我们的后测评估显示参与者对重复模式的意识很少,且组间没有差异,表明学习仍然是隐性的。第三,轻度焦虑组观察到的更大在线学习提升可能部分反映了任务执行过程中的注意力投入增加,而不是隐性学习本身的差异。根据注意力控制理论,焦虑可能会将注意力重新导向与任务无关的刺激(Berggren和Derakshan,2014;Eysenck等人,2007;Stout等人,2013;Wilson等人,2016),这可能会干扰目标导向的处理,并导致重度焦虑者的在线学习提升减少。未来的研究可以探讨不同焦虑水平个体的注意力控制在隐性学习中的作用。最后,虽然我们没有发现高焦虑水平会导致视空间短期记忆和工作记忆容量的更大缺陷,但这些领域的个体差异仍可能影响隐性学习。未来的研究可以通过使用复杂性和认知负荷不同的任务来解决这些局限性。例如,概率序列和双任务范式可以施加更高的认知要求,从而进一步阐明焦虑对隐性学习的影响。在连续反应时间任务期间结合使用神经成像方法(如脑电图(EEG)或功能性磁共振成像(fMRI)可能进一步阐明焦虑是否干扰了隐性运动学习背后的神经动态,包括在线学习和离线学习期间的潜在差异。
总之,我们发现虽然焦虑并未消除隐性运动学习,但它改变了学习的方式。轻度焦虑者表现出完整的在线学习,因为他们的表现随着练习的进行而提高,并且在每轮练习之间的两分钟休息后表现也有所提高。相比之下,重度焦虑者依赖于离线学习。这种学习过程的差异表明,重度焦虑者可能没有足够的认知资源来支持在线学习。此外,重度焦虑组主观上认为任务更加令人沮丧和紧张。这些发现表明,高焦虑水平可能会产生一个认知上具有挑战性的学习环境,维持表现可能需要付出更大的认知代价。从实际应用的角度来看,这些发现可以应用于各种学习情境。在学习过程中提供定期的短暂休息可以帮助高焦虑水平的个体清理他们的认知空间,从而促进学习的发生。