动作视频游戏与认知控制的关系

甄霜菊， 胡谏萍， 孟 阳， 张 卫



动作视频游戏与认知控制的关系

甄霜菊， 胡谏萍， 孟 阳， 张 卫

认知控制是个体根据环境变化控制或调节自己反应的能力，是一个人心理执行功能的核心。根据认知控制的双机制理论，结合停止信号任务和贝叶斯动态模型，考察动作视频游戏经验与反应控制和前摄控制的关系，结果发现：(1)游戏组与控制组的成功反应率、成功控制率、反应试次反应时及停止信号反应时没有显著差异；(2)游戏组与控制组的错误后减慢效应和停止后减慢效应也没有显著差异；(3)游戏组的序列效应显著低于控制组的序列效应。这些结果表明，动作视频游戏经验对反应控制没有影响，但可能损害了个体的贝叶斯学习，使玩家不能根据对环境刺激的预期实时地调整自己的行为，表现出前摄控制的削弱。

视频游戏经验 反应控制 前摄控制 贝叶斯模型

一、引 言

从20世纪末以来，随着电脑等信息技术的飞速发展，视频游戏已成为儿童乃至成年人空闲时间的重要活动。[1]据《中国互联网发展报告(2016)》显示，截至2015年底，中国网络视频游戏用户达3.91亿，占整体网民的56.9%。[2]游戏中的动作视频游戏(action video games，AVGs)尤其受到玩家的青睐，它是指需要玩家在复杂的3D设置中面对快速和/或转瞬即逝的目标时能做出快速、准确反应的电子游戏，这类游戏需要玩家强大的外围处理能力以及在注意力高度集中与快速分配之间持续转换。[3]

当前，视频游戏经验对个体认知功能的影响日益引起研究者的关注。[4]Green和Bavelier回顾了现有动作视频游戏与个体认知能力的相关研究后指出，大部分研究支持游戏经验与认知能力的提高有关，这涵盖了低级的知觉技能到高级的认知灵活性，包括视觉敏感性、基本视野、视觉决策水平、加工速度、知觉的同时性与时间顺序判断、跨空间选择任务相关信息的能力和速度、克服注意捕获、追踪多个移动目标的能力、复杂图形的心理旋转、视觉信息的记忆、任务转换能力、同时执行多个任务的能力等。[3]

此外，目前有少数研究探讨了视频游戏经验与认知控制的关系，[5]但所得结论并不一致。例如，Kronenberger等人考察了视频游戏经验与Stroop干扰效应(认知控制的指标)的关系，发现两者存在中等程度的负相关，即随着视频游戏经验的上升，认知控制能力下降。[6]该团队还利用fMRI(functional magnetic resonance imaging)比较了高频游戏玩家与低频游戏玩家在数数Stroop任务中大脑的激活情况，发现相比于中性试次，低频游戏玩家在不一致试次中表现出更大的前扣带回(anterior cingulate)及外侧额叶皮层(lateral frontal cortex)的激活，而高频玩家在执行不一致试次时却没能激活这两个脑区。[7]上述两项研究表明，游戏经验可能与降低的认知控制能力有关。然而，Colzato和van den Wildenberg采用停止信号任务(Stop Signal Task，SST)，通过招募有游戏经验及极少或无游戏经验的被试，考察了两组在反应控制上的差异，结果发现，游戏经验组与非游戏经验组的停止信号反应时并无显著差异，即两组的反应控制能力相当。[5]其后，Steenbergen等人采用停止变化范式(stop-change paradigm)再次考察了游戏经验组与非游戏经验组的反应控制，同样没有发现显著的组间差异。[8]

导致以往研究结论不一致的原因之一可能是研究范式的不同。前述提到的四项研究中，发现游戏经验可能与降低的认知控制能力有关的两项研究均采用了Stroop任务，而采用停止信号任务的研究[5]却没能得出这一结论。徐雷、唐丹丹和陈安涛指出，一个微小的因素、甚至指导语的细微差异都可能导致被试的期望不同，从而引起认知控制模式的改变。[9]因此，为了获得更稳定的结果，有必要采用多种研究范式对游戏与认知控制的关系进行验证与拓展。

另外，现有关于动作视频游戏与认知能力的探讨主要局限于反应控制。而认知控制的双机制理论(Dual mechanisms of cognitive control theory，DMC)认为，根据环境需要以及个体差异，我们可以采用认知控制的任意两种模式：前摄控制和反应控制。[10]其中，前摄控制代表了调节的未来取向，它在关键刺激出现之前就能调整信息加工系统的倾向性，从而形成相应的反应准备。而反应控制代表了调节的即时形式，它在信息加工系统内部的冲突或歧义上升时发挥作用。[10]前摄控制是一种线索驱动(cue-driven)的认知控制，受自上而下的信息加工影响较大，而反应控制是一种探测驱动(probe-driven)的认知控制，更多地受自下而上信息加工的影响。[9]

Bailey，West和Anderson的工作是目前已发表的唯一一个同时考察玩家与非玩家反应控制和前摄控制的研究。[1]他们结合Stroop任务和ERP(Electron Paramagnetic Resonance)技术探讨了游戏经验与个体认知控制能力的关系，以Stroop干扰效应和冲突慢波(Conflict Slow Potential，CSP)作为反应控制的指标，以冲突适应效应、内侧额叶负波(Medial Frontal Negativity，MFN)和额叶慢波(Frontal Slow，FSW)作为前摄控制的指标。行为研究结果发现，高频游戏玩家与低频游戏玩家的Stroop干扰效应没有显著差异，但高频玩家的冲突适应效应较小；脑电指标方面，两组的CSP没有显著差异，但高频玩家的MFN和FSW显著小于低频玩家。上述结果表明，视频游戏经验对高频玩家的反应控制能力没有影响，但影响了他们的前摄控制能力。

Bailey等人的研究为我们理解视频游戏与认知控制的关系提供了一个新的视角。然而，目前对于反应控制与前摄控制的ERP指标还存在比较大的争议。例如，在Bailey等人的研究中采用MFN(也即N450[11])作为前摄控制的指标，而van Wouwe，Band和Ridderinkhof等人则把与N450同样反映冲突监测的N2作为反应控制的指标。[12]所以，相关ERP成分可能不足以作为区分前摄控制与反应控制的典型指标，[9]后续研究有必要通过其他研究范式或计算方法进一步区分认知控制的这两个具体成分(尤其是前摄控制)。

前摄控制是一种线索驱动的认知控制，其核心过程是从变化的背景信息中形成对刺激的预期，并根据预期实时地调整自己的行为。[13—14]Ide，Shenoy，Yu和Li结合贝叶斯动态模型发现，在停止信号任务中，每次停止/执行试次的出现都会提高/降低被试对随后遇到停止试次的概率估计，且被试会根据这个概率估计来调整自己在该执行试次的反应时，这种根据对停止试次的概率估计来调整反应时的序列效应(sequential effect)反映了被试根据背景信息调整行为的能力。[15]此外，在停止信号任务中，两个传统的行为指标——错误后减慢效应(post-error slowing，PES[16])和停止后减慢效应(post-stop slowing，PSS[17])也在一定程度上体现了个体对背景信息的加工。[14]

因此，本研究拟通过停止信号任务：(1)探讨动作视频游戏经验对个体反应控制的影响；(2)结合贝叶斯动态模型，考察动作视频游戏经验对个体前摄控制的影响。停止信号任务在前人的研究中被证实是考察个体反应控制的有效策略，[5]而结合贝叶斯计算模型使得我们不仅可以采用该任务检验先前的有关反应控制的结果，还能更好揭示游戏经验与前摄控制之间的关系。

二、方 法

(一)被试

来自广东省两所本科院校的66名男性被试参与了本实验，年龄介于19到21岁之间。被试的招募基于Colzato使用的视频游戏问卷[5]。该问卷调查了被试玩游戏的频率、游戏时间、游戏名称以及游戏类型。最后筛选出高频玩家(游戏组，至少一年内平均每周玩5个小时以上的动作视频游戏)35人，低频玩家(控制组，不玩或几乎不玩视频游戏)31人。所有被试均为右利手者，视力或矫正视力正常，无色盲或色弱现象。

(二)实验程序

停止信号任务。该任务包括反应试次和停止试次两种试次类型。其中，反应试次约占75%，停止试次约占25%。两种类型的试次随机出现，试次间隔的时间平均为2秒。在试次开始时，电脑屏幕中央出现一个小圆点以吸引被试的注意。在1-5秒的随机间隔后，小圆点会变成一个圆圈，圆圈作为反应信号促使被试快速按键。当被试按键或者一秒后被试仍然没有按键，圆圈消失，试次终止。在停止试次中，反应信号后会出现“×”这一停止信号。反应信号和停止信号之间的时间距离，即停止信号延迟间隔(Stop Signal Delay，SSD)按照追踪算法设置。实验开始时，停止信号延迟间隔被设置为200毫秒，其后会根据被试的反应做动态调整：如果被试在当前停止试次中成功抑制反应，则下一个停止试次的SSD延长 67毫秒[18]，以增加成功抑制的难度；如果被试在当前停止试次中未能成功抑制反应，则下一停止试次的SSD缩短67毫秒，以增加成功抑制的可能性。通过这种追踪算法，使被试的SSD呈阶梯式的动态变化，我们预期被试可以成功抑制50%的停止试次。在停止试次中，如果被试未能抑制反应，则停止信号在被试按键后立即消失；如果被试成功抑制，则停止信号的呈现时间为(1000-SSD)毫秒。在看到反应信号后，被试需要迅速按键，但同时也要一直记住停止信号可能会出现。被试在正式实验前进行练习，以确保正确理解实验任务。每个被试一共需要完成3个组块的停止信号任务，每个组块包括100试次，整个实验大概需要10分钟，所有被试单独施测。

(三)数据分析

1. 反应控制指标

成功反应率和成功抑制率，指停止信号任务中被试在反应试次的正确反应率和在停止试次中的正确抑制率。根据追踪算法，被试的成功抑制率应该接近50%。

反应试次的反应时(Go reaction time，GoRT)，是指被试在反应试次中的反应时，反映的是被试对刺激的一般反应速度。我们把每个被试的反应试次反应时的中位数作为他的反应试次反应时。

停止信号反应时(Stop signal reaction time，SSRT)，指的是被试从停止信号出现到成功完成停止信号的时间，即被试成功抑制一个动作冲动所需要的内在反应时间。在计算SSRT之前，首先计算关键SSD。根据Hu，Tseng，Winkler和Li[19]及胡谏萍[14]的研究，停止试次的SSD按顺序组合一起，如SSD在连续三个或以上的停止试次中递增，则相应试次组合成递增序列；如果SSD在连续三个或以上的停止试次中递减，则相应试次组合成递减序列。我们把偶数序列中的中间停止试次的SSD(如果序列中含有停止试次的个数为偶数，则取中间两个停止试次的SSD的平均数)的平均数作为该被试的关键SSD，然后将每个被试的反应试次反应时减去关键SSD得到SSRT。

2.前摄控制指标

错误后减慢效应和停止后减慢效应。在简单反应时任务里，错误后正确反应的反应时与正确后正确反应的反应时相比具有显著延长的现象(延长的反应时被认为反映了错误监控[18])，这被称为错误后减慢。[20]我们计算出被试停止错误后执行试次的反应时和执行试次后执行试次的反应时差异，并将其效应量作为错误后减慢效应。类似地，与低冲突试次后正确反应的反应时相比，高冲突试次后正确反应的反应时也会延长。我们计算出个体在停止试次后执行试次的反应时和执行试次后执行试次的反应时差异，并将其效应量作为停止后减慢效应。

贝叶斯模型的序列效应。在停止信号任务中，与反应试次后的反应试次的反应时相比，停止试次后的反应试次的反应时要更慢，这反映了个体根据背景信息调整行为的能力。[18]也就是说，被试根据之前停止试次的经验预期接下来有可能再次出现停止信号，因而减慢反应速度。虽然有研究认为这种调整过程是离散事件，但是被试有可能使用序列事件的经验来更新他们对停止信号出现的预期，从而相应地调整他们的行为。

为了进一步探索序列事件如何影响被试对停止信号出现的可能性的主观估计，本研究参考Ide等人[15, 18]和胡谏萍[14]的研究，根据之前的刺激历史和现有的观察，使用动态的贝叶斯模型来估计接下来的停止信号出现的后验概率。贝叶斯模型假设被试相信，第k试次出现停止信号的概率rk有概率α的机会和k-1试次一样，有概率(1-α)的机会与固定分布π(rk)同分布。被试也被认为相信，第k试次是一个停止试次的概率是rk，相应地，第k试次是一个反应试次的概率是1-rk。基于这些假设，贝叶斯模型假定被试使用贝叶斯推论来更新他们对于第k试次出现停止信号的先验分布，即p(rk|sk-1)。p(rk|sk-1)是根据第k-1试次的后验分布p(rk-1|sk-1)和第k-1试次的实际类别(若该试次为停止信号，则sk=1; 若该试次为反应试次，sk=0)。

特别地，已知第k- 1试次的后验分布是p(rk-1|sk-1)，那么第k试次停止信号的先验分布为p(rk|sk-1)=αp(rk-1|sk-1)+(1-α)π(rk)。在这里，固定分布π(rk)是一个beta分布，有两个参数，分别是先验平均(prior mean，pm)和度量(scale，sc)。

根据贝叶斯规律，后验分布是通过先验分布和结果似然函数计算得来的，即p(rk|sk)αp(sk|rk)p(rk|sk-1).

为了方便，在本研究中，第k试次出现停止信号的贝叶斯概率估计，简称为p(Stop)，预测分布p(rk|sk-1)表述如下:

p(sk=1|sk-1) =∫P(sk=1|rk)P(rk|sk-1)drk=

∫rkP(rk|sk-1)drk= (rk|sk-1).

换言之，第k试次是停止试次的概率p(Stop)是预测分布p(rk|sk-1)的平均数。

对于每个被试来说，通过给定一系列的观察值(停止试次为1，反应试次为0)和三个模型参数{α，pm，sc}，我们可以估计每个试次的p(Stop)。参数α量化了被试对于先前试次的权重，参数pm是对于停止信号出现的预期的平均数。我们把序列效应定义为p(Stop)和所有反应试次的反应时的线性相关。

总的来说，被试对停止信号出现的可能性有一个先验估计，通过统计模型把这个先验估计量化形成先验分布；被试通过贝叶斯规则来更新这个先验分布，建立试次间(trial-by-trial)的动态模型，计算被试对每个试次出现停止信号的预期，并探讨这种预期是怎样影响反应时的。

序列效应：参数分析(Sequential effect: A parameter set analysis，SeqEff)。我们假设游戏组和控制组的被试有不同的序列效应。所以，在个体水平上，我们探讨贝叶斯模型里面哪些参数可以产生反应试次反应时和p(Stop)之间的最大的相关系数Rmax[17]。模型参数的探索空间如下:α=[0.5，0.51，…，0.98]，pm=[0.02，0.03，…，0.5]，和sc=[1，2，…，12]。我们识别出每个被试的最佳模型参数(αmax，pmmax，scmax)，这些最佳模型参数可以得到Rmax。我们比较游戏组被试和控制组被试在各个参数上的差异。

为了使序列效应最大化，我们识别出每个被试的最佳模型参数，但是我们也注意到，由于每个被试只有有限的试次，所以每个被试的模型参数存在很大的不确定性和噪音。在这种情况下，研究者通常使用固定的模型参数来进行以模型为基础的行为分析。[21]这些固定的模型参数能够最大限度地反映该组被试的表现。所以，为了比较游戏组被试和控制组被试的序列效应，我们把被试在该条件的最佳模型参数(αmax，pmmax，scmax)的平均值作为该条件的固定模型参数，并计算每个被试的反应试次的反应时与p(Stop)的相关系数(RSeqEff)。我们把每个被试的RSeqEff通过Fisher转换，转换成ZSeqEff，使之符合正态分布和适合进行参数分析。所有的统计分析均通过Matlab和SPSS 19.0 完成。

三、结果与分析

(一)动作游戏经验与反应控制

赛马模型认为，执行和停止过程通过在速度上的相互竞争来决定优势反应，[22]停止信号反应时(SSRT)通过每个被试的反应试次反应时减去关键SSD计算得到。更长的SSRT代表更差的反应控制。在当前的停止信号任务中，通过独立样本t检验比较了游戏组与控制组被试在成功反应率、成功抑制率、反应试次反应时和停止试次反应时上的差异。

结果发现，在成功反应率上，游戏组的成功反应率(mean±SD, 93.5±5.3%)和控制组(93.5±5.2%)没有显著差异，t(64) = 0.027，p=0.978，Cohen’sd=0.006。同样地，游戏组的成功抑制率(mean±SD, 51.9±3.5%)和控制组(52.7±3.4%)也没有显著差异，t(64) = -0.946，p=0.348，Cohen’sd=0.233，这表明两组被试在停止信号任务中的表现都遵循“阶梯法”。在反应试次反应时方面，游戏组的反应试次反应时(mean±SD, 635.9±97.3ms)与控制组(628.5±107.3 ms)没有显著差异(见图1a)，t(64) = 0.297，p=0.767，Cohen’sd=0.073。最后，在停止信号反应时上，游戏组的停止信号反应时(mean±SD, 203.1±34.4ms)与控制组(196.6±42.8ms)同样没有显著差异(见图1b)，t(64)=0.689，p=0.493，Cohen’sd=0.167。

图1 游戏组与控制组反应试次反应时(a)与 停止信号反应时(b)的差异比较

(二)动作游戏经验与前摄控制

首先，我们考察了游戏经验对错误后放慢效应的影响。独立样本t检验表明，游戏组的错误后放慢效应(mean±SD, 0.720±1.711)和控制组的错误后放慢效应(0.613±1.650)没有显著差异，t(64)=0.259，p=0.796，Cohen’sd=0.064。

其次，继续考察游戏经验对停止后放慢效应的影响。独立样本t检验表明，游戏组的停止后放慢效应(mean±SD, 0.540±1.625)和控制组的停止后放慢效应(1.013±1.680)没有显著差异，t(64)=-1.161，p=0.250，Cohen’sd=0.286。

接着，通过数据拟合，我们分别得到游戏组和控制组的每个被试的最佳模型参数(αmax, pmmax, scmax)。独立样本t检验结果表明，两组被试在这三个参数上没有显著差异(分别见图2a，2b和2c)。具体地，αmax：t(64)=-0.278，p=0.782；pmmax：t(64)=1.845，p=0.070；scmax：t(64)=-0.046，p=0.963。

最后，为了考察两组被试在序列效应上的差异，我们把游戏组被试的最佳模型参数(αmax, pmmax, scmax：0.91, 0.23, 11)和在控制组的最佳模型参数(0.92, 0.13, 11)的平均值分别作为两组的固定模型参数，并计算每个被试的反应试次的反应时和P(Stop)的相关系数(RSeqEff)。把每个被试的RSeqEff通过Fisher转换，转换成ZSeqEff，使之符合正态分布和适合进行参数分析。独立样本t检验结果发现，控制组被试(mean±SD,ZSeqEff=0.163±0.12)比游戏组被试(ZSeqEff=0.092±0.143)表现出更大的序列效应(见图2d)，t(64)=-2.142，p=0.036，Cohen’sd=0.545。

图2 游戏组与控制组αmax，pmmax，scmax和 ZSeqEff的差异比较

四、讨 论

认知控制对个人生活及人际关系的重要性显而易见，许多患有精神及神经系统疾病(如注意缺陷多动障碍、强迫症、执行缺陷综合症)的个体均缺乏认知控制，老年人以及有不良生活习惯(如酒精和药物滥用等)的个体同样存在认知控制的问题。[8]本研究结合停止信号任务和贝叶斯模型，探讨了动作游戏经验与认知控制的关系。结果表明，视频游戏经验不同程度地影响了认知控制的具体方面，包括反应控制与前摄控制。

本研究采用了停止信号任务测量个体的反应抑制。其优点在于采用追踪算法来确定反应信号与停止信号之间的时间距离，以保证被试能够成功抑制大概50%的停止试次。[14]该设置对被试的反应抑制提出了很高的要求。与Colzato等人[5]和Steenbergen等人[8]的研究一致，本研究也发现游戏组与控制组的反应控制不存在显著差异。这提示我们可能玩家的反应控制对动作游戏不敏感。这实际上是一个非常有趣的发现。[5]有研究者认为，由于动作视频游戏(特别是第一人称射击游戏)要求玩家对不可预期的、快速变换的场景做出迅速、灵活的反应，这类游戏被指责增加了玩家的冲动行为。[8]但我们及其他研究者[1, 5, 8]的研究结果并不支持这一观点，因为玩家的反应控制并没有比控制组差。然而，两组被试表现出相似的反应控制水平也提示我们，以往研究发现的与游戏经验有关的认知的潜在获益可能并不能推广到所有的认知功能，未来研究需要进一步探讨可能的原因。[8]

前人研究主要集中于动作游戏经验与反应控制的关系，较少关注游戏经验与个体背景信息加工能力的关系。我们与Bailey等人[1]的研究结果较为一致，本研究也发现视频游戏经验与较低的前摄控制有关。游戏经验可能使得玩家过分关注突显事件，以至于不能有效地综合考虑、评价和整合先前的背景信息并指导行为，从而表现出更弱的前摄控制。另外，本研究采用停止信号任务，在反应控制和前摄控制上都得出了与Bailey等人[1]采用Stroop任务得到的相似结果，这说明动作视频游戏与这两种认知控制的关系在不同任务中具有一定的稳定性。

当然，本研究也还有着一些局限。首先，也是最为重要的一点是，横断研究的性质使得我们所观察到的前摄控制的组间差异并不必然存在因果关系。可能预先存在的基因及神经发展的差异导致了某些个体更容易被动作游戏吸引。[4, 8]与大多数探讨游戏效应的研究一样，未来研究可通过招聘不玩游戏的被试，训练他们分别玩那些在趣味性、流畅性、唤醒度方面匹配的动作游戏与非动作游戏，通过前后测的方式进一步确定其因果关系。[3]其次，我们的研究并没有考察动作游戏组是否存在游戏成瘾的被试，这可能是导致我们的结论与以往部分研究不一致(Kronenberger等人的研究发现游戏经验与降低的反应控制有关[6])的原因。Li等人的研究发现，与正常个体相比，网络成瘾者在停止信号任务中表现出延长的SSRT，也即他们需要更长的时间来控制按键反应。[23]作为网络成瘾的亚型，视频游戏成瘾者是否同样表现出反应控制的缺陷？把他们与玩游戏的非成瘾被试归到同一组别，是否抵消了游戏对非成瘾玩家反应控制的提高？未来研究需进一步区分游戏成瘾被试与游戏非成瘾被试在相关任务上的表现。最后，关于样本的问题。本研究被试人数较少，且只招聘了男性被试，研究结果不一定能推广到女性。考虑到男性比女性更多地报告动作游戏经验，[24]招募被试时我们仅限于男性，导致不能进行反应控制与前摄控制的性别间比较。后续研究也可通过扩大样本量及平衡性别的方法克服这一问题。

五、结 论

本研究采用停止信号任务和贝叶斯动态模型考察了动作视频游戏经验与反应控制和前摄控制的关系。结果发现：

(1)动作视频游戏组与控制组的成功反应率、成功控制率、反应试次反应时及停止信号反应时没有显著差异；

(2)动作视频游戏组与控制组的错误后减慢效应和停止后减慢效应也没有显著差异；

(3)动作视频游戏组的序列效应显著低于控制组的序列效应。

[1] K. Baily, R. West, C. A. Anderson.ANegativeAssociationbetweenVideoGameExperienceandProactiveCognitionControl. Psychophysiology, 2010, 47: 34—42.

[2] 中国互联网协会，中国互联网络信息中心．中国互联网发展报告(2016)精华版. 中国互联网协会网，2016-09-07. http://www.isc.org.cn/editor/attached/file/2016090-7/20160907102140_55193.pdf．

[3] C. S. Green, D. Bavelier.ActionVideoGameTrainingforCognitiveEnhancement. Current Opinion in Behavioral Sciences, 2015, 4: 103—108.

[4] L. S. Colzato, W. P. M. van den Wildenberg, B. Hommel.CognitiveControlandtheCOMTVal158MetPolymorphism:GeneticModulationofVideogameTrainingandTransfertoTask-SwitchingEfficiency. Psychological Research, 2014, 78(5): 670—678.

[5] L. S. Colzato, W. P. M. van den Wildenberg, S. Zmigrod, et al.ActionVideoGamingandCognitiveControl:PlayingFirstPersonShooterGamesisAssociatedwithImprovementinWorkingMemoryButNotActionInhibition. Psychological Research, 2013, 77: 234—239.

[6] W. G. Kronenberger, V. P. Mathews, D. W. Dunn,et al.MediaViolenceExposureandExecutiveFunctioninginAggressiveandControlAdolescents. Journal of Clinical Psychology, 2005, 61: 725—737.

[7] V. P. Mathews, W. G. Kronenberger, Y. Wang,et al.MediaViolenceExposureandFrontalLobeActivationMeasuredbyFunctionalMagneticResonanceImaginginAggressiveandNonaggressiveAdolescents. Journal of Computer Assisted Tomography, 2005, 29: 287—292.

[8] L. Steenbergen, R. Sellaro, A-K Stock, et al.ActionVideoGamingandCognitiveControl:PlayingFirstPersonShooterGamesisAssociatedwithImprovedActionCascadingButNotInhibition. PLoS ONE, 2015, 10(12): e0144364.

[9] 徐雷, 唐丹丹, 陈安涛.主动性和反应性认知控制的权衡机制及影响因素. 心理科学进展, 2012 (7).

[10]T. S. Braver, J. R. Gray, G. C. Burgess.ExplainingtheManyVarietiesofWorkingMemoryVariation:DualMechanismsofCognitiveControl//A. R. Conway, C. Jarrold, M. J. Kane, et al (Eds.). Variation in Working Memory. New York: Oxford, 2007: 76—106.

[11]A. T. Chen, K. Bailey, B. N. Tiernan,et al.NeuralCorrelatesofStimulusandResponseInterferenceina2-1MappingStroopTask. International Journal of Psychophysiology, 2011, 80(2): 129—138.

[12]N. C. van Wouwe, G. P. H. Band, K. R. Ridderinkhof.PositiveAffectModulatesFlexibilityandEvaluativeControl. Journal of Cognitive Neuroscience, 2011, 23(3): 524—539.

[13]S. Hu, J. S. Ide, S. Zhang,et al.AnticipatingConflict:NeuralCorrelatesofaBayesianBeliefandItsMotorConsequence. Neuroimage, 2015, 119: 286—295.

[14]胡谏萍.急性压力对认知控制的影响及其神经机制. 广州：华南师范大学博士学位论文, 2015: 6.

[15]J. S. Ide, P. Shenoy, A. J. Yu,et al.BayesianPredictionandEvaluationintheAnteriorCingulateCortex. Journal of Neuroscience, 2013, 33(5): 2039—2047.

[16]C. S. R. Li, C. Huang, P. Yan,et al.NeuralCorrelatesofPost-errorSlowingduringaStopSignalTask:AFunctionalMagneticResonanceImagingStudy. Journal of Cognitive Neuroscience, 2008, 20(6): 1021—1029.

[17]C. S. R. Li, X. Luo, P. Yan,et al.AlteredImpulseControlinAlcoholDependence:NeuralMeasureofStopSignalPerformance. Alcoholism: Clinical and Experimental Research, 2009, 33(4): 740—750.

[18]J. S. Ide, S. Hu, S. Zhang,et al.ImpairedBayesianLearningforCognitiveControlinCocaineDependence.DrugandAlcoholDependence, 2015, 151: 220—227.

[19]S. Hu, Y. C. Tseng, A. D. Winkler,et al.NeuralBasesofIndividualVariationinDecisionTime. Human Brain Mapping, 2014, 35(6): 2531—2542.

[20]P. Rabbit.ErrorsandErrorCorrectioninChoice-ResponseTasks. Journal of Experimental Psychology, 1966, 71(2): 264.

[21]N. D. Daw, J. P.O’Dohert, P. Dayan, et al.CorticalSubstratesforExploratoryDecisionsinHumans. Nature, 2006, 441(7095): 876—879.

[22]G. D. Logan.OntheAbilitytoInhibitThoughtandAction:AUsers’GuidetotheStopSignalParadigm∥D. Dagenbach, T. H. Carr (Eds.). Inhibitory Processes in Attention, Memory, and Language. San Diego: Academic Press, 1994:189—239.

[23]Q. Li, W. Nan, J. Taxer,et al.ProblematicInternetUsersShowImpairedInhibitoryControlandRiskTakingwithLosses:EvidencefromStopSignalandMixedGamblesTasks. Frontiers in Psychology, 2016, 7: 370.

[24]J. Mishra, M. Zinni, D. Bavelier,et al.NeuralBasisofSuperiorPerformanceofActionVideogamePlayersinanAttention-DemandingTask. Journal of Neuroscience, 2011, 31: 992—998.

【责任编辑：王建平；实习编辑：杨孟葳】

教育部人文社会科学研究青年基金“暴力视频游戏对注意偏向的影响”(12YJC190040)；广东省高校优秀青年创新人才培养计划项目(2012WYM_0041)；国家自然科学基金面上项目“感觉寻求与青少年问题行为研究”(31671154)

2016-07-15

B84

A

1000-5455(2016)06-0103-07

甄霜菊，广东开平人，华南师范大学心理学院/心理应用研究中心讲师；胡谏萍，广东顺德人，广东金融学院行为金融与区域实验室讲师；孟阳，河南洛阳人，华南师范大学心理学院研究生；张卫，河南正阳人，华南师范大学心理学院/心理应用研究中心教授、博士生导师。)