从潜变量视角看注意控制的脑电测量
A Latent Variable Perspective on EEG Measures of Attentional Control
预印本 · 尚未经过同行评审
注意控制的定义与因子结构长期存在争议,心理测量学与认知神经科学两条路径少有交叉。研究记录被试完成变化检测、go/no-go、Simon 和 Stroop 四项任务时的脑电,从每项任务提取 P3 成分和数据驱动的解码准确率,检验这些指标是否负荷于同一个注意控制潜因子。结果显示相关微弱且多不显著,结构方程模型未提供共同潜因子的证据,尽管任务内行为与脑电效应在组水平上稳定。
让被试完成变化检测、go/no-go、Simon 和 Stroop 四项任务,用脑电 P3 成分与数据驱动解码准确率检验注意控制的共同潜因子。
注意控制是一项核心认知功能,然而围绕其定义、因子结构以及潜在的神经机制仍存在大量争论。该领域的研究大体上沿着两条彼此基本隔绝的传统发展。心理测量学取向使用潜变量模型(如结构方程模型、验证性因子分析)评估个体差异,而认知神经科学则聚焦于群体水平的行为与神经效应。这引出了一个关键问题:在群体水平上稳健的神经测量指标,能否有效地捕捉稳定的个体差异?或者更具体地说,个体差异研究中采用的一些原则和分析方法,能否直接应用于注意控制的神经相关物?本研究旨在回答这一问题。研究记录了被试在完成四项注意控制范式时的脑电数据:变化检测任务、go/no-go 任务、Simon 任务和 Stroop 任务。我们从每个任务中提取了 P3 成分和一种数据驱动的解码准确率指标,作为冲突加工的指标,并检验这些神经测量指标是否负荷于一个共同的注意控制潜因子。结果显示相关较弱且大多不显著。尽管在群体水平上行为参数和 EEG 参数均反映出稳健的任务内效应,结构方程模型仍未提供存在共同潜因子的证据。这些发现表明,EEG 成分可能缺乏可靠捕捉注意控制个体差异所需的结构效度。
中文由 AI 翻译,仅供参考,以原文为准。
来源:bioRxiv · Neuroscience · biorxiv.org