编辑推荐：
为解决复杂运动技能学习瓶颈及突破专家技能提升上限问题，研究人员以钢琴演奏为模型，开展复杂运动技能分解训练的研究。结果发现，分解训练结合视觉误差反馈可提升熟练钢琴家技能，这为运动技能学习提供新策略。
在运动技能学习的领域中，那些需要多个身体部位精准配合、快速且精确执行的复杂运动技能，一直是学习者和研究者面临的巨大挑战。就像在钢琴演奏里，要完成一段高难度的曲目，手指间复杂的动作配合以及对节奏的精准把握，即使是经过多年刻苦训练的专业钢琴家，也难以轻松驾驭。以往的研究表明，单纯的练习量对专业技能提升的贡献仅约 30%，而且过度练习已掌握的技能还可能引发诸如局灶性肌张力障碍（focal dystonia）等运动障碍。这意味着，传统的练习方式存在局限性，探索更有效的学习方法迫在眉睫。
在此背景下，来自索尼计算机科学实验室（Sony Computer Science Laboratories Inc.）和京都 NeuroPiano Institute 的研究人员 Yudai Kimoto、Masato Hirano 和 Shinichi Furuya 开展了一项具有创新性的研究。他们的研究成果发表在《Communications Biology》上，为复杂运动技能的学习带来了新的曙光。
研究人员采用了多种关键技术方法。在实验中，他们使用带有 MIDI 传感器的数码钢琴（VPC1 KAWAI Co.）来记录按键动作的时间和速度，采样频率为 1000Hz 。为了进一步研究手指运动的运动学特征，在实验 2 中，借助配备传感器的 Data Glove（CyberGlove III）记录手指关节角度，以 8.3ms 的间隔、120Hz 的采样频率，记录四个手指的掌指关节（MCP）和近端指间关节（PIP）的角度。数据分析方面，运用线性混合效应模型（LME）或广义线性混合效应模型（GLME）进行统计分析，探究不同因素对实验结果的影响。
研究结果如下：
- 实验 1：实验选取了 36 名熟练钢琴家和 12 名非熟练钢琴家。实验任务是交替重复两种双音连奏的运动模式，这一任务源自肖邦练习曲 Op. 25 no. 6，极具技术挑战性。研究人员先让 12 名熟练钢琴家进行传统的重复训练，结果发现，重复训练前后，按键错误数量并无显著差异，这证实了传统重复训练存在学习高原现象，难以提升复杂运动技能。接着，将 24 名熟练钢琴家和 12 名非熟练钢琴家分为反馈（FB）组和无反馈（no - FB）组，进行分解训练。FB 组在训练中会收到手指运动时间同步性的视觉反馈，no - FB 组则仅依靠触觉信息。结果显示，FB 组中的熟练钢琴家在保持运动速度的同时，按键错误概率显著降低，而 no - FB 组的熟练钢琴家和非熟练钢琴家在训练后均未出现明显的技能提升。此外，对训练过程中时间误差的分析发现，FB 组熟练钢琴家在训练两种运动模式时，时间误差均有所减小，但在实验任务中，时间误差的改善并不明显。
- 实验 2：鉴于实验 1 中部分熟练 FB 组参与者训练后无错误，出现了地板效应，且运动模式 B 更具挑战性，实验 2 选取 24 名熟练钢琴家，让他们集中训练运动模式 B。实验任务难度增加，要求参与者探索一个使 10 次试验中出现约 8 次错误的运动速度。实验结果表明，FB 组在训练后按键错误显著减少，而 no - FB 组无明显变化。在时间误差方面，仅运动模式 B 在训练后时间误差显著降低。通过 Data Glove 记录手指关节运动，研究人员发现，FB 组在训练过程中手指关节运动的探索量更大，且手指关节运动探索量与实验任务表现的改善呈正相关，这表明分解训练结合误差反馈促进了运动探索，进而提升了运动表现。
综合研究结论和讨论部分，该研究表明，将复杂运动技能分解为简单的组成技能，并在训练中提供误差反馈，能够促进熟练个体的运动探索，优化运动表现，突破技能提升的天花板。对于非熟练钢琴家，由于手指灵活性较低，分解后的运动元素仍具有较高难度，难以从这种训练中获益。这一研究揭示了复杂运动技能学习的新机制，为专业人士的技能提升提供了科学依据，也为未来运动技能学习领域的研究指明了方向，具有重要的理论和实践意义。
