编辑推荐：
研究人员为解决传统分析方法不足，开展虚拟现实（VR）中运动轨迹追踪研究，发现新效应，为认知研究提供新视角。
在认知研究的领域中，传统实验常依赖反应时间（RT）和准确性等离散测量指标，就像给动态的认知过程拍了一张张孤立的 “快照”。然而，这些指标难以全面展现认知那复杂且连续的动态过程。比如在研究人们做决策时，仅靠反应时间和是否答对，无法知道在决策过程中，大脑是如何一步步思考、调整的。而且，基于这些离散指标进行的方差分析（ANOVA），还存在假设违背和统计效力不足等问题，就如同用一把不合适的尺子去测量，得到的结果难以准确反映真实情况。为了更深入地探究认知的动态过程，来自德国凯泽斯劳滕 - 兰道大学认知科学中心等机构的研究人员，开展了一项关于虚拟现实（VR）中运动轨迹追踪数据的研究。该研究成果发表在《Scientific Reports》上，为认知研究开辟了新的方向。
研究人员运用了多种关键技术方法。首先，通过设置经典版本和 VR 版本的 N-back 任务，让参与者判断当前呈现的刺激与 N 个试次前的刺激是否匹配。在实验过程中，收集参与者的反应时间、准确性以及 VR 版本中的运动轨迹数据。接着，使用传统的方差分析（ANOVA）对数据进行初步分析，然而这种方法出现了方差不齐和球对称性假设违背等问题。于是，研究人员引入了生存分析（SA）和新提出的时空生存分析（StSA）。SA 能对反应激活、犹豫和决策过程的时间动态进行分析，而 StSA 则能进一步挖掘 VR 中运动轨迹数据的时空分布特征 。
研究结果主要如下：
- 均值分析（使用 ANOVA）：在经典和 VR 版本的 N-back 任务中，ANOVA 分析表明，随着 N 值增加，参与者的反应总体变慢且准确性降低，N-back 的影响在经典版本中更为显著。匹配（Match）试次的反应比非匹配（non-Match）试次更快，但准确性更低。不过，ANOVA 分析存在方差不齐和球对称性假设违背的情况，这可能会掩盖一些重要信息。
- 生存分析（SA）：SA 证实了 Match 试次反应比 non-Match 试次更快，但准确性更低的结论。同时发现，在 N3 的 RT (C) 中，约 800ms 前存在早期频率忽视现象，即参与者更倾向于选择出现频率较低的 Match 反应，尽管其实际出现概率仅为 33%。而在 VR 版本的 RT (VR) 中，未观察到这种早期频率忽视现象，可能是因为参与者在运动轨迹过程中进行了纠正。此外，从 800ms 起，所有 RT (C) 和 RT (VR) 条件下都出现了类别频率调整的反应，即更频繁的 non-Match 试次受到青睐。
- 时空生存分析（StSA）：在 StSA 的不同阶段有不同发现。在阶段 0，平均轨迹数据显示，在所有 N-back 条件下，前 500ms 平均轨迹都靠近屏幕中心，之后 Match 和 non-Match 轨迹开始分化。阶段 1 的单试次数据表明，随着任务难度增加，参与者的运动起始更分散，犹豫和自我纠正现象更明显。阶段 2 的概率分布热图显示，随着 N 值增加，轨迹在中性位置停留时间更长，且 non-Match 条件下的分布更宽，表明存在更多犹豫和错误方向的偏差。阶段 3 的 StSA 分析揭示了一些新的现象，如在 Match 条件下，高危险率与高条件准确性相关；在 non-Match 条件下，早期存在强烈的 Match 偏向，且随着任务难度增加，这种偏向在早期更为明显，后期才逐渐克服。通过对不同时间窗口的条件准确性进行推断分析，发现不同时间段存在不同的效应，进一步证实了频率忽视和类别频率调整反应的存在。
研究结论和讨论部分指出，传统的离散测量指标和分析方法存在诸多局限性，而轨迹追踪能提供更精确和连续的测量，有助于提高实验效力。时空生存分析（StSA）作为一种新方法，能够量化 VR 中运动轨迹数据的动态和变异性，揭示以往被忽视的趋势。该研究不仅对 N-back 任务和动态场理论（DFT）有重要意义，还挑战了以往决策模型中决策和反应执行几乎不重叠的假设，表明决策过程在反应执行期间仍在继续，早期运动反应受神经竞争和感知 - 运动系统耦合的动态影响。这一发现为更深入理解认知和决策过程提供了新的视角，也为计算建模和相关领域的研究提供了新的思路。同时，研究也指出了自身的局限性，如未考虑个体差异和学习对任务表现的影响，实验设计中的 “静态” 起始程序可能影响结果等。但总体而言，这项研究为认知科学领域的发展做出了重要贡献，为后续研究奠定了基础。
