编辑推荐：
为探究焦虑对预测性（眼动）运动控制机制的影响，研究发现焦虑会干扰相关信念更新，具有重要意义。
在日常生活中，我们常常会遇到一些让自己倍感焦虑的场景，比如在重要的考试、面试或者体育比赛中。你有没有发现，当处于焦虑状态时，我们的行为表现似乎会受到影响，原本熟练的动作可能变得笨拙，判断也不再那么准确。从科学的角度来看，焦虑这种情绪状态究竟是如何影响我们的身体和大脑，进而干扰我们的行动呢？这背后涉及到的是预测性运动控制机制，它就像大脑里的一个精密 “导航仪”，帮助我们根据对未来的预测来控制身体动作，但焦虑似乎会让这个 “导航仪” 出现偏差。以往的研究虽然发现焦虑会改变我们学习环境的速度，却未能清晰地揭示其对驱动行动控制的预测性信念的后续影响。为了深入了解这一现象，来自英国埃克塞特大学（University of Exeter）的 David Harris、Tom Arthur 等研究人员开展了一项研究，相关成果发表在《Biological Cybernetics》上。这项研究对于理解焦虑与运动控制之间的关系有着重要意义，有望为相关领域的进一步研究和应用提供关键的理论依据。
研究人员主要采用了虚拟现实（VR）技术、眼动追踪技术以及主动推理建模等方法。在实验中，30 名参与者需要在虚拟现实环境中完成一项类似简化壁球的任务，即手动拦截从两个可能位置发射的虚拟球。研究人员通过设置不同的压力条件，利用表现激励和社会评价压力来诱导参与者产生高焦虑或低焦虑状态，并测量这对他们生理唤醒、自我报告的状态焦虑（S-ANX）和眼动的影响。同时，借助眼动追踪技术记录参与者的目光数据，再使用主动推理建模对这些数据进行分析，以探究预测性信念的变化。
研究结果如下：
- 焦虑诱导效果：通过线性混合模型分析发现，高压力条件下参与者的 S-ANX 和心率（HR）显著增加，且 HR 与 S-ANX 之间存在强相关性，这表明研究成功诱导出了不同的焦虑状态。
- 眼动变量分析
- 预测性眼动：在高压力和低压力条件下，预测性注视行为（如预测性注视位置、准确性和方差）没有系统性差异。
- 主动推理模型变量：线性混合效应模型显示，高压力条件下学习率（η）显著降低，表明状态焦虑下注视预测的更新较慢；同时，状态焦虑与行动精确性（α）和损失厌恶参数相关，焦虑增加与更随机、非确定性的行动选择以及对非偏好结果的厌恶减少有关。
- 追踪增益：线性混合模型表明，高压力条件下追踪增益值更高，意味着参与者在高压力下能更紧密地跟踪球的路径。
- 释放前位置的标准差：高压力条件下，球释放前眼动位置的方差增加。
- 熵：高压力条件下，眼动的随机性或复杂性更高，在水平和垂直平面上均有体现。
研究结论和讨论部分指出，该研究结果支持了在表现焦虑状态下，先验信念更新可能受损的理论观点。研究发现人们在焦虑时会试图通过趋向更熟悉、确定的感觉运动模式来应对不确定性，这一现象符合熵模型（EMU）和自由能原理（FEP）对焦虑的描述。同时，研究也存在一定局限性，比如实验中可能未达到真正的高焦虑状态，且难以区分观察到的效应是由认知焦虑还是生理唤醒引起的。此外，研究无法确定观察到的变化是否与任务绩效的总体变化相关。未来的研究可以进一步探究不确定性、波动性和焦虑信念之间的关系，直接比较主动推理与替代强化学习方法的优劣，从而更深入地理解焦虑对运动控制的影响机制。这项研究为我们理解焦虑状态下运动技能的崩溃提供了新的视角，有助于推动对运动技能训练计划设计的进一步研究，在基础理论和实际应用方面都具有重要意义。
