编辑推荐：
在社会互动中，准确预测他人意图至关重要。为探究其机制，研究人员开展 “运动学情境化对意图预测影响” 的研究。结果发现，参与者意图预测依赖运动学和情境信息，且常反映物体主要功能。该研究为理解意图预测提供新视角。
在生活中，我们常常需要猜测他人的行动意图，比如看到有人伸手去拿杯子，会本能地推测他是想喝水、倒水还是做其他事情。然而，传统研究在探索人们如何预测他人意图时，存在诸多不足。以往聚焦运动学（Kinematics）的研究，常使用简化刺激，像点光源显示，让观察者仅关注身体运动，却忽略了自然环境中的丰富情境信息。而且，运动学与意图之间并非简单的一一对应关系，同一运动可能对应多种意图，反之亦然，这使得仅依靠运动学信息难以准确预测意图。同时，不少研究仅依赖静态图像或截断的视频，无法全面考量运动学和情境信息的综合作用，并且常用的二选一强制选择（2AFC）设计过于简化任务，不能真实反映三者之间的复杂关系。
为了解决这些问题，来自国外的研究人员开展了一项关于意图预测的研究。他们利用伸手抓握范式，系统操纵演员的行动意图和环境情境，通过呈现不同类型的刺激，包括动作前的情境图像（pre - image）、抓握时手和情境的最终状态图像（post - image）以及包含抓握动作的视频（video），让参与者观看并自由回答演员的意图。研究结果表明，参与者的意图预测受到刺激类型和相应运动学情境信息的显著影响。而且，虽然参与者的预测并不总是准确，但大多反映了物体的主要功能或动作可能性，即 “可供性”（Affordances）。这一研究成果发表在《Cognition》杂志上，为我们理解意图预测机制提供了新的视角和依据，有助于进一步探究社会互动中人们的认知过程。
在研究方法上，研究人员首先通过在线招募平台 Prolific 招募了 120 名参与者，经过筛选最终确定 100 名。他们录制演员伸手抓握杯子、瓶子或勺子的视频，并从中提取 pre - image 和 post - image 作为刺激材料。在实验过程中，参与者被随机分为两组，分别观看不同类型的刺激，并在观看后以自由文本形式回答演员的意图。之后，研究人员采用混合方法分析数据，包括对参与者回答进行初始编码、频率分析、分类、二次编码和比例分析，还运用广义线性模型（GLM）和广义逻辑混合随机效应模型（GLME）进行统计分析。
研究结果主要从两个方面展开：
- 刺激类型差异：对杯子和瓶子的分析显示，刺激类型对参与者反应的收敛和发散有显著影响。总体上，post - image 刺激引发的反应比 pre - image 和 video 刺激更多样化。虽然 pre - image 和 video 刺激在独特动词数量上差异不显著，但 Sankey 图显示两者在最可能预测的意图类型上存在差异，这表明运动学信息能指明与仅依靠情境不同的意图类型。
- 运动学情境差异与分类分析：研究聚焦于视频刺激的预测，发现参与者在预测时并不十分准确。不过，他们的反应呈现出一定模式，常根据物体的主要动作可能性判断意图。以杯子为例，当演员伸手去拿装满或半满的杯子时，无论其真实意图是喝还是清理，“喝” 都是主要的预测意图，但当意图为清理时，预测的不确定性增加。当杯子几乎为空时，预测意图更符合演员的实际意图，但意图的确定性仍低于装满或半满的杯子。对于瓶子，在不同情境下，“倒 / 灌” 和 “移动物体” 是常见的预测意图，且情境和演员意图对预测有显著影响。
在结论和讨论部分，研究表明个体预测他人意图时，反应反映了整个行动者 - 环境情境所定义的最功能性动作可能性或可供性。当运动学情境信息明确指向一种可执行的可供性时，大多数观察者会将其视为演员的意图；若信息指向多种可供性或无明确动作可能性，观察者会给出多样的意图预测。这一发现与人们基于功能可供性识别物体的研究相符，强调了个体对物体功能可供性的感知在意图预测中的关键作用。同时，研究也指出，实验情境存在局限性，日常观察中人们能更好地预测他人意图，这可能得益于更丰富的时空和社会情境。未来研究应探索这些情境如何影响意图预测，以及运动学变异性与情境的交互作用，还应关注更高阶的运动学情境信息，以深入理解复杂现实场景中的意图预测机制。这一研究意义重大，它揭示了传统研究方法的不足，为后续研究指明了方向，推动了对人类意图预测这一复杂认知过程的深入探索。
