《Brain Sciences》：Associations Between Individual Differences in Cognitive Control Capacity and Multitasking Performance
编辑推荐：
背景/目的：认知控制容量（cognitive control capacity, CCC）描述个体单位时间内能够可靠处理的最大信息量，是多任务处理表现的关键认知因素。尽管已知持续高负荷多任务处理会诱发累积性认知损伤，但CCC是否与该损伤在主观、行为和神经层面的
背景/目的：认知控制容量（cognitive control capacity, CCC）描述个体单位时间内能够可靠处理的最大信息量，是多任务处理表现的关键认知因素。尽管已知持续高负荷多任务处理会诱发累积性认知损伤，但CCC是否与该损伤在主观、行为和神经层面的易感性相关，此前尚未得到检验。本研究系统刻画了CCC个体差异与多任务信息处理能力的关系，并考察了较高CCC是否与长时间操作中较小的认知疲劳相关。方法：采用自适应MFTM-A范式评估313名大学生的CCC。取CCC分布上、下27%的被试，分别构成高CCC组（n = 42，3.65 ± 0.33 bps）和低CCC组（n = 41，2.04 ± 0.28 bps）。所有被试完成1小时多任务信息处理测试，包含追踪、仪表监控和数字听辨子任务。警觉性采用精神运动警觉任务（Psychomotor Vigilance Task, PVT）在测试前后测量，主观负荷采用四个视觉模拟量表（Visual Analogue Scale, VAS）维度评定，并连续记录任务态脑电图（electroencephalography, EEG）以分析频谱功率和微状态动态。结果：与低CCC被试相比，高CCC组在测试后警觉性下降更小，所有任务分块的多任务得分一致更高，并在整个任务期间持续保持更高的θ/α比值和顶叶β功率。高CCC被试还表现出描述性的微状态C更强激活以及微状态D转换的晚期反弹模式，而低CCC组则表现出D状态动力学的早期稳定且无补偿性调整。两组被试的主观负荷评分随时间上升幅度相当，组间无显著差异。结论：CCC与多任务处理效率密切相关。较高CCC与更大的信息处理能力和高负荷工作中更好的持续表现相关。这一关联可能由更有效的神经资源分配和更稳健的认知控制网络参与所支持，并存在疲劳下适应性脑网络重组的探索性证据。CCC与即时多任务表现及长时间操作中的警觉性维持能力均相关。
**论文解读：认知控制容量与多任务处理表现的关联**
**1. 研究背景与问题**
现代军事变革和信息化作业环境中，操作员（如飞行员）需同时监控多条信息流、快速切换注意并做出精确决策，这对个体的多任务信息处理能力提出了极高要求。多任务处理的本质是多个独立信息流同时进入认知系统，导致总信息熵急剧上升。认知控制作为协调各认知子过程、优化目标导向行为的领域一般性机制，其核心功能之一是在信息论框架下对不确定性（信息熵）进行处理。Wu等人率先从信息论角度量化了认知控制容量（cognitive control capacity, CCC），发现健康成人平均CCC约为3–4比特/秒（bits per second, bps），远低于视觉系统每秒数百万比特的处理能力，表明CCC是信息处理流中带宽严重受限的高阶认知功能。以往研究虽已表明CCC与执行控制显著正相关，但CCC是否与多任务处理能力及持续高负荷下的认知疲劳易感性相关联，尚未在主观、行为和神经多个层面得到系统检验。因此，本研究旨在考察CCC个体差异对多任务信息处理能力的影响，并检验较高CCC是否对应更小的认知疲劳。
**2. 研究方法概述**
研究人员从313名健康右利手大学生（18–25岁）中，依据自适应MFTM-A范式测得的CCC分布，选取上、下27%被试分别组成高CCC组（n = 42，3.65 ± 0.33 bps）和低CCC组（n = 41，2.04 ± 0.28 bps）。所有被试完成1小时多任务信息处理测试（MT），该测试整合目标追踪、仪表监控、数字听辨三个子任务，信息经视觉和听觉双通道同时呈现，要求被试协调手、眼、脚等多运动输出系统进行反应。实验采用双盲设计，并在任务前后分别记录精神运动警觉任务（PVT）反应时、四次视觉模拟量表（VAS）主观负荷评分，以及全程连续任务态脑电图（EEG）。EEG数据经预处理后计算额叶θ功率、顶叶α/β功率及θ/α比值，并进行微状态分析，提取微状态的持续时间、覆盖率、发生率和转移概率。研究使用重复测量方差分析和Spearman相关分析，并采用Benjamini–Hochberg错误发现率（FDR）和Holm法进行多重比较校正。
**3. 主要研究结果**
**3.1 高、低CCC组PVT表现的差异**
重复测量方差分析显示，时间主效应显著（F(1,81)=55.47, p<0.001），任务后PVT反应时显著长于基线；组别主效应显著（F(1,81)=5.04, p=0.028），高CCC组整体反应时更短；时间×组别交互作用显著（F(1,81)=8.85, p=0.004）。事后比较表明，基线时两组PVT反应时无显著差异，但任务后高CCC组反应时显著短于低CCC组；两组任务后反应时均较基线显著增加，但低CCC组的增加幅度显著更大（t=2.98, p=0.004, d=0.65），表明高CCC组在持续多任务后警觉性维持更好。
**3.2 高、低CCC组MT表现的差异**
对六个数任务分块的综合MT得分进行2×6重复测量方差分析，组别主效应显著（F(1,81)=47.84, p<0.001），高CCC组在所有分块上的得分均显著高于低CCC组（ps<0.001）；分块主效应显著（F(3.93,318.1)=33.73, p<0.001），但组别×分块交互不显著（p=0.118）。组内轨迹显示，低CCC组在第3分块达到峰值后自第4分块起显著下降，而高CCC组在第2–4分块保持稳定平台，至第5分块才显著下降，提示高CCC组表现下降的转折点相对较晚。
**3.3 主观疲劳评分的组间差异**
对四个VAS维度（心理努力、心理压力、心理疲劳、无聊感）分别进行2×7重复测量方差分析，所有维度的组别主效应和组别×时间交互均不显著（所有p>0.05），而时间主效应均显著（所有p<0.001），表明两组被试的主观负荷均随任务时间显著上升，但上升幅度在两组间无显著差异。
**3.4 任务态EEG频谱功率的组间差异**
额叶θ功率仅分块主效应显著（p<0.001），组别主效应及交互不显著；顶叶α功率仅分块主效应显著（p<0.001）；顶叶β功率的组别主效应显著（F(1,81)=4.64, p=0.039），高CCC组在整个任务期间整体β功率更高，且在第1、5、6分块显著高于低CCC组；θ/α比值的组别主效应显著（F(1,81)=7.44, p=0.008），高CCC组在所有分块均显著高于低CCC组（ps<0.001）。对功率值进行对数转换后，θ/α比值的组别效应依然显著且增强（p<0.001），表明该组间差异具有稳健性。
**3.5 任务态EEG微状态的组间差异**
通过聚类得到四个经典微状态图（A、B、C、D）。微状态C的平均时长和覆盖率存在显著的组别×分块交互（F分别为3.72和3.64，p<0.05）；高CCC组在多数分块上微状态C的时长和覆盖率显著大于低CCC组，并随任务进程逐渐下降，而低CCC组则无显著变化。微状态D的平均时长同样存在交互（F=3.26, p<0.05），低CCC组在第2、3分块的时长显著长于高CCC组，高CCC组在后期出现回升。转移概率方面，A→D转移概率存在显著的时间主效应（F=135.74, p<0.001）和组别×分块交互（F=3.25, p<0.01）；高CCC组在第3分块达到最低点后于第5、6分块部分反弹，而低CCC组自第2分块起保持稳定。C→B转移概率组别主效应显著（F=9.89, p<0.01）。不过，微状态参数的组别效应在FDR校正后均未达到显著性阈值（校正后p>0.05），因此这些结果被报告为探索性发现。
**3.6 CCC与行为、神经指标的连续关联**
将83名被试的CCC作为连续变量进行Spearman相关分析，发现CCC与每个分块的MT综合得分均显著正相关（ρ=0.50–0.59，所有p<0.001）；与每个分块的θ/α比值（ρ=0.31–0.49，p≤0.006）和额叶θ功率（ρ=0.30–0.43，p≤0.006）均显著正相关；与PVT反应时变化量显著负相关（ρ=?0.38，p<0.001），即CCC越高，任务后反应时增加越少。这些连续关联与分组分析结果一致，排除了极端分组设计造成效应膨胀的疑虑。
**4. 讨论与结论**
本研究的核心发现是，高CCC组在60分钟多任务全程中表现显著优于低CCC组，且任务后警觉性下降更小。从信息论角度看，高CCC组具有接近低CCC组两倍的通道容量，因此在处理多任务并行信息流时能维持更高的信息吞吐量，有效抑制无关干扰并灵活重分配注意资源。行为表现上的优势伴随θ/α比值持续增高，该指标整合了额叶θ（认知控制参与）和顶叶α（感觉门控/注意定向）两种互补过程，提示高CCC个体具有更高效的神经资源分配模式。微状态分析虽为探索性发现，但描述性地显示高CCC组在任务早期更持续地激活与突显/认知控制网络相关的微状态C，并在后期出现A→D转移的部分恢复，而低CCC组则呈现相对僵化的动态模式，这可能反映了疲劳下大规模脑网络向“更经济但低效”构型的不同重组轨迹。值得注意的是，两组主观负荷评分无显著差异，这一客观优势与主观体验分离的现象表明，CCC所带来的收益主要源于基本处理效率而非投入努力的差异。本研究仍存在横断面设计、EEG空间分辨率有限、单一任务范式等局限，且PVT采用平均反应时作为指标可能对警觉性衰退的敏感性不足。未来需在纵向设计和更具生态效度的操作环境中进一步验证CCC作为高需求多任务个体差异标记物的潜力。
总之，本研究提供了行为、主观和神经电生理层面的汇聚证据，表明CCC与多任务处理效率及警觉性维持能力密切相关，为理解高负荷多任务中的个体差异和自适应负荷管理提供了重要理论基础。
