《Acta Psychologica》：Shared pain, shared decisions: Effects of empathic engagement on social conformity and decision processes, with physiological and visual-attentional associations
共情是一种多层面的过程，个体通过该过程分享、理解并关心他人的内部状态（Cuff et al., 2016; Davis, 1983; Decety & Lamm, 2006; Kozakevich Arbel et al., 2024）。共情涉及部分可分离的成分，包括情感共情（affective empathy），即通过共享感觉运动与情绪状态而产生的情感共鸣或情绪传染；认知共情（cognitive empathy），即理解他人感受、想法、动机与意图的能力；以及亲社会动机（prosocial motivation），即回应他人需求（如帮助减轻其疼痛）的倾向（Oliver et al., 2018; Zaki, 2020; Zaki & Williams, 2013）。与这一多维观点一致，共情的不同成分依赖于部分不同的神经系统。例如，Ebisch et al. (2022) 表明，情感共鸣与认知共情对应不同的功能性脑网络构型，其中情感共鸣主要与前额-顶叶属性相关，认知共情则与感觉运动及皮层下网络属性相关，同时二者均涉及突显网络区域的共同参与。这些差异提示，共情的不同成分可能通过部分可分离的机制影响社会行为。
除分享或理解他人状态之外，共情卷入还可能改变自我相对于他人的表征方式（Golbabaei et al., 2026; Golbabaei & Borhani, 2024; Pashak et al., 2018）。日益增多的研究证据表明，共情卷入可降低自我与他人的感知边界，产生更大的自我-他人重叠（self–other overlap）或更小的自我-他人区分（self–other distinction）（Golbabaei & Borhani, 2024; Lamm et al., 2016; Rie?ansky et al., 2020）。自我-他人重叠因此可被概念化为共情卷入的潜在下游后果，而非共情本身的核心成分。重要的是，自我表征的此类变化可能超越共情事件本身，通过增加对被共情个体所发出信息的关联性而影响后续行为。
预测编码（predictive coding）框架可能有助于解释这一过程。根据预测编码框架，大脑和身体持续生成关于自我、身体状态、感觉输入、情绪体验及周围社会环境的概率性预测（Clark, 2013; Friston & Kiebel, 2009; Gu et al., 2013; Kilner et al., 2007; Rao & Ballard, 1999; Tamir & Thornton, 2018）。输入信息依据这些预测进行评估，预测与观察状态之间的差异产生预测误差（prediction error），系统试图将其最小化。在共情情境中，该框架为情感共鸣如何与自我-他人表征变化相关联提供了一种可能的解释。与他人情绪或感觉运动状态产生共鸣，可能在自我区别于他人的预测表征与关于他人状态的输入表征之间引入差异（Friston & Kiebel, 2009; Gordon, 2021; Kahl & Kopp, 2018; Kilner et al., 2007; Preston, 2007）。减少这一差异可能需要自我与他人的部分对齐，从而增加自我-他人重叠。一旦他人被更强烈地纳入与自我相关的表征中，源自该个体的信息可能变得更加显著或更具自我相关性，从而对后续决策产生更大影响。
这一可能性与更广泛的社会对齐（social alignment）理论一致。Shamay-Tsoory et al. (2019) 提出，人际对齐可能超越情感和运动同步，延伸至更广泛的认知与社会对齐，且内群体成员及彼此感觉更亲近的个体之间表现出更大的对齐。社会对齐可被理解为个体之间在情感、生理、认知和行为领域中的广泛趋同或协调，涵盖运动同步、情绪传染和从众等现象。从众（conformity）更具体地指个体因他人或群体的信息而改变信念、判断或行为，因此可被视为更广泛社会对齐的一种行为表现（Asch, 1951; Cialdini & Goldstein, 2004; Mahmoodi et al., 2022）。
从众可同时服务于适应性社会功能和信息功能。它可能促进社会联结（Butler & Freda, 2014），在他人的信息有价值时改善决策（Saeedi et al., 2026; Williamson et al., 2013），减少人际冲突（Sommet et al., 2015），并保护个体免受排斥或否定（Cialdini & Goldstein, 2004; Renstr?m et al., 2018）。同时，从众也可能由规范性动机驱动，例如获得认可、避免社会排斥，或在结果不确定或不利时减少负面情绪（Yu & Sun, 2013）。关键在于，他人的判断是否影响自身行为可能部分取决于该他人如何在社会层面以及与自我的关系中被表征。如果共情增加了感知亲近感和自我-他人重叠，那么它也可能增加对源自被共情个体的社会信息的易感性。
多项证据与该可能性一致。共情卷入已被证明可影响后续的亲社会决策（Saulin, Ma, & Hein, 2024），减少感知的人际物理距离（Golbabaei & Borhani, 2024），增加与他人的认同（Miyazono & Inarimori, 2021; Szanto & Krueger, 2019），并减弱群体间和种族偏见（Han, 2018; Pashak et al., 2018）。共情还与生理和神经同步相关联，既体现在状态层面，也作为特质共情的函数（Qaiser et al., 2023; Schwartz et al., 2024, 2025; Troncoso et al., 2024）。更直接与从众相关的是，近期研究将道德决策中对目标的主观共情以及对该目标体验的神经反应与决策者之间的从众联系起来（Piperno et al., 2026）。然而，该研究未检验实验诱导的对社会信息来源个体的共情卷入是否会增加随后对该特定个体的从众。
人际同步文献中的相关证据进一步支持共情对齐与后续社会影响之间的可能联系。人际同步已被证明可促进合作（Ebrahimi et al., 2024; Hu et al., 2018; Wiltermuth & Heath, 2009）、凝聚力（Hu et al., 2018; Tomashin et al., 2022）、友谊形成（Shen et al., 2025）、社会适应（Vicente et al., 2023）、模仿（Dong et al., 2015）、知觉决策中的从众（Biswas & Brass, 2025）以及对请求的顺从（Wiltermuth, 2012）。情绪从众（emotional conformity）的近期理论框架为这些文献提供了额外联系。根据该框架，个体可能匹配他人的情绪表达，因为他们有动力去理解他人或维持社会关系（Wolf et al., 2023）。在共情情境中，这种情绪趋同可被理解为一种情绪从众形式，即共情者利用目标传达的情绪信息（如面部表情或身体信号）来与目标的情绪状态对齐。他人的情绪表达不仅是被分享或被理解的对象，它也是能够塑造观察者反应的社会信息。
如果共情在情绪层面促进与他人的对齐，那么它也可能促进更高层次的社会对齐形式，包括对该个体决策或判断的从众。这一可能性与社会分类和自我分类理论中的从众观点一致，根据这些观点，与被视为自我或内群体一部分的人产生分歧会产生对齐压力（Duderstadt et al., 2024; Hogg & Turner, 1987）。由于共情减少了自我-他人区分并增加了感知亲近感（Grynberg & Konrath, 2020; Saulin, Ting, et al., 2024），它可能将他人的决策纳入被视为自我相关的信息范围，从而更可能影响自身行为。综合来看，这些发现提出了一个更具体且相对未被充分探索的实证问题：对另一个人的共情卷入是否增加随后对该个体决策的从众，包括当后续社会影响发生在不同且无关的知觉决策情境中时。本研究旨在回答这一问题。
回答这一问题需要考虑从众并非单一过程。在获得社会信息后，外显决策的改变可能源于不同的潜在机制，包括对他人反应的初始偏向（initial bias）、决策过程中证据累积的变化，或做出决策前所需证据量的变化（Ratcliff & McKoon, 2008）。漂移扩散模型（drift-diffusion model）特别适合分离这些成分。在漂移扩散模型中，决策被表征为随时间推移的证据累积过程。支持各选项的信息被累积直至达到决策阈值，此时做出反应。社会影响可能影响该过程的多个参数。首先，起始点（starting point）反映证据累积开始前对某一反应的初始偏向，体现先验期望、偏好或社会信息。在本研究情境中，起始点向目标反应的偏移表明采用目标判断的决策前倾向增强，研究人员将其概念化为判断性从众（judgmental conformity）。其次，漂移率（drift rate）反映决策过程中证据累积和整合的方向与效率。朝向表面目标反应的更强证据累积表明社会信息增加了决策过程从参与者初始反应向表面目标反应偏移的倾向。研究人员将该机制概念化为社会偏置的证据累积与整合，而非从众的一般指标。第三，阈值分离（threshold separation）反映做出反应前所需证据量，因此指示反应谨慎性或保守性（Duderstadt et al., 2024; Germar et al., 2016）。由于阈值分离不指示偏好哪个反应，该参数的变化本身不能被解释为更大的从众。因此，研究人员将阈值分离作为探索性指标，考察共情卷入是否也影响反应谨慎性。
以往使用漂移扩散模型分离从众中各成分的研究较少（Duderstadt et al., 2024; Germar et al., 2016; Germar & Mojzisch, 2019; Zhan et al., 2025）。这一区分在共情情境中尤为重要，因为共情的多维性意味着共情卷入的不同方面可能选择性地表达在决策过程的不同成分中。不同共情成分不必对朝向他人的初始偏向、后续社会信息的累积与整合，或修订决策前所需证据量做出同等贡献。这一区分促使研究人员使用漂移扩散建模来确定共情相关的社会影响是统一表达还是差异性地表达在决策过程的可分离成分中。
共情还高度依赖于社会与情绪信息的加工，其中大部分通过面部表情以视觉方式传达。以往研究表明，共情与个体如何将视觉注意分配给他人的面孔有关，并受其理解或回应他人情绪状态的动机所塑造（Cowan et al., 2014）。不同情绪表达依赖不同面部区域来传达相关信息。就疼痛而言，眼睛和嘴巴对于传达痛苦尤为重要（Cowan et al., 2014; Golbabaei et al., 2026; Golbabaei & Borhani, 2024; Golbabaei, SammakNejad, & Borhani, 2023）。此外，视觉注意被认为在协调动力学和误差校正机制中发挥作用（Rosso et al., 2023）。然而，对这些区域的注意是否与对共情个体的共情相关从众相关联，以及如果相关，视觉注意是否与判断性偏向、信息累积与整合速率或决策谨慎性相关，仍不清楚。
除视觉注意外，共情与生理反应密切相关（Golbabaei et al., 2022; Hasan, Hossain, Ghosh, et al., 2025; Hasan, Hossain, Krishna, et al., 2025; Qaiser et al., 2023）。具身他人的情绪状态可能涉及身体信号的变化，共情卷入还要求调节对他人痛苦作出反应的生理唤醒（Allison, 2026）。然而，关于共情与唤醒和心率变异性等生理指标之间关系的研究结果并不一致，一些研究报告了正相关（Cho et al., 2023; Engert et al., 2014; White & Buchanan, 2016），另一些则报告了零效应或负相关（Deuter et al., 2018）。这种不一致性凸显了检验对他人疼痛的生理反应是否与共情相关的从众变化相关联的必要性。
最后，个体差异可能进一步塑造共情卷入转化为从众的程度。人们在共情共鸣、自我-他人重叠、生理同步和社会决策能力方面存在差异。在此情境中特别相关的两个特质是述情障碍（alexithymia）和自闭特质（autistic traits）。两者均与共情、情绪具身、情绪生理反应以及使用反馈更新内部表征的改变相关联（Borhani, Borgomaneri, Làdavas and Bertini, 2016; Borhani, Làdavas, Fotopoulou and Haggard, 2017; Golbabaei et al., 2022; Hosseinnezhad et al., 2026; Oliver et al., 2024; Scarpazza, di Pellegrino and Làdavas, 2014; Scarpazza, Làdavas and Cattaneo, 2018）。预测编码为解释这些关联提供了一种可能的框架，因为述情障碍和自闭特质均被认为涉及预测误差的异常加权以及反馈整合到内部模型中的差异（Hosseinnezhad et al., 2026; Starita et al., 2019; Starita & di Pellegrino, 2018; Van de Cruys et al., 2014）。述情障碍还与决策不同成分的改变相关，包括初始偏向、证据累积和决策边界的设置（Hosseinnezhad et al., 2026）。因此，如果共情卷入增加后续从众，述情障碍和自闭特质可能通过改变个体区分共情卷入与分离观察情境的程度以及将共情卷入转化为从众的程度来调节这一效应。
在本研究中，研究人员考察了实验诱导的共情卷入是否增加对共情目标决策的从众，以及涉及决策过程的哪些计算成分。采用被试内设计，参与者首先完成疼痛共情任务，在该任务中分别对不同的目标诱导高水平和低水平的共情。在该任务期间，研究人员测量了认知共情、情感共情以及自我-他人区分。参与者随后完成合作性随机点运动任务。在每个试次中，他们首先判断移动点的方向，然后在收到表面来自目标的反馈后有機會修订其决策。研究人员记录了眼动以评估对疼痛相关面部区域（特别是眼睛和嘴巴）的视觉注意。研究人员记录了心电图和皮肤电导作为唤醒和自主神经调节的生理指标。最后，参与者完成了多伦多述情障碍量表-20（TAS; Bagby et al., 2020; Bagby, Parker, & Taylor, 1994; Bagby, Taylor, & Parker, 1994）和自闭谱系商数（AQ; Baron-Cohen et al., 2001）以评估述情障碍和自闭特质的个体差异。
研究人员使用漂移扩散建模来分离从众的不同机制，包括判断性偏向、信息累积与整合以及决策保守性。研究人员假设，与分离观察条件相比，参与者在共情卷入条件下将表现出更强的判断性从众和更高的漂移率，反映从初始反应转向表面目标反应的更大倾向。研究人员还探索了共情是否调节阈值分离（反映在决策阈值中）。由于对该参数没有具体假设，该分析被视为探索性分析。此外，在探索性分析中，研究人员考察了疼痛共情任务期间对眼睛或嘴巴的视觉注意是否与判断性从众、信息累积与整合以及反应保守性相关联。类似地，研究人员对生理唤醒（以心率变异性和皮肤电导为指标）与这些决策参数之间的关联进行了探索性分析。最后，研究人员考察了述情障碍和自闭特质是否调节共情卷入对从众的影响。基于以往研究，研究人员预期这些特质会影响共情条件间差异转化为从众差异的程度。
一、研究背景与问题提出
共情（empathy）是一种多层面的心理过程，个体通过该过程分享、理解并关心他人的内部状态，包含情感共情（affective empathy）、认知共情（cognitive empathy）和亲社会动机（prosocial motivation）等部分可分离的成分。以往研究表明，共情卷入可降低自我与他人的感知边界，产生更大的自我-他人重叠（self–other overlap）。根据预测编码（predictive coding）框架，与他人情绪状态产生共鸣会在自我区别于他人的预测表征与关于他人状态的输入表征之间引入差异，减少这一差异需要自我与他人的部分对齐，从而增加自我-他人重叠。一旦他人被更强烈地纳入自我相关表征中，源自该个体的信息将变得更加显著，从而可能对后续决策产生更大影响。社会对齐（social alignment）理论进一步指出，人际对齐可延伸至认知与社会层面，而从众（conformity）作为个体因他人信息而改变判断或行为的现象，是更广泛社会对齐的一种行为表现。
尽管已有研究表明共情与亲社会决策、人际距离感知、群体间偏见减弱以及生理和神经同步相关，但以往研究尚未直接检验实验诱导的对社会信息来源个体的共情卷入是否增加随后对该特定个体的从众，尤其是在后续社会影响发生在不同且无关的知觉决策情境中时。此外，从众并非单一过程，决策改变可能源于初始偏向、证据累积速率或决策阈值的不同变化，而以往研究较少使用漂移扩散模型（drift-diffusion model）分离这些成分。共情的多维性进一步提示，不同共情成分可能选择性地表达在决策过程的不同成分中。因此，本研究旨在回答：实验诱导的共情卷入是否增加对共情目标决策的从众，以及涉及决策过程的哪些计算成分。同时，研究还探索了视觉注意、生理反应以及述情障碍（alexithymia）和自闭特质（autistic traits）等个体差异在这一过程中的作用。
二、研究内容与主要结论
研究人员采用被试内设计，招募75名参与者（最终纳入73名，平均年龄26.04岁，SD = 4.97），首先完成疼痛共情任务，对不同的目标分别诱导高水平和低水平的共情，并测量认知共情、情感共情和自我-他人重叠；随后参与者完成合作性随机点运动任务，在每个试次中先判断移动点方向，再在收到表面来自目标的反馈后有机会修订决策。眼动、心电图和皮肤电导被同步记录，参与者还完成了多伦多述情障碍量表-20（TAS-20）和自闭谱系商数（AQ）评估。
研究得出以下主要结论：共情卷入条件相比分离观察条件显著增加了从众行为，且这一效应在控制初始决策信心和正确性后仍然显著；漂移扩散模型分析显示，共情卷入显著提高了判断性偏向（bias）和漂移率（drift rate），表明共情既增强了决策前朝向目标反应的倾向，也增强了社会信息的累积与整合效率；探索性分析发现共情卷入降低了阈值分离（threshold separation），即减少了决策谨慎性；视觉注意和生理反应与从众参数之间存在探索性关联；述情障碍和自闭特质对共情调节从众效应具有调节作用，但二者不存在联合调节效应。
三、关键技术方法
研究主要采用了以下关键技术方法：疼痛共情任务范式，通过指令诱导共情卷入与分离观察两种视角，并测量认知共情、情感共情和自我-他人重叠（采用自我他人包容量表，IOS）；合作性随机点运动任务，参与者先判断随机点运动方向，再根据表面来自目标的反馈决定是否修订判断；漂移扩散建模（使用fast-dm和HDDM框架）分离决策过程中的起始点偏向、漂移率和阈值分离等计算参数；眼动追踪技术（SMI-Red-250，250 Hz采样率）记录对疼痛相关面部区域（眼睛和嘴巴）的注视时间和回访次数；生理信号记录与分析（心电图和皮肤电导）作为唤醒和自主神经调节的指标；以及TAS-20和AQ量表评估个体差异。
四、研究结果
4.1 操纵检验
配对样本t检验显示，共情卷入条件相比分离观察条件显著提高了认知共情，t(71) = 2.366, p = .021，和情感共情，t(71) = 7.165, p < .001，并显著降低了人际距离，t(71) = -5.870, p < .001，表明共情操纵有效。
4.2 从众行为
混合效应逻辑回归显示，共情卷入条件下参与者显著更可能从众，b = 0.527, SE = 0.077, z = 6.839, p < .001, OR = 1.694。在控制信心和正确性后效应仍然显著，b = 0.554, SE = 0.084, z = 6.635, p < .001, OR = 1.742。信心和正确性均与从众显著负相关。准确性分析显示，从众试次中从初始判断到第二次判断的准确性下降更为显著，表明参与者更可能在从众时转向错误反应。反应时分析显示，从众试次的反应时显著长于不从众试次，但条件和交互效应不显著。
4.3 决策偏向与信息累积整合
配对样本t检验显示，共情卷入条件相比分离观察条件显著提高了判断性偏向，t(71) = 2.344, p = .022，和漂移率，t(71) = 2.559, p = .013。探索性分析发现共情卷入显著降低了阈值分离，t(71) = -2.014, p = .048。判断性偏向和漂移率与情感共情、认知共情或人际距离之间无显著相关。
4.4 视觉注意与生理反应的探索性关联
研究人员通过计算条件间差异分数并检验Spearman相关，探索了视觉注意和生理反应与从众参数之间的关联。由于原文中该部分的具体相关系数未在提供的文本中完整呈现，此处仅概括其分析框架：研究考察了共情卷入与分离观察条件之间眼动指标（注视时间、回访次数）和生理指标（RMSSD、pNN50、皮肤电导的紧张性和相位性成分）的差异分数与从众相关参数差异分数之间的关联，并进行了FDR校正。
4.5 个体差异的调节作用
线性混合效应回归模型检验了TAS-20和AQ对共情条件效应在判断性偏向上的调节作用。原文指出述情障碍和自闭特质均调节了共情卷入对从众的影响，但二者不存在联合调节效应。具体调节方向和数值在提供的文本中未完整呈现。
五、讨论与结论
研究结果表明，实验诱导的共情卷入能够增加对共情目标决策的从众，且这一效应通过两种可分离的认知机制实现：一是增强决策前朝向目标反应的判断性偏向，二是增强社会信息的累积与整合效率。此外，共情卷入还降低了决策谨慎性。这些发现支持了共情通过减少自我-他人区分、增加感知亲近感，从而将他人决策纳入自我相关信息范围的假设。研究还发现，视觉注意和生理反应与从众参数之间存在探索性关联，述情障碍和自闭特质可调节共情对从众的影响。本研究首次从计算层面分离了共情影响从众的不同认知机制，为理解共情如何塑造社会决策过程提供了新的理论视角和实证基础。
