执行功能与持续行为自我调节任务中的自我调节策略：一项结构方程建模与贝叶斯分析研究

《Journal of Intelligence》：Executive Functions and Self-Regulation Strategies in a Sustained Behavioral Self-Regulation Task

　　

执行功能（EFs）与自我调节（SR）策略极少被共同研究，尤其是在持续行为性自我调节（sustained behavioral SR）情境中——该情境与警觉性需求重叠，却未被纳入传统SR测量。研究人员考察了在执行一项延长且单调的任务期间，EFs是否预测SR策略的使用或策略–绩效关联。研究人员采用简明执行功能测验组（Brief Executive Function battery；转换、抑制、程序性工作记忆〔pWM〕）并结合Mice Task对254名成人（M_age = 29.24，SD = 7.85）进行评估，该任务旨在通过无聊感与可用的脱任务活动诱发自我调节摩擦。随后参与者报告了认知重评（cognitive reappraisal）、情境性策略（situational strategies）、子目标化（subgoaling）与分心（distraction）的使用情况。结构方程建模（SEM）表明，pWM预测所报告的重评使用；其与子目标化和分心使用的关联在控制招募来源后不独立。抑制以及所报告的重评和情境性策略使用与Mice Task绩效相关；子目标化使用亦相关，但模型拟合边缘且贝叶斯证据不确定。贝叶斯分析对所有12个EF×策略交互项均支持虚无假设（BF₀₁ = 6.7–15.9），该设计具备检测β ≈ 0.20–0.23交互效应的统计功效。主要发现使用非预注册的基于秩的反正态转换策略使用得分；预注册的原始得分模型拟合不佳。认知能力与所报告的策略使用似乎独立而非交互地与持续自我调节相关。

**研究背景与问题**　自我调节（SR）被界定为协调行为、情绪、认知与动机以追求个人价值目标的能力，其失败与肥胖、物质依赖及鲁莽财务决策相关；强SR与心理健康、关系质量、职业成就和财富等理想结果相关。然而，流行自控测量间相关微弱或不显著，提示不同工具触及部分不同的SR侧面，SR构念间关系及其认知能力基础仍知之甚少。执行功能（EFs；转换、工作记忆更新、抑制）被视为支持目标导向行为的领域一般性机制，具有统一性与多样性，其个体差异与多领域自我调节结果相关，但EFs并非成功SR的唯一路径。理论提出EFs为策略选择与实施提供支架，个体EF profile可能调节策略选择与成功，但EFs在多大程度上调节策略–成功关系仍待探索。此外，传统SR评估（自评问卷、延迟满足与延迟折扣范式、执行功能任务）未能捕捉在持续单调与诱惑下长时间维持目标导向行为的持续过程；警觉性研究已认识到在延长、单调、内在无奖励任务上维持专注需要持续自我调节，无聊感被视为自我调节与执行控制的失败，但该警觉相关维度尚未整合进典型SR测量。既往研究多孤立检验策略或依赖重测信度较差的EF测量，EF任务与自控测量间直接经验关联一致微弱（r = 0.10–0.15），EFs与重评的元分析关联亦弱（r_s ≈ 0.13–0.19），且Hofmann等（2008）的设计无法区分工作记忆容量（WMC）是预测策略选择、策略–成功关联还是两者。为此，研究人员使用潜EF变量（经SEM从BEF测验组提取）、旨在制造持续自我调节需求的Mice Task以及任务后即时收集的策略使用自评开展研究，检验：（1）策略使用：EFs是否预测策略使用频率；（2）策略–绩效关联：策略、EFs及其交互是否与Mice Task绩效相关。研究提出三组假设：H1关于策略使用（如较高转换与抑制预测更多重评使用、较高抑制预测更多情境性策略使用、较高pWM预测更多子目标化使用、较高抑制预测更多分心使用）；H2关于EF×策略使用交互预测SR成功（如转换与pWM×重评交互为正、抑制×情境性策略交互为负、抑制×子目标化交互为正、pWM×分心交互显著方向不预测、抑制×分心交互为正、转换×分心交互不显著）；H3为较高EFs者获得更高总体SR成功。研究还探索各策略与Mice Task绩效的总体关联。**研究方法与主要结果**　研究为预注册的横断面设计，样本254名成人（135女、118男、1人报告其他性别；M_age = 29.24，SD = 7.85），来自两处便利样本：作者所在机构本科生（获课程学分）与Prolific?网络平台工作者（获￡11.50），后者预筛限美国或英国居民、18–50岁、批准率≥97%、确认愿意观看可能令人不适材料并使用Windows电脑。排除标准包括缺少EF数据、其他预注册变量缺失、绩效离群（>3.5 SD）及策略误解。**关键技术方法**　（1）Mice Task：自定义行为范式，要求参与者在延长且高度可变的刺激间期（平均约55.8 s，SD = 14.6 s）内捕获20个依次出现的白鼠剪影，允许脱任务活动作为诱惑，绩效以正确检测试次平均反应时（负向计分）与检测数量两指标建模为潜变量；（2）简明执行功能测验组（BEF）：计算机化任务评估抑制（反眼跳任务）、转换（任务转换）与程序性工作记忆（pWM；负载下决策〔DuL〕），以平衡整合分数（BIS）为观测指标建模三个潜EF因子；（3）任务后策略使用问卷：参与者描述并计数重评、情境性策略、子目标化与分心四类策略的具体行动；（4）欲望强度作为协变量；（5）统计分析采用R 4.2.1与lavaan 0.6.12的MLM估计量（Satorra–Bentler校正卡方与稳健标准误），对严重偏态变量施以基于秩的反正态转换（INT），以BIC近似计算贝叶斯因子（BF），并做蒙特卡洛敏感性分析。样本来源已在方法中注明。**研究结果**　**Mice Task绩效与个体差异**：正确反应时显著慢于典型简单反应任务（约231 ms），提示参与者频繁分心并从事竞争活动；刺激呈现时间越短检测成功率越低；随累计等待时间推进，参与者反应更快且更准确，表明两维度均改善而非速度–准确率权衡。内部信度中等（反应时ω_total = 0.88、α = 0.86；正确性ω_total = 0.68、α = 0.64）。多层模型显示随机截距与随机斜率均显著改善拟合，参与者总体绩效及绩效随累计等待时间的变化均存在个体差异。**EF测量模型**：三因子相关模型拟合可接受，且决定性地优于单因子模型（BIC差异对应BF > 1000），所有因子载荷显著且≥0.607。**策略使用模型**：四个模型均拟合良好。控制招募来源前，DuL（pWM测量）是唯一预测策略使用的EF，预测重评、子目标化与分心使用；欲望强度亦预测重评与分心使用；情境性策略使用无预测变量达显著，BF均低于1/3（0.063–0.249），为正证据反对这些关联。加入招募来源后，DuL–重评关联不变（β = 0.19，p = .026），而子目标化与分心关联降至不显著（BF均低于1/3），故仅将DuL–重评关联解释为独立于招募来源。**策略–绩效关联模型**：三个模型拟合良好，子目标化模型为例外（稳健CFI处于0.90边界、稳健RMSEA = 0.081高于常规 cutoff），结果需谨慎解释。预注册原始得分调节模型均收敛但拟合不佳，情境性与分心模型产生退化解。采用转换得分的模型中，重评（β = 0.26，BF = 96.67）、情境性策略（β = 0.20，BF = 5.48）与子目标化使用（β = 0.18，p = .006，BF = 1.13，混合结果）各自正向关联Mice Task绩效；分心使用不相关（β = 0.12，p = .065，BF = 0.28）。抑制是唯一与Mice Task绩效相关的EF，且在四个模型中一致（β = 0.18–0.20），独立于策略，但贝叶斯证据不确定（BFs = 1.10–2.49）；转换与DuL均不相关。12个EF×策略使用交互潜路径项无一显著，BF均低于1/3（范围0.063–0.150，|β| = 0.002–0.098），为正证据支持虚无假设；预注册原始得分模型中12个交互项亦均不显著（p_s = .185–.985）。稳健性分析：以两标准化指标均值替代潜绩效因子，所有系数变化在0.015以内且推论结论不变；加入招募来源未使任何系数变化超过0.032、交互系数变化超过0.013，来源与Mice Task绩效无关（p_s = .10–.51，BFs = 0.08–0.19），除分心使用变为显著（β = 0.13，p = .042）但贝叶斯证据不确定（BF = 0.37）外无显著性结论改变；排除24名仅提供数值策略报告而未填开放文本者（剩余N = 230）后系数可比（主要预测变量平均|Δβ| = 0.018），四条策略使用路径结论保持，四条抑制路径中三条跨过显著性阈值，与统计功效降低而非潜在效应改变一致。**讨论与结论**　讨论部分围绕三问展开：EFs是否预测所报告的SR策略使用；EFs与SR策略是否与Mice Task绩效相关；EFs是否调节策略使用与绩效关系。与强调抑制和转换的假设相反，pWM（DuL）独特预测重评报告，其与子目标化和分心使用的关联不独立于招募来源故不再解释；策略使用（尤其重评）与抑制均独立关联Mice Task绩效；核心假设——EFs调节策略–绩效关联——未获支持，贝叶斯证据一致支持全部12个交互项的虚无假设。关于DuL与策略使用，研究人员事后提出重评的报告使用可能更多依赖工作记忆（生成并保持替代性建构的能力）而非抑制优势反应或转换心理定势的能力，这与Braver（2012）双机制框架中主动控制涉及挑战事件前持续保持目标相关信息一致，亦与Schmeichel和Tang（2015）关于WMC是情绪调节成功最可靠EF预测因子的结论及既往高WMC与重评关联的发现相呼应；既往工作主要关注WM在重评实施中的作用，本发现提示pWM亦可能与重评使用频率（至少按报告）相关，该关联在当前元分析文献中虽小但可靠（r = 0.128；Toh等，2024），但DuL是pWM测量，与经典更新范式不可互换。该发现亦可能与Hofmann等（2008）关于WMC决定反思系统是否在诱惑情境中覆盖自动冲动的论证汇合，但本研究无证据表明所报告策略系刻意选择，仅表明参与者能够报告使用它们；与Hofmann等无法区分WMC预测策略使用还是策略有效性不同，本设计区分了这些步骤：DuL预测所报告的重评使用但未调节策略–绩效关联。近期证据趋同但仍是初步的：一项预注册经验取样研究的探索性分析中，WMC预测计划（八种应对策略中唯一被预测者）及每应激源部署策略数（Wahlers等，2025）。尽管有上述解读诱惑，发现并未如预测，另一可行替代是DuL影响报告而非实际策略使用；但DuL仅预测重评使用这一事实反对该解释——四种策略以相同方式引出与计数，若DuL驱动描述自身行为的流畅性则应预测所有计数；实验证据亦反对报告解释：在行为记录而非报告调节选择的范式中，耗竭认知资源使选择偏离分心而非重评（R. Huang等，2025），提示资源可用性可改变实际部署的策略而不仅是事后报告，但这不能完全排除本测量的报告伪迹。策略使用模型的BF范围为0.063–0.948，p值达常规阈值处贝叶斯证据为不确定而非确证，故这些效应应读作提示性而非确定性；不显著路径表现不同，多数BF低于1/3（如转换→情境性策略BF = 0.063；抑制→分心BF = 0.064），为正证据支持这些关联缺失；故策略使用发现呈不对称支持：转换与抑制不预测策略使用证据充分，而DuL预测重评使用仅为提示性。关于策略–绩效关联与抑制角色，四种策略中三种与Mice Task绩效相关：重评系数最大（β = 0.26）且唯一具强贝叶斯支持（BF = 96.67），因各策略在独立模型中估计，系数未正式比较，排序应描述性解读；情境性策略使用亦相关（β = 0.20，BF = 5.48），与经验取样中离开情境预测成功抵抗欲望的证据汇合（Milyavskaya等，2021）；子目标化使用频率学显著但BF不确定（β = 0.18，p = .006，BF = 1.13），为混合结果，文献中可比策略表现如显著路径所示，监测目标进展与思考临近终点均预测日常厌恶活动中的感知坚持成功（Hennecke等，2019），重评在其处无对照因使用过少未进入有效性模型；分心使用不相关（β = 0.12，p = .065，BF = 0.28），分心在别处有效（降低实验室情绪表达、预测日常成功抵抗欲望），但均涉及情绪调节与瞬时诱惑而非持续行为坚持。子目标化与分心系数量级相似且未正式比较，以下考虑关于为何分心在此类任务中可能效果较差而非已确立的对比：其一为冲突类型，那些研究涉及注意力可从离散刺激或诱惑转移的冲突，而Mice Task要求持续监测目标出现的屏幕，转移注意力有直接代价；在日常厌恶活动坚持研究中，从活动中分心是唯一负向预测感知自我调节成功的策略（Hennecke等，2019），故分心可能在注意力可自由撤回处有帮助，而在任务要求持续监测处受损或失效。其二涉及策略测量分辨率：Hennecke等区分从活动中分心（负向预测成功）与任务丰富化（在不改变活动情况下添加外部愉悦刺激，无聊高时预测更大成功，例子包括工作时听音乐）；本分心条目涵盖两者（例子包括任务中唱歌或听音乐），子目标化同样混合了进展监测与临近终点聚焦（二者在其数据中均为正向预测）与目标设定（则非），重评映射单一类别；研究人员将此作为关于测量的假设而非已证明机制提出，因SR策略无标准分类法、研究在定义与分组上各异，本条目虽参考既往测量但如其他研究一样反映本研究特定选择，故跨研究比较仅为近似。抑制以反眼跳任务操作化，在全部四个策略–绩效关联模型中一致关联Mice Task绩效（β = 0.18–0.20），独立于纳入预测的策略，提示抑制控制与Mice Task绩效相关而不论所用策略；但抑制关联的贝叶斯证据在四个模型中均不确定（BFs = 1.10–2.49）；排除策略描述不完整者（N = 230）的敏感性分析使系数基本不变但功效降低，四条抑制路径中三条不再显著，共同表明小效应以有限精度估计而非不稳定。这些小效应与既往报告任务型EF与SR结果间弱或零关联的研究一致：行为flanker指标不预测日常目标进展（Saunders等，2022），抑制与工作记忆均不预测情绪下调成功（Rodas等，2024），认知任务预测现实世界结果远不如自评测量（Eisenberg等，2019）。两组模型间出现DuL与抑制的可能分离：DuL预测重评的报告使用但不预测参与者成功程度，而抑制关联Mice Task绩效（至少频率学标准）但不预测人们报告哪些策略；该模式与两种EF关联SR不同方面一致——DuL关联重评的报告使用，抑制关联在竞争冲动下维持目标导向行为；该分离未被更广泛文献预期：Toh等（2024）发现无论重评以报告使用频率还是以指导下的执行水平测量，EF与重评关联大致相当，据此抑制应以 comparable 方式关联策略使用与绩效，而此处仅关联后者，抑制–重评使用路径的BF（0.167）为正证据反对关联；Toh等亦发现抑制任务使用情感材料时抑制–重评关联（r = 0.33）大于非情感材料（r = 0.16），本反眼跳测量为非情感，故较小估计为相关比较。关于零调节发现，本研究核心假设是EFs个体差异会调节SR策略使用与SR成功（此处以Mice Task绩效检验）的关系，预测某些策略对具特定EF profile者更有效（如重评对较高转换与WM能力者更有效〔H2a〕，情境性策略对较低抑制者更有效〔H2b〕），动机来自提出不同SR策略对 distinct EFs 有差异化需求的理论（Hofmann等，2012；Schmeichel & Tang，2015）及个体可通过选择匹配认知优势的策略优化SR努力的实践含义。该假设未获支持：四个策略模型中12个EF×策略使用交互项无一显著（所有p_s > .05），BF范围0.063–0.150均低于1/3（最弱对应BF₀₁ = 6.7），为正证据支持虚无假设；与主效应中p值与BF常分歧不同，交互结果收敛，两种方法均不支持调节且贝叶斯证据支持全部12项调节缺失；预注册原始得分模型中同样为零，但那些模型拟合不佳故不应解释。该零发现值得注意，因调节假设代表本研究主要理论贡献并促动在单一设计中考察多策略与EFs；EFs个体差异应塑造特定SR策略有效性的提议仍是当前而非历史议题：近期情绪调节灵活性的人特异框架指出其未涉及执行功能，并建议与Pruessner等（2020）认知控制账户整合作为未来方向（Kaur等，2025）；按该账户，停止或切换策略尤其需要转换模式的认知控制，而维持策略尤其需要由抑制与更新支持的屏蔽模式，该账户为情绪调节而设且未直接检验；本研究结果仅部分相关于其第二成分：在20分钟单调反应中维持策略且脱任务替代持续可用， plausibly 是屏蔽需求，抑制在全部四个策略模型中关联Mice Task绩效而DuL不关联——尽管DuL并非更新测量。若干解释值得考虑：其一关于参与者是选择还是被分配策略，Kobylińska等（2023）指导参与者依次使用三种策略及无调节对照，发现重释相对于对照降低情绪表达见于基线调节能力较高者而非较低者，分心在两组均降低，组间差异本身未检验故为假设形式的模式而非已证明的调节；该设计中每名参与者使用每种策略包括与其能力不匹配者，而本研究中参与者可自由使用任何策略或不使用，被策略服务不佳者可简单不部署，若个体已 gravitate 向适合其 profile 的策略，则每单位使用的边际回报在每名参与者所展示的EF范围内近似恒定，交互项将携带很少额外方差；这与人们持有关于何种调节方法对自己有效的信念的元动机账户一致（Scholer等，2018），并预测分配策略而非允许自由选择应恢复调节若其存在；但该账户需要EFs关联使用哪些策略，而本研究策略使用模型仅对pWM与重评支持这一点；Van Bockstaele等（2020）同样允许三种策略自由选择，也未发现flanker认知控制测量与策略偏好的关系（两项实验各不足40人，该零结果信息量弱）。其二，EFs与策略可能通过加性、平行路径贡献，各自赋予独立优势而不相互放大或约束；该配置在别处重现：一项预注册重复获得WMC对瞬时负性情绪的主效应而容量×应激源交互未能重复，所报告应对未中介该关系（Wahlers等，2025）；Hennecke等（2019）同样发现策略使用未中介特质自控与感知自我调节成功的关系，结论为二者代表独立路径；检验策略有效性在四种情境需求类型间是否变化时，他们获得很少交互并结论这将限制可归因于调节灵活性的优势，同时指出某些策略很少与某些需求配对；交互的实验证据为提示性而非决定性：Adamczyk等（2022）操纵工作记忆负载并结论其效应取决于所用策略，但重评与分心在独立实验中检验且无共享比较条件，故两策略从未直接比较；各实验内纳入负载×调节交互相对于仅主效应模型改善因子为1.26与1.58，为不确定。其三，设计可能检验错误的拟合形式：灵活性账户将灵活性定义为策略使用与情境变化的协变并将适应性视为独立经验问题（Aldao等，2015）；此处所有参与者面对相同任务相同条件，情境无变化，故人与情境的拟合效应无方差可依附，本零结果因此仅关涉人与策略的拟合；与此一致，将策略匹配刺激强度的人水平倾向预测较低即时负性情绪，尽管试次水平策略间比较为零（Specker等，2024）。最后考虑指向另一方向的证据：WMC被报道调节重评效能（Hendricks & Buchanan，2016），本研究以程序性WM测量未重现；第二常被引结果关涉自动或受控倾向是否在诱惑情境驱动行为（Hofmann等，2008），这关涉何种过程支配行动而非所选策略效果如何，非直接对照；差异未在此解决，但与上述第一解释一致：在Hendricks与Buchanan研究中重评被指导而非被选择。这些解释均非预先指定，加性路径账户尤为在假设交互未获支持后形成，为需直接检验的事后解读而非结果；本研究因此限制而非推进人–策略拟合账户：它反对在设计可检测效应量范围内的调节，而未确立替代方案。三项实践解读各为暂定：pWM测量关联重评被报告频率而非效果好坏，故教授重评的干预可能需处理一个人是否会部署它而不仅是能否；抑制在每个模型中关联Mice Task绩效，独立于策略，指向一般而非策略特异角色；在此观察到的EF范围内，策略与成功关联强度不依赖认知 profile，故匹配策略与 profile——促动本研究的实践承诺——在这些数据中无支持。关于持续注意、无聊与Mice Task，绩效在任务进程中改善而非下降；Mice Task与警觉范式共享特征，但其目的为在脱任务替代持续可用时维持目标导向坚持与脱离冲动的冲突而非产生警觉 decrement；持续注意本身以多种方式操作化，随时间下降仅为一种，注意一致性为不预设 decrement 的替代（Welhaf & Kane，2024），故会话内改善与范式不矛盾，前提是冲突持续；改善亦可能反映学习目标何时出现，多层模型纳入每试次准备时间，故随累计等待时间的改善不仅是更好预期单个目标，学习目标大致速率本身即为调节注意的方式；改善亦不同于累积无聊相关绩效模式：无聊在固定时长自控任务区块间上升而努力下降，并与牺牲准确率转向速度相关（Bieleke等，2021）；此处参与者随会话推进变得更快且更准确，未显示该权衡。局限方面：样本量（N = 254）足以检测中等主效应，但许多主效应BF不确定（1/3至3之间），提示需更大样本区分小真效应与零效应；交互分析通常需更大样本，可能对此约束尤敏感，从模拟最小可检测效应外推，以80%功效检测此处观察量级交互（|β| ≤ 0.10）约需抑制×策略使用样本约四倍（N ≈ 1000）、转换×与DuL×策略使用约五倍（N ≈ 1350）。策略使用变量基于自评，引入记忆与对自身调节过程内省访问有限的潜在偏差；反应格式避免一个已知问题：参与者描述具体行动并计数而非对正反向陈述评分同意，后者反向计分可生成反映条目效价而非构念的因子（Paap等，2024）；但这并不确立计数反映实际部署而非描述自身行为的流畅性，且策略使用与Mice Task绩效同会话获得，表现好者可能回忆并报告更多策略化；未来研究可受益于行为编码、经验取样或生态瞬时评估及追踪策略使用与EF随时间的纵向设计。EF操作化受Friedman、Miyake等流行三成分概念启发但不完全相同，主因未测量经典意义上的WM更新（如n-back或复杂跨度范式）而测量DuL，且抑制由单一任务（反眼跳）代表；见Garbi等（2024）对此点的扩展讨论。研究依赖单一旨在制造自我调节需求的任务（Mice Task）；此处缺失的调节效应可能在具不同认知需求、时间跨度或诱惑类型的任务中出现。设计的三项特征约束测量所能显示：脱任务活动被允许但未标准化或记录，任务所基于的机制——无聊——未在会话中测量，故无法确认参与者经历之；开放文本策略描述由单一编码者审阅且未对任务绩效盲，独立盲编码并报告评分者间信度将更可取；设计为横断面，EFs基于理论理由作为预测变量（相对稳定能力）而非因先测量。研究在线施测，反应时精度低于本地实验室应用且跨浏览器变异（Bridges等，2020；另见Anwyl-Irvine等，2021）；EF测量对此相对稳健，因转换成本与负载成本为参与者内差异分数，参与者的计时滞后大体抵消——Bridges等直接指出，在参与者内跨条件比较反应时处恒定滞后影响甚微；Mice Task绩效指标较少依赖精细计时，刺激时长平均约1079 ms；此类误差无论如何与执行功能无关，且会衰减而非膨胀所报告关联。平均反应时仅在有鼠成功捕获的试次上计算，故漏靶更多者对该指标贡献更少观察；两个后果：其一，反应时指标精度随准确率跨参与者变化，最不准确者贡献最噪声估计；其二，两Mice Task绩效指标间部分关联为结构性而非实质性，因二者源自同一试次子集；检测更少鼠者在更长时长刺激上不成比例地如此（平均命中试次刺激时长与检测数量间r = ?0.67，95% CI [?0.73, ?0.59]），而刺激时长预测反应时；该依赖为任务内在（漏试次按定义无反应时），但意味着指标间相关（r = 0.87）部分源于计算方式，故夸大二者测量同一能力的程度；因试次构成仅取决于任务绩效而非任何预测变量，这关涉测量模型而非结构估计。策略使用测量索引调节行动的报告频率而非实施质量或适当性：报告多次重复单一重评者得分高于重评一次但有效者，故测量无法区分频繁使用与熟练使用；相关地，它捕捉参与者报告做了什么，可能与实际所做分歧；表现更好者亦可能更完整回忆或描述其调节活动，在无因果效应时膨胀观察关联；故全文称报告策略使用而非策略部署、策略技能或策略效能。两招募样本在报告策略使用上不同：Prolific招募者报告较少情境性、子目标化与分心行动但重评数量可比；该差异可能反映两样本完成任务的情境而非调节本身差异，本设计无法区分；pWM与子目标化和分心使用的关联不独立于招募来源，不应解释为个体差异关系。结论部分：使用旨在诱发持续自我调节努力的新行为范式Mice Task及兼顾速度与准确率的EF测量（BEF测验组），本研究发现pWM特异性关联认知重评的报告使用；抑制控制独立于策略使用关联Mice Task绩效；贝叶斯证据支持在本设计可检测效应量范围内EF调节策略–绩效关联的缺失。这些发现来自使用转换策略使用得分的非预注册模型；预注册原始得分模型拟合不佳。