注意力投入增强了共同行动能力:来自脑内、脑间以及行为信号的证据(通过EEG超扫描技术获得)
《Acta Psychologica》:Attentional engagement strengthens joint agency: Evidence from intra-brain, inter-brain, and behavioural signals via EEG hyperscanning
【字体:
大
中
小
】
时间:2026年04月22日
来源:Acta Psychologica 2.7
编辑推荐:
周子君|安娜·扎姆|贾斯汀·克里斯滕森|维内什·拉奥|简琳·D·洛尔
萨斯喀彻温大学心理学与健康研究系,9 Campus Drive,萨斯卡通,萨斯喀彻温省,S7N 5A5,加拿大
**摘要**
共同行动通常伴随着一种共同 Agency 的感觉,即参与者感到他们共同
周子君|安娜·扎姆|贾斯汀·克里斯滕森|维内什·拉奥|简琳·D·洛尔
萨斯喀彻温大学心理学与健康研究系,9 Campus Drive,萨斯卡通,萨斯喀彻温省,S7N 5A5,加拿大
**摘要**
共同行动通常伴随着一种共同 Agency 的感觉,即参与者感到他们共同协作产生了这种行动及其相应的结果。最新研究表明,脑际神经同步(INS)可能在决定人们的共同 Agency 感觉中起作用。然而,研究人员尚未探讨个体层面的神经信号是否也促进了这种感觉。因此,本研究采用了 EEG 超扫描技术,来探讨个体和脑际神经信号以及行为协调对共同 Agency 的贡献。参与者使用电子音乐盒来同步音调序列,以产生音乐二重奏(带有伴奏的熟悉旋律)或固定音高序列(音高相隔十二度)。每次试验后,双方都会评估自己的共同 Agency 感觉。EEG 分析重点关注与听觉处理相关的神经活动,并通过独立成分分析(ICA)进行空间源分离。无论同步程度如何,音乐二重奏都比固定音高序列引发了更强的共同 Agency 感觉。此外,音乐二重奏还引发了更强的听觉 ERP(反映注意力投入的 N1 和 P2 组件)以及 β 频段中更强的听觉活动脑际同步。进一步的数据显示,听觉 ERP 部分中介了序列类型与共同 Agency 之间的关系,而完全中介了序列类型与脑际同步之间的关系。这些发现表明,注意力投入增强了共同 Agency,而个体听觉处理比脑际听觉活动的耦合提供了更直接的神经关联。
**1. 引言**
当人们执行行动时,他们会感受到一种 Agency 感觉,即产生和控制行动及其相应结果的感觉(Haggard & Tsakiris, 2009)。研究者已经探讨了单独行动(例如 Wen & Imamizu, 2022)和人们协作达成共同目标的共同行动(例如 Loehr, 2022; Silver et al., 2021)背后的认知过程。人们 Agency 感觉的神经过程在单独行动中已经得到了系统的研究(Haggard, 2017),但在共同行动中仅进行了初步探索(例如 Shiraishi & Shimada, 2021)。共同行动通常会引发一种共同 Agency 感觉,即参与者感到他们共同协作产生了这种行动及其相应的结果(Dokic, 2010; Pacherie, 2012; Seemann, 2009)。最近的神经学证据表明,更强的共同 Agency 与参与者之间的更高脑际神经同步(INS)水平相关(Shiraishi & Shimada, 2021)。然而,关于个体层面(即大脑内部)的神经标志物如何解释人们在进行共同行动时的共同 Agency 感觉,以及个体和脑际标志物作为共同 Agency 预测因素之间的关系,目前知之甚少。本研究通过一个联合序列生成范式来回答这些问题,其中参与者配对同步音调序列,同时使用 EEG 超扫描记录他们的大脑活动。总体目标是全面分析神经(大脑内部和大脑之间)及行为信号如何影响人们的共同 Agency 感觉。
多项行为研究表明,在共同行动中,个体层面和集体层面的线索都会影响人们的共同 Agency 感觉。个体层面的线索来源于个体自身的感觉运动和认知过程(例如,与自己行动相关的感觉运动信号;对他人行动的内部预测等),而集体层面的线索则源自共享环境和参与者之间的互动(例如,参与者行动的空间或时间关系;参与者达到的协调程度等)。尽管共同 Agency 受个体层面线索的影响,集体层面线索的影响更为显著。例如,Le Bars 等人(2020; 2022)表明,集体层面的线索(如对共同行动的对称或不对称贡献,或奖励的均匀或不均匀分配)对共同 Agency 的影响大于个体层面的线索(如个体行动的运动流畅性)。协调表现是另一个强烈影响共同 Agency 的集体层面线索。多项研究表明,协调性越好的参与者,他们的共同 Agency 感觉越强(例如 Dell'Anna et al., 2020; Loehr, 2018; Reddish et al., 2020)。此外,某些实验操作通过影响协调表现来影响共同 Agency(例如,参与者在共同敲击动作中是否交替或顺序地产生音调;Bolt et al., 2016)。然而,重要的是,即使在需要精确人际同步的任务中,其他操作也会影响共同 Agency,超出协调表现的效果。例如,Zhou 等人(2023)让参与者配对同步音调序列,并在保持同步要求不变的情况下操纵音调序列的听觉内容:参与者要么同步包含旋律和伴奏的音乐二重奏,要么同步由相隔十二度的重复音高组成的固定音高序列。尽管同步表现确实预测了共同 Agency,但比较同步表现相同的试验后发现,演奏音乐二重奏时人们报告的共同 Agency 感觉更强。此外,实验后的访谈显示,多种线索共同促进了人们对音乐二重奏更强的共同 Agency 感觉,包括它们的节律和和声结构、熟悉度以及演奏和听觉的愉悦感。这些发现表明,虽然协调表现是共同 Agency 的重要预测因素,但它并非驱动共同 Agency 的唯一因素。
关于共同 Agency 的神经机制,一种可能性是脑际同步(INS)可能预测人们的共同 Agency 感觉,因为 INS 捕捉了参与者大脑活动之间的时间关系。这种可能性与之前的行为证据一致,即反映参与者行为之间关系的集体层面线索是共同 Agency 的强大预测因素。这也与证据一致,即强烈的共同 Agency 体验伴随着在行为、认知和情感层面的协调感,包括共同 Agency 体验本身与参与者共享的感觉(例如 Tr?n et al., 2024)。协调感可能通过参与者之间的 INS 程度来捕捉,因为最近的证据表明 INS 反映了社交互动中认知和社会过程的协调(例如 Gugnowska et al., 2022; Lender et al., 2023; Yang et al., 2020)。之前唯一一项研究共同 Agency 神经标志物的研究仅关注 INS(Shiraishi & Shimada, 2021)。在这项研究中,参与者以固定节奏交替或顺序敲击(即互相协调),并在每次序列后评估他们的共同 Agency 感觉。参与者在互相协调的任务中显示出更大的 INS 并报告更强的共同 Agency 感觉,且更大的 INS 与更强的共同 Agency 相关联。然而,共同 Agency 和 INS 也与协调表现相关,一系列事后分析表明,协调表现可能解释了任务对 INS 的影响,而 INS 又可能解释了任务对共同 Agency 的影响。因此,需要进一步的研究来确定 INS 是否在协调表现之外单独对共同 Agency 有贡献。
关于共同 Agency 的神经机制的另一种可能性是,个体大脑活动可能预测人们的共同 Agency 感觉,除了或代替 INS。共享共同 Agency 体验的感觉主要在非常强烈的共同 Agency 体验中被报告,例如在公共合奏音乐表演和团队体育比赛中(Tr?n et al., 2024)。尽管在一些简单的、基于实验室的二元共同行动任务中,有些人也报告了共享体验的感觉,但当逐次试验检查时,参与者之间的共同 Agency 评分相似度较低(例如 Bolt et al., 2016; Zhou et al., 2023)。更重要的是,人们无法直接了解他们与合作伙伴所达到的 INS 程度。相反,他们只能通过协调表现的行为信号间接了解,这可能导致 INS 与共同 Agency 之间的关系,正如 Shiraishi 和 Shimada(2021)的研究结果所暗示的。此外,一些研究者认为 INS 只是共享感官输入和适应外部环境中相同刺激的副产品(例如 Hamilton, 2021)。因此,个体层面的大脑活动不仅可以是一个更直接和可访问的信号,让人们基于此判断共同 Agency;如果 INS 仅仅捕捉了个体对共享感官输入的反应,它还可能解释 INS 对共同 Agency 的影响。
鉴于关于共同 Agency 神经机制的研究有限,本研究的总体目标是探讨脑际、大脑内部和行为信号对人们共同 Agency 感觉的相对贡献。更具体地说,我们的主要目标是确定脑际或个体层面的神经标志物是否预测人们的共同 Agency 感觉,以及脑际标志物是否在协调表现或个体大脑活动的影响之外预测共同 Agency。我们使用了与之前研究(Zhou et al., 2023)相同的两种序列类型操作,因为我们预计这种操作会在平衡不同条件下的协调要求的同时影响 INS 和个体神经处理。具体来说,我们要求参与者执行两种具有相同同步要求的序列类型:1)由简单的儿童旋律和伴奏组成的音乐二重奏,几乎完全由四分音符组成;2)由相隔十二度的高低四分音符组成的固定音高序列(见图 1a 和 b 的示例)。我们要求参与者使用电子音乐盒产生这些序列(图 1c 中所示;参见 Liebermann-Jordanidis et al., 2021; Novembre, Varlet, Muawiyath, Stevens and Keller, 2015, Novembre et al., 2019),以便即使是没有音乐训练的新手也能参与研究。我们检查了通常与共同行动协调相关的脑际和个体神经标志物,或者我们预期能够捕捉两种序列类型差异的标志物,这些差异可能影响人们的共同 Agency 感觉。我们在下文中讨论了这些神经标志物。
**下载:**
下载高分辨率图像(191KB)
下载全尺寸图像
**图 1.**
(a) 音乐二重奏示例。
(b) 固定音高序列示例。
(c) 实验装置示意图。圆圈代表电子音乐盒,箭头表示旋转方向。灰色半圆代表参与者头上的 EEG 头帽。使用 MuseScore v3.5 和 Microsoft PowerPoint v16.66.1 创建的图表。
我们首先检查的神经标志物是参与者大脑活动之间的 INS。我们特别关注 β 频段的听觉活动 INS,原因有几点:首先,我们关注听觉活动是因为只有听觉结果在不同序列类型之间有所不同,而所需的运动活动是相同的(以恒定速度旋转电子音乐盒手柄)。其次,我们关注 β 频段的听觉活动(13–30 Hz),因为 β 频段的振荡与预测被动听觉事件的时间和身份有关(Chang et al., 2018; Fujioka et al., 2012),以及听觉信息和运动过程在听觉-运动同步中的协调(Zamm et al., 2021)。第三,我们关注听觉活动和 β 频段,因为这些也是我们检查的个体层面神经标志物的重点(见下文)。最后,我们选择不关注较低频段的 INS(即 delta 和 theta 频段;0.5–4 和 4.5–8 Hz),Shiraishi 和 Shimada(2021)的研究将这两者与同步和共同 Agency 联系起来。许多研究表明,在这些频率下的大脑同步(INS)与双人演奏时的互动同步性之间存在很强的相关性(例如,Lender等人,2023年;Müller和Lindenberger,2022年)。因此,我们认为这些频带中的INS可能捕捉到了同步性对共同代理行为的效应,而不仅仅是上述的听觉影响。我们还检查了三个个体层面的神经标志物。前两个是与听觉序列注意相关的事件相关电位(ERPs)。具体来说,我们研究了听觉N1和P2 ERPs,它们分别是在前额中央区域出现的负向和正向电位,分别在听觉刺激开始后大约100毫秒和150-250毫秒达到峰值(Fonaryova Key等人,2005年;Fritz等人,2007年)。听觉N1和P2 ERPs经常同时出现,并被一起分析为N1-P2复合体,因为它们对各种实验操作的反应相似(Fonaryova Key等人,2005年;N??t?nen和Winkler,1999年;Tremblay等人,2001年)。与未被注意的听觉刺激相比,N1和P2的幅度都更大(Fonaryova Key等人,2005年;Fritz等人,2007年),我们预期这些注意力的神经标志物可能因为两个原因能够捕捉到不同条件下的共同代理行为差异。首先,音乐二重奏包含节奏和和声结构,这些结构携带了音乐信息,因此会吸引更多的注意力,这与动态注意力理论一致(Jones和Boltz,1989年)。例如,当人们聆听具有层次节奏的旋律时,对于节奏强烈的节拍,听觉N1和P2的幅度会更大(Fitzroy和Sanders,2015年;Schaefer等人,2011年)。其次,音乐二重奏可能会引发更多的注意力投入,因为它们比持续的音高等于更具有美学吸引力。与此可能性一致的是,人们更喜欢旋律复杂的听觉刺激(例如,Clemente等人,2021年),并且我们之前的研究参与者报告说,音乐二重奏之所以能够引发更强的共同代理行为,部分原因在于它们比持续的音高等于更令人愉快(Zhou等人,2023年)。听觉ERPs可以作为审美欣赏的神经标志物:与较不令人欣赏的听觉刺激相比,更令人欣赏的听觉刺激会引发更大的N1/P2幅度,这可能是由于对更愉快刺激的注意力增强(Sarasso等人,2019年)。类似的结果也出现在由更和不更令人欣赏的视觉刺激引发的视觉N1/P2 ERP成分上(Sarasso等人,2020年)。我们检查的第三个个体层面的神经标志物是与执行动作中的时间预测相关的β振荡。具体来说,我们研究了β事件相关去同步(ERD),它指的是在执行动作时对感官、认知或运动事件作出反应而出现的β波段功率下降。β ERD已被证明能够捕捉在被动和主动听觉过程中对听觉事件时机的预测(Fujioka、Trainor、Large和Ross,2012年;Fujioka、Ross和Trainor,2015年),以及在听觉-运动同步过程中(Morillon和Baillet,2017年)。关键的是,鉴于当前研究中音乐二重奏和持续音高等于序列类型所需的同步要求相同,我们不期望两种序列类型之间的β ERD会有所不同。换句话说,我们比较了不同序列类型的β ERD,作为额外的检查,以确定参与同步的时间预测过程是否可以解释不同条件下的共同代理行为差异。
总结来说,当前研究的目标如下。目标1:我们试图复制我们之前研究的行为发现,该研究发现序列类型会影响共同代理行为,超出了同步性能的影响(Zhou等人,2023年)。目标2和3:我们试图检查个体和/或脑间神经标志物(即N1和P2 ERPs、β ERD以及β INS)在不同序列类型之间是否有所不同(目标2),如果存在差异,这些差异是否介导了序列类型对共同代理行为的影响(目标3)。我们假设:a) 听觉ERPs在不同序列类型之间会有所不同,并可能介导序列类型对共同代理行为的影响;b) 听觉β ERD在不同序列类型之间没有差异,因此不会解释序列类型对共同代理行为的影响;c) 听觉β INS在不同序列类型之间会有所不同,并可能介导序列类型对共同代理行为的影响。目标4:我们试图确定同步性能或个体层面的脑活动是否可以解释INS和共同代理行为之间的假设关系,或者INS是否在这些变量之外还能预测共同代理行为。通过解决这些问题,我们试图全面理解脑间、脑内和行为信号是如何相互联系的,以及它们与共同代理行为之间的关系。
2. 方法
我们采用了与Zhou等人(2023年)相同的实验设计、设备和刺激材料及程序,并增加了每对参与者双方的EEG数据采集。我们在这里总结了最相关的方法学信息,并建议读者参考Zhou等人(2023年)以获取关于音调序列、练习试验的时间标准、平衡顺序以及共同代理行为评分量表选择的全面描述。
2.1. 参与者
共有64人(49名女性,平均年龄23.66岁,标准差5.59岁)参与了这项研究。参与者是成对招募的,不考虑性别组成。其中20对由两名女性组成,9对为混合性别,3对由两名男性组成。20对是陌生人,11对在实验前相互认识,有1对没有说明他们是否认识对方。我们总共招募了32对参与者,以实现完全平衡,并与我们之前关于共同代理行为的研究样本量相匹配。该研究遵循《赫尔辛基宣言》中规定的原则进行。在招募参与者之前,我们已经获得了萨斯喀彻温大学行为研究伦理委员会的批准[批准ID:Beh 1243],参与者在研究开始时签署了知情同意书。参与者获得了大学心理学课程的学分或20美元的报酬。
2.2. 设计
实验设计采用了被试内设计,包括两种条件:一种是由熟悉的旋律和伴奏组成的音乐二重奏,另一种是由等时高音和低音组成的持续音高序列(见图1中的示例)。
2.3. 设备和刺激材料
参与者使用Novembre等人(2015年)描述的改进版电子音乐盒来产生音调序列。这些电子音乐盒被编程为在旋转90°时产生四分音符(即持续时间为一个节拍的音调),在旋转180°时产生二分音符(即持续时间为两个节拍的音调)。因此,如果参与者以每2秒完成一圈的速度旋转圆盘,他们就会每500毫秒产生一个节拍(通常由四分音符标记)。本研究使用了基于熟悉儿童歌曲的四首音乐二重奏(B.I.N.G.O.、Hush Little Baby、Twinkle Twinkle Little Star和Yankee Doodle)和四个持续音高序列,每个序列从不同的音高开始(A4、C5、E?5和F?5)。重要的是,所有序列都为16个节拍长(以捕捉每首歌曲的前两个乐句),并且完全由四分音符组成(除了所有持续音高序列在结尾都有一个二分音符,而音乐二重奏在节拍位置7和15或13和15有两个二分音符)。在实验过程中,参与者坐在隔音箱内并排坐着。他们的中间放置了一台电脑屏幕,每个参与者面前都放置了一个电子音乐盒,旁边还有一个数字键盘,他们用它来输入他们的共同代理行为评分。听觉刺激通过放置在他们之间的两个扬声器传递,这两个扬声器也起到了遮挡作用,防止参与者看到彼此的评分。实验由Max 7软件(Cycling’74,2014年)控制,该软件运行在Lenovo ThinkStation电脑的Windows 7操作系统上,用于呈现视觉和听觉刺激。Max程序以333赫兹的采样率接收每个电子音乐盒的旋转位置。当达到相应的旋转位置时,它会产生由音乐仪器数字接口(MIDI)文件指定的音调。每个MIDI文件指定了所需的音高、音量(MIDI速度为76)和持续时间(每个音高的偏移与序列中下一个音高的开始同时)。在Max程序中,使用了R-udp播放器中的fluidsynth~函数(fluidsynth.org,Gjertsen,2019年)来播放开源的Akai Steinway钢琴样本作为序列音高,以及用于节拍器的打击乐样本。
2.4. 程序
在为每位参与者戴上EEG帽之前,他们首先练习在5个节拍的倒计时后准时开始,然后完成了两个交替进行音乐二重奏和持续音高序列的练习块。接下来,参与者戴上了EEG帽,并完成了另外两个练习块。在每个练习块中,每位参与者首先至少完成了一个独奏试验,他们单独演奏音乐二重奏或持续音高序列的部分。在独奏试验之后,参与者然后至少完成了一个联合试验,他们一起练习演奏。参与者重复独奏和联合试验,直到他们达到特定的时间标准(即,在独奏试验中与听觉节拍器的同步误差小于50毫秒,在联合试验中双方的音调同步误差小于150毫秒;详见Zhou等人,2023年)。在练习块之后,参与者完成了八个交替进行音乐二重奏和持续音高序列的测试块,在第四个块之后有一个短暂的休息时间。每个测试块以每位参与者的一个独奏试验开始。然后参与者进行了五个联合试验。音乐二重奏和持续音高序列在练习和测试块中以相同的平衡顺序呈现。每个试验都有一个信息屏幕,指明了要演奏的序列名称(歌曲标题或“持续音高”)、试验类型(独奏或联合),以及谁将演奏(右侧、左侧的参与者或两者)。信息屏幕还指明了独奏试验要演奏的部分(例如,“旋律”或“高音”)或联合试验要完成的试验次数。当参与者准备好时,实验者按下空格键,5个节拍的节拍器倒计时在1000毫秒后开始。在测试块的每个联合试验之后,每位参与者被要求使用修改自Aron等人(1992年)的“Inclusion of Other”量表的视觉模拟量表来评估他们的共同代理感受。修改后的量表由七对圆圈组成,范围从完全不重叠的两个圆圈到几乎完全重叠的两个圆圈。参与者被要求“指出哪个图表最能描述你们在一起使用电子音乐盒演奏时的整合感”。
2.5. EEG采集
EEG数据是同时从两位参与者那里记录的,每人使用32个活动电极(actiCAP,Brain Products GmbH)。电极按照扩展版的10-20系统排列,位置包括F7、F3、Fz、F4、F8、FC5、FC1、FCz、FC2、FC6、T7、C3、Cz、C4、T8、CP5、CP1、CP2、CP6、P7、P3、Pz、P4、P8、O1、CPz和O2,使用了细心放置的尼龙帽。在记录期间,每个人的右侧乳突电极被用作参考电极;放置在他们右眼上方和下方的电极用于监测垂直眼动,放置在他们每只眼睛外眼角的电极用于监测水平眼动。EEG信号由两个独立的放大器(BrainAmp,Brain Products GmbH)放大,带宽为0.01赫兹到125赫兹,采样率为1000赫兹。阻抗保持在25千欧姆以下。每个放大器的脑电(EEG)信号通过光纤电缆传输到一个USB 2适配器(BUA64;Brain Products GmbH;https://pressrelease.brainproducts.com/hyperscanning-brainamp/)。BUA64提供了共享的采样时钟,并对放大器输出进行了硬件级别的同步。因此,来自两个放大器的EEG信号被记录为一个时间对齐的数据流,它们之间没有延迟。听觉事件(即节拍器和序列音调)使用StimTrak设备(StimTrak,Brain Products GmbH)在数据中标记出来,当每个听觉刺激通过音频接口的输出电缆时,该设备会向记录软件发送信号。因此,触发事件与每个序列音调的起始时间实现了时间锁定。
2.6 数据分析
2.6.1 预处理:行为数据
我们首先计算了每次试验中伙伴们的行为同步性能,然后从数据集中移除了行为同步误差较大的试验。计算伙伴同步性能的步骤如下:首先,我们使用每个参与者的电子音乐盒的旋转数据来提取每个四分音符拍子的起始时间。注意,在有两个包含八分音符的双人音乐对的情况下,第8拍子时没有音符响起。尽管如此,我们还是从连续的旋转数据中提取了第8拍子的起始时间,以确保所有音乐对和恒定音高序列有相同数量的起始点。接下来,我们计算了每个拍子中两名参与者音符起始时间之间的绝对同步误差。然后,我们通过将每个同步误差除以前一个音符起始点到当前音符起始点之间的时间间隔(IOI,取平均值)来将其标准化到本地节奏中。这使我们能够比较不同伙伴之间的同步误差,而不管他们的表现速度有何差异或随时间的变化(例如,参与者在试验过程中有时会加速或减速)。最后,我们分别计算了每次试验的同步误差的平均值和标准差。
我们从数据集中移除了同步误差较大的试验,以减少由于时间误差较大而可能产生的责任归属问题(例如,如果一个伙伴明显落后于另一个伙伴)。首先,我们移除了其中一名参与者在其伙伴最后一个拍子之后产生了超过两个拍子的试验(在1280个试验中移除了21个试验)。然后,对于每对伙伴,我们分别移除了平均同步误差或标准差超出总体平均值或标准差3个标准差以上的试验(另外移除了36个试验;总共由于这些同步误差移除了4.45%的试验)。
2.6.2 预处理:EEG数据
EEG预处理使用EEGLAB(版本2021.1;Delorme & Makeig,2004)和ERPLAB(版本9.00;Lopez-Calderon & Luck,2014)MATLAB工具箱离线完成。首先,每个参与者的EEG数据都被重新参考到左右乳突电极的平均值,并使用EEGLAB函数popcontinuousartdet(窗口宽度:500毫秒,步长:250毫秒,中值阈值:150微伏)对所有电极进行了极值检测,移除了绝对电压差异较大的试验。然后,每个参与者的EEG数据被提交给独立成分分析(ICA)。ICA传统上用于EEG研究以去除伪迹(例如,眼球运动、心跳),但越来越多地用于分离感兴趣的脑部过程(Cohen,2017;Pion-Tonachini等人,2019)。在这里,我们使用ICA来分离与听觉处理相关的活动(参见Debener等人,2010年,以及Zamm等人,2018年,Zamm、Debener、Konvalinka、Sebanz和Knoblich,2021年,关于分离听觉和感觉运动过程的例子)。为了提高ICA分解的质量,我们首先使用Hanning窗形sinc FIR滤波器对EEG数据进行了滤波(截止频率:1-40赫兹,滤波器阶数:对于低频和高频分别为500和100;Stropahl等人,2018)。然后,我们使用EEGLAB函数pop_runica(ICA算法类型:runica,选择了“extended”选项以使算法能够提取亚高斯和超高斯源)对滤波后的数据集进行了ICA计算。接下来,我们使用MATLAB算法CORRMAP(版本2.1;Viola等人,2009)半自动地为每个参与者选择了听觉成分。具体来说,我们从数据集中的一个参与者那里选择了一个代表听觉响应的典型空间模式的模板成分(参见Debener等人,2010年),并将该模板提交给CORRMAP,阈值标准设置为r ≥ 0.8。我们将每个数据集识别出的听觉成分的最大数量设置为两个。接着,我们根据CORRMAP的输出和三位作者独立进行的视觉评估,手动选择了每个个体的最典型听觉成分(κ = 0.65,p < 0.001)。图2a显示了跨参与者选定的空间模式的总体平均值。然后,我们将选定的成分作为空间滤波器应用于原始EEG数据,以便进行后续分析。
下载:下载高分辨率图片(947KB)
图2. (a) 代表听觉成分的总体平均空间滤波器。(b) 每种条件下的总体平均听觉ERP波形。黄色和紫色区域分别表示N1和P2的分析时间窗口。(c) 拍子起始之间的听觉beta活动的总体平均时频图。(d) 拍子起始之间beta ERD的总体平均百分比变化(13–30 Hz)。阴影区域表示95%的置信区间。(e) 测量拍子起始之间beta ERD百分比变化的示意图。(f) 拍子起始之间的总体平均听觉beta INS。阴影区域表示95%的置信区间。该图使用Matlab R2018a和Microsoft PowerPoint v16创建。
在应用了空间滤波器之后,EEG数据再次使用Hanning窗形sinc FIR滤波器进行了滤波(截止频率:0.1–40 Hz,滤波器阶数:500和100)。然后,数据被分割成从第一个节拍器起始前2秒到起始后16秒的周期。选择这个周期长度是为了捕捉每次试验中的所有序列音调。从行为数据分析中移除的试验也从EEG分析中排除。随后,使用4标准差(4SD)标准通过联合概率方法剔除了非典型伪迹(Stropahl等人,2018)。经过所有预处理步骤后,数据集中有64个试验(即5%)被移除。剩下的听觉EEG数据被提交给后续的分析步骤。
2.6.3 计算EEG相关指标
2.6.3.1 事件相关电位(ERPs)
计算ERPs的目的是1)确认空间滤波器成功提取了听觉活动(N1和P2 ERPs),2)作为因变量(DVs)来评估个体对音调的神经反应是否受到序列类型的影响。为了计算N1和P2 ERPs,我们首先从每个拍子起始前100毫秒到起始后900毫秒的单次试验空间滤波波形中提取了数据。拍子起始时间是根据双人音乐对和恒定音高序列中的旋律或更高音调的起始时间来定义的。选择旋律/更高音调是因为它们可能比伴奏或更低音调更显著(例如,Sabharwal等人,2024)。这种选择还确保了ERPs(以及也与旋律/更高音调起始时间时间锁定的ERD和INS)能够捕捉到自我产生的音调和伙伴产生的音调的平均神经活动,因为每位参与者在一半的试验中产生旋律/更高音调,在另一半试验中产生伴奏/更低音调。然后,分别计算了每个参与者在每种条件下的平均ERP波形。ERP波形使用拍子起始前100毫秒作为基线进行了校正。如图2b所示,听觉N1是从音调起始后75毫秒到115毫秒的平均幅度测量的,而听觉P2是从音调起始后125毫秒到185毫秒的平均幅度测量的,这与先前的文献一致(例如,Bolt和Loehr,2023;Jones等人,2017;Timm等人,2016)。N1-P2复合波是通过从平均P2幅度中减去平均N1幅度来测量的,这也与先前的文献一致(例如,Timm等人,2014;Tremblay等人,2001)。
2.6.3.2 beta事件相关去同步(ERD)
为了计算听觉beta ERD,首先对每个参与者的单次试验听觉波形进行了时频分析。时频分解使用了从3到40赫兹的对数间隔的50个复Morlet小波。周期数根据小波的全宽半高进行了调整,最低频率为3个周期,最高频率为10个周期(Cohen,2014,Cohen,2019)。接下来,信号功率在拍子起始之间的500个等间隔时间点上进行了重采样,即从每个旋律/更高音调的起始到下一个旋律/更高音调的起始。这是为了适应参与者产生的拍子间隔的变异性。然后,从每个拍子起始前1拍到起始后2拍之间对数据进行了提取,以获得事件诱导的信号功率。然后,分别对每个频率区间内的信号功率进行了归一化,以获得信号功率的百分比变化(Pfurtscheller & Da Silva,1999)。接下来,分别对每个参与者和条件在每个周期、试验和频率(13–30 Hz)上平均了百分比变化。图2c和d分别显示了从每个拍子起始到下一个拍子的1拍间隔内的总体平均时频图和总体平均百分比变化。最后,使用图2e中所示的方法,通过测量拍子起始之间最大beta减少值中点之间的潜伏期的平均百分比变化来测量beta ERD的幅度(见Fujioka等人,2012)。
2.6.3.3 脑间神经同步(INS)
为了计算INS,我们使用了Lachaux等人(1999)最初定义的相位锁定值(PLV);然而,在这里我们将这个指标称为站点间相位聚类(ISPC),以便与其他基于相位的INS测量方法区分开来(见Cohen,2014)。ISPC测量每对参与者听觉活动之间的相位角度差异。基于相位的同步在音乐情境中常用(Cheng等人,2024;Hakim等人,2023),因为它是在需要精确时间对齐的任务中检测INS的一种时间敏感的方法(Cohen,2014;Zamm等人,2024)。基于相位的同步方法提取给定时间周期内振荡波的瞬时相位,然后计算相位之间的脑间对齐(Cohen,2014;Lachaux等人,1999)。
在当前研究中,通过以下公式计算了单次试验的ISPC:ISPCft=∣1/N∑t=1Nei?1ft??2ft∣,其中?1和?2是频率f和时间t时两个参与者的听觉成分的相位角,ei是欧拉公式中的复指数表示。每个信号的瞬时相位是从上面提到的beta ERD部分描述的复Morlet变换中提取的。N是滑动时间窗口中的时间点数量。推荐滑动时间窗口大于周期数。中心频率的周期数至少为三(Cohen,2014)。鉴于我们将beta频率带定义为13到30赫兹,中心频率为21.5赫兹,周期数为7,因此滑动窗口长度大约为326毫秒。得到的ISPC值范围从0到1,其中0表示没有同步,1表示参与者听觉活动之间的完美同步。
为了突出序列类型相关的变化,计算了校正后的ISPC(Cohen,2014)。我们使用了视觉指令提示和第一个节拍器音调之间500毫秒的窗口(即第一个节拍器起始前750-250毫秒)作为基线期,因为这个窗口发生在指令提示之后,并且不包含额外的视觉或听觉刺激起始。基线是使用每个对在基线期间和序列类型中的平均ISPC计算得出的。然后,通过从每个试验内的每个时间点减去基线来计算校正后的ISPC。接着,我们将校正后的ISPC值在拍子起始之间的500个等间隔时间点上进行了重采样,并从每个拍子起始前1拍到起始后2拍之间提取了数据。图2f显示了从每个心跳开始到下一个心跳的1个心跳间隔内的ISPC值的平均值(经过基线校正)。最后,我们通过分别对每个配对和条件下的β频率带(13-30Hz)、心跳开始之间的1个心跳间隔以及试验次数内的ISPC值进行平均,来计算INS的幅度。2.6.4 统计分析2.6.4.1 线性混合效应模型分析我们使用线性混合效应模型比较了不同序列类型之间的依赖测量结果,这使我们能够解释配对之间的共同变异。对于所有混合效应模型分析,我们首先从相关的固定效应和最大的随机效应结构开始(Barr等人,2013年;Bates等人,2015年)。我们使用SPSS 28版本的MIXED命令通过受限最大似然法估计模型拟合,并根据以下步骤细化随机效应:首先,如果模型拟合过程未能收敛,我们就移除估计协方差为零的随机效应;接下来,我们使用似然比检验来检查在移除解释最小变异的随机效应后拟合优度(-2对数似然值;-2LL)是否显著降低。这一过程使我们能够移除没有得到数据支持的随机效应(Barr等人,2013年)。最后,我们测试通过为剩余的变异成分和残差拟合相关参数是否显著改善了拟合优度。对于每个最终模型,我们报告了使用Satterthwaite近似方法获得的固定效应的F检验结果。此外,我们还根据情况报告了Cohen's d或标准化的beta值作为效应大小的衡量指标。补充材料中的表S1显示了每个线性混合效应模型分析中保留的随机效应。我们使用线性混合效应模型分析来实现研究的前两个目标,具体如下。2.6.4.2 目标1:复制Zhou等人(2023年)的行为发现为了确认参与者在音乐二重奏中报告的联合代理感比在恒定音高序列中更强,无论他们实现了何种程度的行为同步,我们进行了三项分析。首先,我们比较了音乐二重奏与恒定音高序列中的联合代理评分(固定因素:序列类型,始终作为分类变量包含)。其次,我们比较了两种条件下的行为同步性(固定因素:序列类型)。第三,我们检查了联合代理评分作为序列类型和行为同步性的函数(固定效应:序列类型、行为同步性作为连续变量以及它们的交互作用)。2.6.4.3 目标2:检查序列类型对每个神经标记的影响为了确定听觉神经标记在不同序列类型之间是否存在差异,我们分别比较了音乐二重奏与恒定音高序列(固定因素:序列类型)对于每个神经标记(听觉N1和P2 ERP、听觉beta ERD以及听觉beta INS)。接下来,我们使用多层次中介分析来实现研究的剩余目标,具体如下。2.6.4.4 目标3:检查每个神经标记是否介导了序列类型对联合代理的影响为了评估神经标记是否介导了序列类型与联合代理之间的关系,我们使用RStudio(版本2023.12.1;Bauer等人,2006年;Kenny等人,2003年)对每个标记进行了单独的多层次中介分析。由于我们有一个分类自变量(即两种序列类型),我们将音乐二重奏编码为1,将恒定音高序列编码为0(Hayes,2022年)。因此,正系数表示音乐二重奏与更高的神经活动水平相关(即更大的ERP、增强的beta ERD和更大的beta INS),而负系数表示恒定音高序列与更高的神经活动水平相关。每个中介模型中的间接效应定义为序列类型对神经标记的影响(路径a)、神经标记对联合代理的影响(路径b)以及参与者水平的随机效应的协方差(re)的函数(即间接效应 = a*b + re)。直接效应定义为序列类型对联合代理的影响(路径c'),总效应定义为直接效应和间接效应的函数:c = c' + a*b + re(Bauer等人,2006年;Kenny等人,2003年)。对于每个单独的模型,我们使用1000个样本的自举法来估计每个效应的95%置信区间(CI)。我们认为不包括零的95% CI是显著效应的有力证据。2.6.4.5 目标4:检查行为同步性或听觉ERP是否介导了序列类型对INS的影响为了评估行为同步性或听觉ERP是否介导了序列类型对INS的影响,我们进行了两项额外的中介分析。我们使用了前一节中描述的相同分析策略,不同之处在于行为同步性或听觉ERP是中介变量,而INS是结果变量。3. 结果3.1 目标1:复制先前的行为发现正如预期的那样,参与者在演奏音乐二重奏时报告的联合代理感显著强于演奏恒定音高序列时,b = 0.41,95% CI [0.25, 0.57],F(1, 103.59) = 26.45,p < .001,Cohen's d = 0.48(见图3a)。同样,音乐二重奏与恒定音高序列之间的总体同步性能没有显著差异,b = ?0.004,95% CI [?0.03, 0.02],F(1, 30.963) = 0.10,p = .75,Cohen's d = 0.03(见图3b)。这些发现复制了Zhou等人(2023年)的研究结果,并证实音乐二重奏比恒定音高序列更能引发强烈的联合代理感。下载:下载高分辨率图片(208KB)下载:下载全尺寸图片图3. (a) 音乐二重奏和恒定音高序列的平均联合代理评分和(b)同步性能。误差条表示95%置信区间。(c) 根据同步性能和序列类型估计的平均联合代理评分。阴影区域表示95%置信区间。接下来,我们检查了序列类型和同步性能对联合代理评分的影响,如图3c所示。分析显示两个主效应都显著,且没有显著的交互作用,F(1, 120.26) = 2.40,p = .12。序列类型的主效应b = ?0.56,95% CI [?0.74, ?0.38],F(1, 228.02) = 36.25,p < .001,表明即使在控制了同步性能的固定效应和随机效应后,人们在演奏音乐二重奏时体验到了更强的联合代理感。同步性能的主效应b = ?5.50,95% CI [?6.72, ?4.28],F(1, 20.29) = 85.25,p < .001,表明参与者在同步性能更好的试验中体验到了更强的联合代理感,这与之前的研究结果一致(Reddish等人,2020年;Zhou等人,2023年)。3.2 目标2:检查序列类型对每个神经标记的影响3.2.1 听觉N1和P2 ERP图4a显示了音乐二重奏和恒定音高序列中的平均听觉ERP幅度。正如预期的那样,音乐二重奏中的N1和P2幅度都显著大于恒定音高序列(N1:b = ?7.48,95% CI [?11.40, ?3.57],F(1, 63) = 14.58,p < .001,Cohen's d = 0.67;P2:b = 9.75,95% CI [5.90, 13.60],F(1, 63) = 25.63,p < .001,Cohen's d = 0.90)。下载:下载高分辨率图片(152KB)下载:下载全尺寸图片图4. (a) 每种条件下听觉N1和P2 ERP以及N1-P2复合波的平均幅度。请注意,尽管N1 ERP的平均幅度值为正值,但它们的波形是负向偏转的(见图2b)。(b) 每种条件下听觉beta ERD幅度的平均百分比变化。(c) 每种条件下的平均听觉beta INS。误差条表示95%置信区间。因为音乐二重奏中增强的ERP可能是由于它们的节奏结构,特别是对强拍的注意力增强(Fitzroy & Sanders,2015年;Schaefer等人,2011年),接下来我们分别计算了每个参与者和序列类型中强拍(每个小节的第1和第3拍)和弱拍(每个小节的第2和第4拍)的平均N1和P2幅度。然后我们通过两个额外的线性混合效应分析比较了强拍与弱拍的ERP幅度,其中序列类型是固定效应,拍子类型是分类变量,以及它们的交互作用。这些分析显示了序列类型的显著主效应,如上所述。重要的是,拍子类型没有显著的主效应(N1:F(1, 195) = 0.30,p = .58;P2:F(1, 195) = 0.98,p = .32)或交互效应(N1:F(1, 195) = 0.93,p = .34;P2:F(1, 195) = 1.10,p = .30)。因此,序列类型对ERP幅度的影响不太可能是由于对强拍的注意力增强所致。我们还考虑了反应性的差异是否可以解释两种序列类型之间ERP幅度的差异。也就是说,由于恒定音高序列由于重复呈现相同的音高,可能会导致ERP幅度下降,而音乐二重奏由于几乎每个拍子都在改变音高,可能不会显示出这种下降。如补充材料中的第S2节所报告的,使用序列类型和拍子(1-15)作为固定效应对N1和P2幅度进行的线性混合模型分析显示了序列类型和拍子的主效应,但没有交互效应。因此,序列类型对ERP幅度的影响不太可能是由于对强拍的注意力增强所致。此外,由于N1和P2幅度都以相同的方式受到序列类型的影响,我们确认音乐二重奏中的N1-P2复合波的幅度也显著大于恒定音高序列(b = ?17.24,95% CI [?21.54, ?12.93],F(1, 63) = 63.93,p < .001,Cohen's d = 1.41),因此我们在中介分析中使用了N1-P2复合波。3.2.2 Beta ERD图4b显示了音乐二重奏和恒定音高序列中的平均听觉beta ERD。正如预测的那样,分析显示两种条件之间的听觉beta ERD没有显著差异,b = 0.16,95% CI [?0.22, 0.55],F(1, 2402.43) = 0.69,p = .41,Cohen's d = 0.03。3.2.3 人际神经同步图4c显示了音乐二重奏和恒定音高序列中的平均听觉beta INS值。音乐二重奏引发的INS水平显著高于恒定音高序列,b = 0.0012,95% CI [0.0000, 0.0025],F(1, 2399.76) = 3.84,p = .050,Cohen's d = 0.07。3.3 目标3:检查每个神经标记是否作为序列类型对联合代理影响的中介图5a和表1(顶部行)显示序列类型对联合代理的影响是由听觉N1-P2复合波介导的,因为间接效应的自举置信区间完全高于零。这一显著的中介效应表明音乐二重奏引发的听觉ERP大于恒定音高序列,这种ERP幅度的差异解释了音乐二重奏比恒定音高序列报告的更强联合代理感。序列类型对联合代理的直接效应仍然显著,表明听觉ERP幅度部分介导了序列类型与联合代理之间的关系。下载:下载高分辨率图片(301KB)下载:下载全尺寸图片图5. 中介分析结果,其中(a)表示听觉ERP,(b)表示听觉beta ERD,(c)表示听觉beta INS作为中介。星号表示显著性水平p < .001 ***;<0.01 **;<0.05 *。表1. 使用听觉ERP、听觉beta ERD和听觉beta INS作为中介的序列类型与联合代理之间关系的回归系数和自举估计。中介效应估计SEp95%CIERP a?17.240.0001<0.001***[?17.24–17.23] b?0.00760.00310.007**[?0.014–0.0019] 间接(ab + re)0.130.0520.006**[0.037 0.24] 直接(c’)0.280.072<0.001***[0.13 0.41] 总计(c)0.410.049<0.001***[0.32 0.51]Beta ERD a0.160.200.20[?0.21 0.55] b0.00510.00510.16[?0.0049 0.015] 间接(ab + re)0.00080.00150.29[?0.0020 0.0039] 直接(c’)0.410.045<0.001***[0.32 0.50] 总计(c)0.410.048<0.001***[0.32 0.51]Beta INS a0.00130.00070.022*[0.0000 0.0026] b4.061.600.006**[0.78 7.05] 间接(ab + re)0.00740.00360.019*[0.0004 0.0039] 直接(c’)0.400.049<0.001***[0.31 0.50] 总计(c)0.410.048<0.001***[0.32 0.51]注。星号表示显著性水平p <.001 ***;<0.01 **;<0.05 *。图5b和表1(中间行)显示听觉beta ERD没有显著介导序列类型与联合代理之间的关系。间接效应的自举置信区间包含零,仅直接效应在这一中介模型中显著。图5c和表1(底部行)显示听觉beta INS介导了序列类型对联合代理的影响,因为间接效应的自举置信区间完全高于零。这一显著的中介效应表明,音乐二重唱在伙伴之间引发了比固定音高序列更高的听觉活动同步性(INS),而这种INS的差异解释了为什么在音乐二重唱中报告的联合能动感更强。在中介模型中,序列类型对联合能动感的直接影响仍然显著,这表明听觉β波INS部分中介了序列类型与联合能动感之间的关系。
3.4目标4:考察行为同步性和听觉事件相关电位(ERPs)作为序列类型对INS影响的中介因素。图6a和表2(顶部行)显示,序列类型对听觉β波INS的影响并未通过行为同步性来中介。间接效应的自助法置信区间包括零值,而且在这个中介模型中,a路径和b路径都不显著。因此,这项中介分析表明,序列类型独立于伙伴们实现的行为同步程度,影响了听觉β波INS。
图6. 中介分析结果,其中(a)行为同步性和(b)听觉ERPs作为序列类型与听觉β波INS之间关系的中介。星号表示显著性水平:p < 0.001 ***;< 0.01 **;< 0.05 *。
表2. 以行为同步性和听觉ERPs为中介的序列类型与听觉β波INS之间关系的回归系数和自助法估计值。
中介效应
估计值 SE 95% CI
行为同步性 a -0.0044 0.0066 0.25 [?0.017 0.0084]
b -0.0000 3.0025 0.50 [?0.0047 0.0050]
间接(ab + re) -0.0001 0.0001 0.28 [?0.0004 0.0003]
直接(c’) 0.0013 0.0006 0.014* [0.0001 0.0025]
总(c) 0.0013 0.0006 0.017* [0.0002 0.0024]
图6b和表2(底部行)显示,序列类型对听觉β波INS的影响是通过听觉N1-P2 ERP振幅来中介的。间接效应的自助法置信区间完全在零之上,而序列类型对听觉β波INS的直接影响并不显著。因此,这项中介分析表明,听觉ERPs完全中介了序列类型与听觉β波INS之间的关系。换句话说,与固定音高序列相比,音乐二重唱引发了更大的听觉ERP振幅,这种ERP振幅的差异完全解释了两种序列类型之间听觉β波INS的差异。
4. 讨论
当前的研究考察了大脑间、大脑内以及行为信号如何在需要精确人际同步的联合行动中贡献于人们的联合能动感。参与者要么进行音乐二重唱(由熟悉的旋律和伴奏组成),要么进行固定音高序列(由重复的高低音调组成),并在每次表演后评估他们的联合能动感。大脑活动通过EEG超扫描进行测量。与先前的研究结果一致,无论表演的同步程度如何,人们在音乐二重唱中报告的联合能动感都更强。音乐二重唱还引发了更大的听觉N1和P2 ERP以及更高的听觉活动在β频段的脑间神经同步性(INS)。听觉ERPs和INS都部分中介了序列类型与联合能动感之间的关系,表明大脑内和大脑间的信号都与联合能动感相关。然而,听觉ERPs还完全中介了序列类型对INS的影响,而行为同步性则没有。这些发现共同表明,个体的听觉处理为联合能动感提供了比大脑间听觉活动的同步更直接的神经相关性,并且对联合行动的听觉结果的关注增强了人们的联合能动感,无论伙伴们实现的人际同步程度如何。
当前研究揭示了四个主要发现。首先,音乐二重唱引发的听觉N1和P2 ERP振幅比固定音高序列更大,这表明与伙伴一起演奏熟悉的音乐二重唱比同步固定音高序列引发了更大的注意力投入。这一解释与先前的研究一致,即与未被注意的刺激相比,被注意的刺激的N1和P2振幅更大(例如,de Boer & Krumbholz, 2018; Fritz et al., 2007; Lange & Schnuerch, 2014),并且更大的N1和P2振幅与音乐聆听中的更大注意力投入相关(Fitzroy & Sanders, 2015; Sarasso et al., 2019; Schaefer et al., 2011)。对音乐二重唱的增强注意力可能是由于二重唱的节奏结构,特别是对强拍的关注增强(例如,Fitzroy & Sanders, 2015; Schaefer et al., 2011);或者由于固定音高序列中存在重复音调而二重唱中没有(例如,Rosburg & S?r?s, 2016);或者由于二重唱的相对复杂性更高,从而增强了审美欣赏(例如,Sarasso et al., 2019)。鉴于强拍和弱拍引发的ERP振幅没有差异,也不考虑了序列类型之间ERP振幅的变化,我们得出结论,当前的发现源于二重唱的复杂性和审美吸引力。这一解释与先前的参与者报告一致,即二重唱听起来更愉快,演奏起来也更令人享受(Zhou et al., 2023)。
当前研究的第二个也是最重要的发现是,听觉ERP振幅部分中介了序列类型对联合能动感的影响。因此,音乐二重唱引发了更大的听觉ERPs,可能反映了更大的注意力投入,这种更大的注意力投入部分解释了在二重唱中观察到的更强联合能动感。鉴于增强的注意力投入可能是由于二重唱的更大审美吸引力,这些发现与先前的参与者报告一致,即演奏二重唱的愉悦感是它们比固定音高序列引发更强联合能动感的几个因素之一(Zhou et al., 2023)。此外,这一发现提供了新的实验证据,表明注意力投入有助于人们在联合行动中的联合能动感。这支持了理论工作,即对共同目标的增强注意力应该增强联合能动感(Pacherie, 2012)。它还补充了之前关于其他认知过程(如目标、意图以及对自己和他人行为的表征)以及感觉运动过程(如动作预测和适应)对联合能动感影响的研究(例如,Bolt et al., 2016; Bolt and Loehr, 2017; Shiraishi & Shimada, 2021)。最后,这一发现强调了伙伴协调行动的共同结果对他们的联合能动感的相关性。具体来说,它提供了神经证据,表明更引人入胜的共同结果通过其对注意力的影响增强了联合能动感,这与先前的民族志研究一致,即对合唱团整体声音的增强注意力与强烈的联合能动感相关(Stephens, 2021)。
第三个主要发现涉及ERP、INS和联合能动感之间的关系。音乐二重唱引发的INS比固定音高序列更大,INS的差异部分中介了序列类型对联合能动感的影响。这一发现表明,音乐二重唱在伙伴之间引发了更大的听觉过程神经同步性,这种更大的神经同步性部分解释了音乐二重唱中更强的联合能动感。然而,我们进一步的中介分析对此关系提供了重要补充。一方面,这些分析表明,与固定音高序列相比,二重唱的增强INS并不能用行为同步表现的差异来解释。我们将在下一段进一步讨论这一发现。另一方面,这些分析还表明,二重唱的增强INS完全可以由序列类型之间的ERP振幅差异来解释。换句话说,我们的发现表明,更大的听觉事件锁定反应(即由音调启动引发的ERPs)引发了伙伴大脑之间更强的相位耦合(即这里测量的INS)。这可能表明,在音乐二重唱期间,与固定音高序列相比,更大的注意力投入增强了伙伴之间的INS。这一解释与其他研究表明注意力投入增强了INS的研究一致(例如,Gugnowska et al., 2022; Kingsbury & Hong, 2020; Pan et al., 2018)。另一种可能性是,二重唱的增强INS可能是由于序列类型之间的信号振幅差异造成的。最近的模拟表明,振荡振幅可以影响信噪比,进而影响基于相位的相位估计的稳定性,从而导致较小振幅信号(这里是固定音高序列)的相位估计降低,而较大振幅信号(这里是音乐二重唱)的相位估计增加(Zimmermann et al., 2024)。此外,相位效应是否真正反映了正在进行的振荡活动或与ERP相关的相位重置仍是一个未解之谜,尽管当前的发现表明ERPs中介了INS,至少在本文采用的实验范式中更为可能。
无论潜在机制如何,我们的发现表明INS完全由大脑内引发的反应来中介。因此,尽管我们的发现表明个体的听觉处理和大脑间听觉活动的耦合都与人们对联合能动感的评分相关,但它们也表明大脑内信号为联合能动感提供了比大脑间同步更直接的神经相关性,后者似乎反映了共同的个体处理,而不是独立于联合能动感的特定机制。这一发现支持了这样的假设,即个体层面的大脑活动是一个更直接、更易于获取的信号,人们可以基于此来评估他们的联合能动感。我们注意到,我们特别关注了在β频段和前中央区域测量的诱发听觉活动的INS。有可能其他频段或空间位置的诱导活动的INS也会对联合能动感有所贡献。然而,要证明这一点需要仔细的实验设计,以排除个体神经处理和协调表现作为INS与联合能动感之间关联的替代解释。
最后,当前研究还再次证实,人们共同产生的听觉结果影响了他们的联合能动感,超出了他们在行为和神经层面上实现的行为同步程度。在行为层面,当人们与伙伴的同步性更好时,他们报告的联合能动感更强,这与先前的发现一致,即协调表现对联合能动感有很大影响(例如,Bolt et al., 2016; Dell'Anna et al., 2020; Reddish et al., 2020)。尽管如此,当比较具有相同同步表现的试验时,音乐二重唱引发的联合能动感比固定音高序列更强,这与我们之前的发现一致(Zhou et al., 2023)。在神经层面,反映听觉信号时间预测的听觉β波ERD在音乐二重唱和固定音高序列之间没有差异,听觉β波ERD也没有中介序列类型对联合能动感的影响。这些发现证实了在同步音乐二重唱和固定音高序列时对时间预测的同等需求,并支持了这样的假设,即同步所需的预测时间过程并不解释序列类型对联合能动感的影响。此外,当前研究没有发现行为同步中介了序列类型与听觉β波INS之间的关系。这一发现与Shiraishi和Shimada(2021)的研究结果相反,后者认为协调表现可能驱动了他们的任务操作(相互作用与序列协调)对INS的影响。这些不同的发现可能归因于两项研究中评估协调表现的方式不同:Shiraishi和Shimada(2021)测量了参与者的音调与之前节拍器设定的节奏匹配程度,而当前研究测量了参与者之间的音调同步程度。保持节奏与与伙伴同步在激活时间机制上有所不同(例如,相位校正与周期校正;Repp, 2005)。不同的发现也可能源于每项研究中INS所索引的进程的差异。白石和岛田(2021年)报告了在θ频段中的 INS(内在感觉),这种感觉与错误监控有关,因此可能比我们当前研究中关注的听觉活动更紧密地与协调性能相关。这些差异进一步突显了研究联合代理与个体神经信号、脑间耦合以及反映更广泛感觉运动过程的行为信号之间联系的必要性,而不仅仅是这里关注的听觉处理。当前研究有几个值得注意的局限性。首先,中介分析不能明确建立因果关系,部分原因是可能存在未测量的变量解释了观察到的中介模式,或者预测变量、中介变量和/或结果变量在测试的因果路径中顺序不正确。我们的发现为从序列类型通过听觉ERP和INS到联合代理的潜在因果路径提供了相对较强的支持,因为a)我们实验性地操纵了序列类型,b)听觉ERP和INS是在序列产生过程中测量的,而这一过程发生在联合代理评分之前。对于从序列类型通过听觉ERP到INS的潜在因果路径,我们的支持相对较弱,因为ERP和INS都是在序列产生过程中测量的,并且时间锁定了相同的音调。INS可能导致更大的ERP而不是相反的可能性与我们所提出的因果路径一致的模拟数据相矛盾(例如,Haresign等人,2022年),但仅根据当前数据得出强有力的因果结论仍然需要谨慎。其次,我们将分析限制在β频段的神经活动上,并使用基于ICA的空间滤波器来隔离与听觉处理相关的活动。我们这样做是因为我们对这种活动如何解释不同序列类型之间的联合代理差异有特定的假设,正如引言中所述。然而,其他频段的INS(例如,指数其他过程如运动过程或错误监控的INS),以及通过振幅、一致性或因果性测量的INS(Ayrolles等人,2021年;Zamm等人,2024年)也可能对联合代理有所贡献。此外,我们基于ICA的空间滤波器和选定的频段可能没有捕捉到所有与听觉处理相关的神经活动,也不一定仅捕捉到与听觉处理相关的活动。图2a和b显示,选定的空间滤波器捕获了一个典型的听觉ERP波形(即N1-P2复合波)和头皮地形(即前中部头皮分布,这与如果运动活动占主导时预期的更中央且与执行手相对的头皮地形不同)。然而,先前的研究表明,听觉N1-P2复合波反映了多种来源的混合,包括听觉、前运动和运动区域(N??t?nen & Picton,1987年),以及由听觉、视觉和体感刺激引起的N1-P2电位共有的多模态成分(Mouraux & Iannetti,2009年;N??t?nen & Picton,1987年)。值得注意的是,多模态成分的振幅被认为反映了与刺激显著性和注意力相关的过程(Mouraux & Iannetti,2009年),这与我们的解释一致,即音乐二重奏引起的较大听觉ERP反映了比固定音高序列更强的注意力投入。第三,我们分析了音乐二重奏和固定音高序列中与旋律和高音调相关的神经信号。由于每位参与者在一半的试验中产生旋律/高音调,在另一半试验中产生伴奏/低音调,这意味着我们分析的神经标记包含了自我产生的音调和合作伙伴产生的音调的相等比例。重要的是,这对两种序列类型都是如此(即,它没有受到我们实验操作的混淆)。这种分析选择很重要,因为先前的研究表明,与自我产生的音调相比,外部产生的音调引起的N1和/或P2 ERP的减弱与独奏情境中的个体代理感有关(例如,Timm等人,2016年)。有趣的是,比较在联合行动情境中自我产生的音调和合作伙伴产生的音调引起的ERP的研究显示,共同行动者的N1振幅是相当的(Bolt和Loehr,2021年,Bolt和Loehr,2023年),并且相当的N1振幅与联合代理感同时出现(Navare等人,2024年,Navare等人,2026年)。相比之下,在联合行动中,自我产生的音调与合作伙伴产生的音调相比,P2振幅会减弱(Bolt和Loehr,2021年,Bolt和Loehr,2023年),但P2振幅与联合代理之间的关系尚未进行研究。我们决定分析对旋律/高音调的神经反应,并将N1和P2一起作为N1-P2复合波进行分析,这可能会掩盖自我产生的音调与合作伙伴产生的音调引起的P2振幅之间的差异。虽然比较自我产生的音调和合作伙伴产生的音调超出了当前研究的范围,但我们确实进行了额外的中介分析,以确认N1和P2 ERP分别在单独分析时都能调节序列类型对联合代理的影响(详见补充材料的第S3节)。这与先前的研究结果一致,即这两种ERP对关注和审美上吸引人的刺激来说都更大,正如引言中所讨论的,并且我们的发现表明这两种ERP都受到序列类型的相同调节。一个相关的考虑是,对于固定音高序列来说,区分自我产生的音调和合作伙伴产生的音调可能比音乐二重奏更加困难。尽管通过确保两个部分(旋律/伴奏和高/低音调)之间有相当的音高差异来设计刺激,以尽量减少序列类型之间的感知差异,但二重奏自然包含了固定音高序列所没有的音高变化线索。然而,可以说,对于固定音高序列来说,自我-合作伙伴区分的难度更大应该会引发比音乐二重奏更强的联合代理感(即,与这里报告的模式相反),基于先前的研究,表明合作伙伴贡献较不易区分的序列会引发更强的联合代理感(例如,Bolt等人,2016年)。未来专门研究自我产生的音调和合作伙伴产生的音调之间的ERP振幅差异的研究也可以用来直接测试自我-合作伙伴区分性是否影响类似于这里使用的同步任务中的联合代理感。总之,当前研究是首批探索人们在联合行动中联合代理感背后的神经机制的研究之一,重点关注个体和脑间神经过程及其之间的关系。我们提供了关于脑内、脑间和行为协调信号如何共同促成人们联合代理感的独特详细比较。我们证明,与固定音高序列相比,音乐二重奏通过增强注意力投入引发了更强的联合代理感,这种增强的注意力投入可能来自于二重奏更高的审美吸引力。此外,我们证明虽然个体听觉处理和脑间同步都能预测联合代理的强度,但个体听觉处理作为联合代理的神经标志比脑间听觉过程的耦合更为直接。这些发现通过提供新的证据增强了我们对联合代理背后认知机制的理解,即增强的注意力投入增强了联合代理感。它们还通过记录脑内和脑间信号与协调性能之间的关系,加深了我们对联合代理涉及的神经机制的理解。最后,我们的发现为未来的研究开辟了新的途径,包括进一步研究美学欣赏的哪些方面(如旋律复杂性或音乐熟悉度)影响音乐联合行动中的联合代理感,以及与其它认知和感觉运动过程相关的脑内和脑间信号是否独立地影响人们的联合代理感。
作者贡献声明:
Zijun Zhou:写作 - 审稿与编辑,撰写 - 原始草案,可视化,软件,方法论,调查,正式分析,数据管理,概念化。
Anna Zamm:写作 - 审稿与编辑,监督,正式分析。
Justin Christensen:写作 - 审稿与编辑,软件,方法论。
Vinesh Rao:写作 - 审稿与编辑,调查,正式分析。
Janeen D. Loehr:写作 - 审稿与编辑,监督,资源管理,方法论,资金获取,正式分析,概念化。