《Human Movement Science》：Think positive, perform better: The detrimental effect of technical motor imagery before action
编辑推荐：
赛前常规程序（Pre-performance routines, PPR）被广泛用于优化运动员在动作前的注意力、情绪和生理准备状态。运动表象（Motor imagery, MI）即对动作的心理模拟，是PPR的重要组成部分。然而，这些常规程序中MI的内容如何塑造
赛前常规程序（Pre-performance routines, PPR）被广泛用于优化运动员在动作前的注意力、情绪和生理准备状态。运动表象（Motor imagery, MI）即对动作的心理模拟，是PPR的重要组成部分。然而，这些常规程序中MI的内容如何塑造表现仍不清楚。本研究考察了嵌入PPR中的不同类型MI对后续举重表现的功能效应。一项包含120名国家级CrossFit?运动员的样本，在基线记录环节后，于四种随机条件下完成了抓举和挺举：动机性一般运动表象（Motivational General MI, MG-MI），专注于生理激活；动机性特异性运动表象（Motivational Specific MI, MS-MI）；认知特异性运动表象（Cognitive Specific MI, CS-MI），涉及技术技能的表象；以及一个无表象的控制条件。记录了功率输出、杠铃轨迹以及自我报告的动机、疲劳和难度水平。结果显示，与所有其他条件相比，MG-MI和MS-MI显著提升了功率和技术准确性（p<0.001），而CS-MI则显著损害了表现（p<0.001）。主观测量指标未受影响，排除了动机或疲劳相关的影响。这些结果表明，MI的功能方向可能决定了其在PPR中的短期功效。涉及技术技能表象的CS-MI可能通过过度的意识控制干扰了运动流畅性。通过阐明CS-MI以及MG-MI和MS-MI成分如何差异化地影响专家运动行为，本研究为在体育运动中设计更有效的PPR提供了基于证据的指导。
### 论文解读：运动表象内容决定赛前常规程序对举重表现的双向影响
#### 研究背景与问题提出
在运动心理学领域，赛前常规程序（Pre-performance routines, PPR）被视为一种关键的认知-行为框架，旨在通过预先设定的心理和身体序列，优化运动员在自定步调任务中的注意力、情绪和生理准备状态，从而促进自动化执行。元分析证据已证实PPR在中低和高压条件下均能带来中等至较大的益处。运动表象（Motor imagery, MI），即在不伴随实际执行的情况下对动作的心理表征，是PPR中的核心要素之一。然而，现有研究虽已证实MI对运动学习和表现的促进作用，但对于嵌入PPR中的MI内容如何差异化地影响后续表现，尚存在显著的知识空白。
Paivio（1985）的功能区分模型为理解MI的不同功能提供了宝贵框架：它将MI区分为认知性（Cognitive）与动机性（Motivational），以及特异性（Specific）与一般性（General）。其中，认知特异性运动表象（Cognitive Specific MI, CS-MI）侧重于动作或技术的心理演练；动机特异性运动表象（Motivational Specific MI, MS-MI）涉及具体表现结果或目标达成的表征；动机性一般运动表象（Motivational General MI, MG-MI）则涵盖更广泛的激活、自信与掌控感等心理状态。以往研究多聚焦于MI的整体效益或PPR的有效性，鲜有研究直接考察在PPR中嵌入不同功能内容的MI如何对即时运动表现产生截然不同的影响。特别是，CS-MI作为一种技术性表象，可能通过重新激活意识控制，干扰高自动化运动技能的流畅执行，这与“再投资”（reinvestment）或过度控制假说一致。相反，MG-MI和MS-MI通过增强自我效能、调节激活水平和促进任务投入，可能有助于维持自动化执行状态。基于此，本研究旨在系统验证两个假设：(H1) 包含CS-MI的PPR会损害训练有素运动员的举重表现，表现为杠铃轨迹误差增大，反映出意识运动监控的增加；(H2) 包含MG-MI和MS-MI的PPR则会提升表现，表现为杠铃轨迹误差减小，反映出自动化控制过程的增强。该研究发表在《Human Movement Science》。
#### 主要关键技术与方法
研究人员采用了一个严格的被试内设计，在为期一周的实验中，对120名国家级CrossFit?运动员（来源：当地CrossFit社区附属机构）进行了测试。关键技术方法包括：(1) **线性位置传感器（GymAware v2.10）**：用于实时记录杠铃速度和功率输出（以瓦特计），作为核心表现指标；(2) **高速视频分析（Kinovea软件）**：以240帧/秒的速率，从矢状面记录并量化杠铃相对于髋部的水平位移，即杠铃轨迹误差（厘米），作为技术准确性的指标；(3) **简化4点Likert量表**：用于评估受试者的动机、感知困难度和疲劳感，作为次要结果指标；(4) **统计建模**：采用线性混合效应模型（Linear Mixed-Effects Models）分析条件对功率和轨迹误差的影响，并用对齐秩变换混合模型（ART Mixed Models）处理非正态分布的主观数据。
#### 研究结果
**1. MIQ-3 结果（运动表象能力评估）**
通过法语版运动表象问卷（Movement Imagery Questionnaire, MIQ-3f）评估发现，全体运动员在内部视觉、外部视觉和动觉表象三个维度上均表现出较高且均一的表象能力（平均得分均高于5.4/7），这为实验操作提供了基础，并降低了因表象质量差异影响结果的疑虑。
**2. 基线1RM表现（最大力量基线）**
研究人员确认，在90%个人单次最大重复重量（1RM）负荷下，杠铃速度与最大绝对力量之间无显著相关性（抓举: r=?0.002, p=0.986；挺举: r=0.024, p=0.793）。这表明所有参与者在相对负荷和努力程度上具有可比性，为后续条件间的比较奠定了基础。
**3. 功率表现（功率输出）**
**通过线性混合效应模型分析发现**：
- **对于挺举和抓举**，条件（CONDITION）的主效应均极其显著（挺举: F=691.03, p<0.001; 抓举: F=559.67, p<0.001），效应量极大（η2p=0.86和0.83）。
- **成对比较结果一致**：
- **MG-MI** 在所有条件中产生了最高的功率输出，显著高于其他所有条件（包括控制条件和基线）。
- **MS-MI** 也显著优于控制条件和基线。
- **CS-MI** 则产生了最低的功率输出，显著低于所有其他条件。
- 控制条件与基线之间无显著差异。
- 该表现效应不受基线MIQ-3各维度得分及其与条件交互作用的影响。
**4. 技术表现（杠铃轨迹误差）**
**通过线性混合效应模型分析发现**：
- **对于挺举和抓举**，条件的主效应同样极其显著（挺举: F=676.08, p<0.001; 抓举: F=627.89, p<0.001），效应量极大（η2p=0.85和0.84）。
- **成对比较结果一致**：
- **MG-MI** 和 **MS-MI** 均显著降低了轨迹误差（即提升了技术准确性），且两者间无显著差异。
- **CS-MI** 产生了最大的轨迹误差，显著高于所有其他条件。
- 控制条件的误差显著低于基线条件，但显著高于MG-MI和MS-MI。
**5. 主观变量**
关于动机、感知困难度和感知疲劳的主观评分在各条件间均无显著差异（所有p>0.55），表明这些心理状态并非驱动运动表现差异的直接原因。
#### 总结讨论与研究结论翻译
**讨论总结**：本研究首次通过实证方法，在大样本国家级运动员群体中，系统证明了嵌入PPR中不同功能类型的MI能对举重表现产生截然相反的急性效应。MG-MI和MS-MI显著提升了功率输出和技术准确性，而CS-MI则严重损害了表现。这一发现有力地支持了假设，并表明PPR中的MI内容决定了其究竟是促进还是干扰自动化运动控制。MG-MI通过激发生理激活和外部注意取向（关注动作效果），强化了感知-动作耦合，从而支持自动化执行。MS-MI通过增强效能信念和减少认知干扰，同样起到了积极作用。相反，CS-MI在动作执行前强制引入内部注意焦点（关注动作技术细节），可能触发了再投资过程，即过度的意识监控破坏了动作流畅性和自动化，这与约束动作假说一致。研究还排除了动机、疲劳和表象能力差异作为混杂因素的可能性。尽管存在一些局限（如仅考察急性效应、未直接操纵注意焦点、缺乏神经生理机制测量），但研究结果对于优化竞技体育中的PPR设计具有明确的实践指导意义。
**研究结论翻译**：总之，本研究深化了我们对PPR如何作用于认知与行动交界面的理解。通过证明MI的内容决定了常规程序是促进还是阻碍后续表现，本研究强调了将准备策略与任务的功能性和注意力需求对齐的必要性。除理论贡献外，这项工作为设计基于证据的常规程序提供了一个实用框架，该框架能将心理准备转化为具身的表现效率。
