运动表象生动性不能预测从观察手部动作判断物体重量的能力

《Cortex》：Motor Imagery Vividness Does Not Predict the Ability to Judge Object Weight from Observed Hand Actions

　　

观察他人的动作以及想象自己执行相同的动作（运动表象）在文献中已通过多种方式联系起来。研究表明它们具有重叠的神经表征，两者似乎都与个体的运动能力相关，并且都已被证明对运动康复有积极影响。然而，这些重叠是否反映了运动表象与从观察到的运动学中提取相关信息（动作理解）能力之间的直接功能关系，尚未得到研究。先前的研究发现，自我报告运动表象生动性低的个体在动作观察期间的运动系统参与程度低于典型表象生动性的个体。本研究首次对运动表象和一般视觉表象生动性与动作理解的可量化行为测量（具体而言，基于观察他人举起物体来判断其重量的能力）之间的关系进行了行为测试。为了在整个表象谱系中检验研究问题，我们的招募策略包含了很高比例的具有极低表象生动性的个体（通常称为“心盲症”）。一个在线样本（N = 392）完成了一项重量判断任务以及一项匹配的速度判断控制任务。贝叶斯分析表明，运动表象生动性（运动表象生动性问卷-2）和一般视觉表象生动性（视觉表象生动性问卷）均不能预测动作理解，并且提供了中等至强有力的证据反对任何关系。总体而言，我们的研究结果表明，自我报告的运动和一般视觉表象生动性与手部交互动作理解在功能上是独立的。

本研究旨在探讨自我报告的运动表象和一般视觉表象生动性是否与手部动作理解能力存在功能关联。研究背景基于动作观察与运动表象在神经科学和康复领域已知的联系。动作观察通常被视为被动感知任务，而动作理解则涉及从观察到的动作中提取有意义的信息，例如推断物体的物理属性。尽管神经影像学研究提示动作观察和运动表象共享重叠的神经表征（主要位于前运动区、顶叶和感觉运动区），且两者都与运动执行能力和运动康复效果相关，但这些关联是否意味着运动表象生动性直接影响个体从观察到的动作中理解信息的能力，尚不清楚。先前Dupont等人的研究为这种关联提供了生理学证据，发现自我报告运动表象生动性极低（心盲症）的个体在观察手部捏取动作时，其皮质脊髓兴奋性（通过运动诱发电位测量）低于典型表象生动性的个体。然而，运动系统的生理激活是否对动作理解行为是必要的，仍需行为层面的直接证据。因此，本研究旨在通过可量化的行为任务，首次检验自我报告的表象生动性（包括运动表象和一般视觉表象）是否能预测基于观察手部举重动作判断物体重量的能力，即动作理解的一个具体行为指标。

为开展此项研究，研究人员采用了在线行为实验方法，招募了392名参与者（样本来源包括通过社交媒体、口碑和阿凡达症网络招募，其中包含高比例的自我报告表象生动性极低的个体）。关键技术方法包括：1）使用标准化自我报告问卷评估表象生动性，即视觉表象生动性问卷（VVIQ）和运动表象生动性问卷-2（VMIQ-2），其中VMIQ-2评估了外部视觉、内部视觉和动觉三种运动表象形式；2）设计并实施了一项在线重量判断任务，参与者观看预录制的演员（右利手，男性，20多岁）用捏取动作举起外观相同但重量不同（200克、1000克、1800克）的圆柱体视频，并从第三人称视角判断感知重量；3）作为控制条件，设计了结构上类似的速度判断任务，参与者判断屏幕上垂直移动的圆点的速度，以控制一般知觉或注意力能力的影响；4）主要行为指标是通过实际刺激水平（三个重量/速度水平）与参与者反应之间的最佳线性拟合斜率来量化任务表现，并使用斜率差异（重量判断斜率减去速度判断斜率）作为隔离动作理解特定能力的因变量；5）数据分析采用线性回归和贝叶斯分析，并在R语言环境中进行，以检验表象生动性对动作理解表现的预测作用。

研究结果部分，首先在样本特征中，参与者平均年龄为48.7岁，性别分布为63.8%女性，33.4%男性。由于通过阿凡达症网络招募，样本中包含大量自我报告表象生动性极低的个体（根据VVIQ≤23的保守截断值，67%的参与者可归类为“心盲症”），远高于一般人群的估计患病率（约2.6%）。VVIQ和VMIQ-2得分呈现高度相关（r = .95），表明在本样本中，自我报告的表象生动性可能反映了一种广泛的、非模态特异的元认知判断。

在主要假设检验部分：
**4.3. 运动表象生动性与动作理解之间的关系（预先注册的H1）**：线性回归分析显示，运动表象生动性（VMIQ-2总分）不能显著预测动作理解（斜率差异），模型不显著。贝叶斯线性回归进一步提供了支持零假设（即无关系）的中等到强有力证据（BF₀₁ = 4.27），表明数据在零假设下的可能性是备择假设下的4.27倍。因此，H1未得到支持。
**4.4. 视觉表象生动性与动作理解之间的关系（预先注册的H2）**：同样，一般视觉表象生动性（VVIQ总分）也不能显著预测动作理解。贝叶斯分析也提供了支持零假设的中等到强有力证据（BF₀₁ = 4.37）。因此，H2也未得到支持。
**4.5. 运动与一般视觉表象作为动作理解预测因子的比较（预先注册的H3）**：由于VVIQ和VMIQ-2得分高度共线性（R² = 0.91），无法有意义地比较两者的相对预测强度，因此H3未进行检验。

在数据质量检查和探索性分析部分：
**4.6. 数据质量检查**：通过过滤播放异常或反应时间过长的试次后重复分析，结果模式保持不变，运动表象和视觉表象生动性均不能预测动作理解。
**4.7. 进一步探索性分析**：一系列稳健性检查（如排除最快和最慢的完成时间参与者、仅限典型表象参与者分析、使用单独的任务斜率作为因变量、分析VMIQ-2各子量表）均未改变主要结论。仅在一项探索性子分析中（仅限典型表象参与者），发现外部运动表象生动性与较差的动作理解表现存在微弱负相关，但鉴于分析的探索性和多重比较，此结果可能反映随机噪声而非有意义的关联。此外，基于VVIQ截断值的分类组比较（心盲症 vs. 非心盲症）显示，两组在动作理解表现上无显著差异。分析还发现，年龄与两种表象生动性均呈显著负相关，表明年龄增长伴随自我报告表象生动性下降；女性参与者报告的一般视觉表象生动性显著高于男性，但此差异在仅分析典型表象参与者时变得不显著。

在讨论部分，研究人员首先指出本研究首次提供了行为证据，表明自我报告的运动和一般视觉表象生动性与手部动作理解在行为水平上是功能独立的。这一发现可能与此前报道的运动表象与动作观察之间的关联（如重叠神经表征、Dupont等人的生理学研究）并不矛盾，因为神经重叠不一定意味着功能共享。Dupont等人测量的皮质脊髓兴奋性（MEPs）可能反映了运动系统在预测或处理观察到的动作时的参与程度，但这种生理参与对于解释动作（即动作理解）可能并非必要。低表象生动性的个体可能较少依赖运动系统处理动作，而更多地依赖视觉信息，这在本重量判断任务中已足够。

研究人员讨论了任务本身的优势和可能的局限性。本研究的刺激与Dupont等人使用的捏取动作视频高度相似，并增加了举物动作，且重量判断任务提供了对动作理解的可量化行为测量。在线样本在重量判断任务上的表现甚至优于实验室试点样本，表明在线格式和视频刺激本身不足以解释未发现关联的结果。重量判断任务不依赖于反应时，减少了在线研究中网络和计算机因素以及参与者运动能力的混淆，且可能不受文化影响。

研究人员还探讨了测量工具的问题。VVIQ和VMIQ-2在本样本中表现出异常高的相关性，这可能反映了在低表象生动性样本中，自我报告的表象生动性更多是一种广泛的元认知判断，而非模态特异的能力。此外，VMIQ-2中的两个子量表（内部和外部视觉表象）本质上仍涉及视觉表象生成，只有动觉子量表独特地反映了对运动感觉的想象。然而，在本研究中，无论是视觉表象得分还是动觉子量表，与动作理解的关系均无显著差异，这支持了表象生动性整体上与动作理解独立的核心结论。本研究使用的VMIQ-2是“外显”表象任务，而内隐运动表象可能涉及不同网络，未来研究可探讨内隐任务下的关系。

最后，研究人员总结了人口统计学因素的影响。样本中低表象生动性个体的高比例使研究能够检验整个表象生动性连续体上的关系，但样本并非一般人群的代表。年龄对表象生动性的影响在排除低表象个体后仍然存在，而性别影响则在仅分析典型表象参与者时减弱，表明性别差异可能由低/高生动性个体在性别间的分布差异驱动。

研究结论部分翻译如下：本研究首次提供了行为证据，表明表象生动性与动作理解是独立的。尽管先前研究报道了这两个过程通过重叠的神经活动、与运动能力的关系以及它们对康复的共同影响而存在联系，但这两个过程在功能上似乎是独立的。这些发现强调了进行多模态研究的必要性，以直接测试动作观察和理解过程中的运动系统激活何时反映了行为相关的机制，何时反映了伴随但非必要的过程。