《Journal of Neuroscience Methods》：Time as the language of behavior: Events, sequences, patterns and meanings
编辑推荐：
Maurizio Casarrubea|Giuseppe Di Giovanni|Teresa Pasqua|Stefania Aiello|Giuseppe Crescimanno|Magnus S. Magnusson•时间并非单纯的背景元素，它对于组织、表达和解读生物的行为
Maurizio Casarrubea|Giuseppe Di Giovanni|Teresa Pasqua|Stefania Aiello|Giuseppe Crescimanno|Magnus S. Magnusson
- •
时间并非单纯的背景元素，它对于组织、表达和解读生物的行为至关重要。
- •
本文探讨了用于研究行为及其各组成部分之间关系的专业工具与方法。
- •
尤其强调了时间与结构上的规律性如何决定行为的架构与含义。
引言
在行为科学领域，传统上人们更多关注个体的行为、选择与反应，也就是行为的基础特征（Casarrubea, 2024）。要有效理解“什么”是任何行为研究的首要步骤：所研究的对象——无论是人类还是其他生物——产生了哪些行为、哪些选择、哪些反应？
然而，这些事件的时间维度同样具有重要的启示意义，甚至可能更为关键。事实上，时间维度包含了因果关系、意图性、可预测性以及过程连贯性等内在且核心的信息。正如语言有语法结构一样（Haspelmath, 2020），行为也存在着自身的“语法”，这种结构能为研究对象的认知与情绪状态提供更复杂、更全面的视角。
时间维度与生理及行为过程密切相关，更广泛地说，它与所有生物的生命活动息息相关。在这一领域，时间生物学已经证明，生物体在多个尺度上都具有时间组织结构，从神经反应的时间节点到昼夜节律（乃至季节性节律）都是如此（Teki, 2016）。这些时间模式并非仅仅是描述性的特征，它们反映了生物系统的基本组织原则（Dominoni et al., 2017）。例如，许多生理和行为过程都受昼夜节律的调控，而这些节律又由内源时钟驱动，不仅影响睡眠-觉醒周期，还关乎激素分泌、新陈代谢、认知功能以及情绪调节等诸多方面（DeSanctis, 2017; Weil and Nelson, 2014）。除了昼夜节律之外，其他时间因素也同样值得关注。比如超日节律，它负责调控24小时以内的行为节奏（Guzmán et al., 2017, Kembro et al., 2023, Kembro et al., 2024）。有趣的是，不同个体之间的这类节律并不一致；实际上，个体在昼夜时间偏好上的差异会导致最佳表现时间的不同（May and Hasher, 2023）。时间机制使生物能够预判事件，并以最适宜且符合情境的方式协调行为（Antle and Silver, 2009）。在组织和社会环境中，节奏、持续时间以及顺序等时间动态因素都会影响个体及集体的行为结果（Shipp and Cole, 2015, Griep et al., 2021）。
尽管有这些证据，时间因素在行为研究中仍常常被忽视。这样的研究方式可能会导致测量误差增加、统计效力下降、重复实验失败，以及产生具有误导性或至少不完整的函数模型。针对这一问题，本文旨在总结时间在行为科学中起着至关重要作用的相关证据，以期提升该领域研究中对这一要素重视程度的认识。通过探讨时间性的各种表现形式及其在行为研究中的意义，本文试图构建一个概念框架，将时间维度纳入未来的研究方向之中。为提供清晰而全面的概述，首先会讨论每种行为结果的“形态学”特征，即其表型与可见表现方面。这些独立的构成要素（见图1）是任何行为分析的基本单元，也是后续整合时间变量不可或缺的基础。
章节要点
方法与工具
在行为分析中，可以识别出三种逐渐增加的复杂程度层级：从对独立事件的评估，到对这类事件序列的评估，最终则是对模式的评估，也就是由基本构成事件相互作用形成的复杂结构（见图1）。该图表明，事件是分析的最基本单位，但观察者对这些单位的分解方式无疑会极大影响分析结果。
时间中的序列与模式
由于任何事件序列都是在时间中展开的，人们可能会将其视为一种时间模式。但这种理解是具有误导性的。这个问题与“模式”一词的准确含义密切相关。
优势与局限性
一个关键问题是是否存在某种最优的方法。简而言之，答案是否定的：并没有哪种方法能被认定为比其他方法更好。实际上，每种方法都在其他方法存在不足的领域展现出更大的灵活性。每种方法不仅有独特的优势，也存在固有的局限。因此，无论何时，都应该提供全面且完整的分析视角。
CRediT作者贡献说明
Magnus S. Magnusson：撰写——初稿撰写，概念构思。Teresa Pasqua：撰写——审阅与编辑。Maurizio Casarrubea：撰写——初稿撰写。Stefania Aiello：撰写——审阅与编辑。Giuseppe Crescimanno：撰写——审阅与编辑。Giuseppe Di Giovanni：撰写——审阅与编辑。
关于写作过程中生成式人工智能及人工智能辅助技术的声明
在撰写、修改或整理本手稿的任何部分及相关图表时，所有合著者均未使用过生成式人工智能、人工智能辅助技术或相关的软件工具。
资金支持
作者声明，本研究及本文的发表均未获得任何财务资助。
利益冲突声明
作者声明，在本文的发表过程中不存在任何财务或其他方面的利益冲突。
致谢
特别怀念去年去世的西班牙巴塞罗那大学荣誉教授María Teresa Anguera Argilaga[Hernández-Mendo and Losada, (2025)]。她一直是学生和同事们源源不断的灵感来源，她的科学贡献、求知热情与善良品质，至今仍是我们所有人宝贵的指引。
