《Infancy》：Statistics in Motion: Does the Infant Motor System Predict Actions Based on Their Transitional Probability?
编辑推荐：
摘要翻译：动作预测的运动理论提出，神经运动系统将关于动作结果的先验知识与当前感觉输入相结合，以预测他人的行为。这种知识可以通过观察经验获得，更具体地说是通过统计学习获得。近期研究已表明，婴儿能够在一系列动作中检测出两个确定性相继出现的动作，并且其运动系统会利用
摘要翻译：动作预测的运动理论提出，神经运动系统将关于动作结果的先验知识与当前感觉输入相结合，以预测他人的行为。这种知识可以通过观察经验获得，更具体地说是通过统计学习获得。近期研究已表明，婴儿能够在一系列动作中检测出两个确定性相继出现的动作，并且其运动系统会利用这一知识预测即将发生的动作。然而，现实生活中的动作更为复杂：动作之间很少以100%的概率相继出现，某些动作比其他动作更可能相互跟随。本研究探讨了婴儿能否通过观察学习动作序列的统计结构，以及其运动系统的活动是否反映即将发生动作的统计可能性。研究人员让18个月大的婴儿在家中观看具有不同转换概率的动作序列视频进行训练。测试阶段，使用脑电图（EEG）在与四种概率水平动作相关联的相同时间窗口内测量运动活动。虽然计划分析未揭示概率的显著效应，但探索性分析发现，婴儿左中央半球的运动活动与动作对的转换概率呈线性关系，且该效应出现在实验初期、婴儿尚未疲劳时。预测性运动活动在概率最高时最强，在无预测时最弱。这些结果表明，婴儿的运动系统对即将发生动作的统计可能性敏感，并强调了统计学习对婴儿发展中的动作理解的重要作用。
论文解读：婴儿运动系统对动作转换概率的敏感性：来自EEG的证据
研究背景与问题：人类成人能够熟练地预测他人动作的后续发展，这种能力依赖于将当前感觉输入与先验知识相结合。然而，现实中的动作序列具有不确定性——一个动作可能跟随多种不同的后续动作，每种可能性具有不同的概率。尽管预测加工理论为动作预测的模糊性问题提供了理论框架，但尚未阐明新的动作知识最初如何获得。以往研究（如Monroy等，2019）发现婴儿能够通过视觉统计学习提取动作序列中的确定性规律（100%转换概率），并在运动系统中形成预测。然而，日常生活中绝大多数动作转换并非完全确定，而是具有等级化的概率结构。因此，关键问题在于：婴儿能否学习不同等级的转换概率，并将其表征于运动系统中？本研究旨在回答这一问题，通过参数化操控动作对之间的转换概率（25%、50%、75%、100%），检验18个月大婴儿的运动系统活动是否随概率水平呈梯度变化。
研究内容与结论：研究人员采用与Monroy等（2019）相同的训练-测试范式，对29名18个月大婴儿（平均年龄19.5个月）进行了实验。训练阶段，婴儿在家连续三天观看动作序列视频，序列中包含四种转换概率的动作对。测试阶段，婴儿佩戴32导EEG帽观看具有相同统计结构的新动作序列，同时记录其mu节律（8 Hz左右）活动。计划分析未发现中央电极簇（C3, Cz, C4）上概率水平的显著主效应。然而，探索性贝叶斯线性混合模型揭示了显著的三维交互作用：概率水平、通道与时间点。进一步分析表明，左中央电极（C3）处的mu抑制随动作转换概率呈参数化线性增强，即概率越高，运动系统激活越强；该效应在实验初期显著，随着实验进行（约第25个试次后）逐渐消失。枕叶区域（O1, Oz, O2）的计划分析显示，与基线相比所有概率条件下的alpha功率均显著降低，但概率水平之间无差异，表明视觉系统仅对动作即将出现产生一般性预期，而非区分具体概率。探索性分析则显示枕叶活动也随概率增加而抑制，但不存在偏侧化或时间依赖性差异。研究结论表明，婴儿能够通过观察提取动作间不同等级的转换概率，并将其编码于运动系统中，以生成对即将发生动作的预测。该发现支持统计学习在婴儿动作理解发展中的功能性作用。
关键研究方法：本研究采用家庭训练与实验室EEG测试相结合的两阶段范式。训练阶段通过jsPsych网页界面呈现动作序列视频，并记录婴儿注视时间作为协变量。测试阶段使用32导ActiveEEG系统记录mu节律活动，并采用动作执行阶段确定样本特异性mu频段（7–9 Hz）。数据分析采用线性混合效应模型（LMM）处理不平衡试次数据，并辅以贝叶斯线性混合模型探索时空动态效应。样本来源于荷兰奈梅亨地区家庭数据库（伦理批准号ECSW2016-0905-396）。
研究结果分述：
4.1 运动区域
4.1.1 计划分析：基于线性混合效应模型ANOVA，在中央电极簇（C3, Cz, C4）上未发现概率水平的显著效应（p = 0.279），训练时间也无显著效应。模型比较进一步验证了预定义的小电极簇（C4, Cz, C3）具有最低AIC值，确认其为最优电极配置。
4.1.2 探索性分析：贝叶斯线性混合模型显示时间点主效应显著（β = -1.7e-03），表明mu抑制随时间增强；通道与概率的交互作用显著，但单独各通道的概率斜率不显著。进一步的三维交互作用分析揭示，在实验初期（约第5试次），C3通道的mu抑制随概率增加而显著增强（斜率 = -1.00e-03），该效应在约第25试次后消失。这表明运动系统的概率编码具有左侧化特征，且受时间动态影响。
4.2 枕叶区域
4.2.1 计划分析：线性混合效应模型ANOVA显示概率水平对枕叶alpha功率有显著效应（p < 0.001），成对比较表明基线条件下的alpha功率显著高于所有概率条件，但四种概率条件之间无显著差异。这反映视觉系统对动作预期的一般性增强，而非概率特异性编码。
4.2.2 探索性分析：贝叶斯模型显示枕叶alpha抑制随概率和时间增加而增强，但不存在交互作用，说明枕叶活动模式与运动区不同，支持了运动区发现的特异性。
讨论与结论：本研究扩展了先前关于婴儿动作预测的研究，首次证明婴儿运动系统能够表征多级转换概率。左侧化效应可能源于刺激视频中动作均使用右手执行，导致婴儿在左半球表征右侧身体动作。时间效应的消退可能归因于婴儿注意力下降和有效试次减少。研究局限性包括试次数量有限、概率层级较多导致学习负荷增加，以及EEG空间分辨率有限。未来研究可采用MEG或fNIRS等技术进一步探究运动区在预测生成中的精确作用。总体而言，本研究提供了婴儿通过统计学习在运动系统中形成概率化动作预测的证据，为理解婴儿动作认知发展提供了重要视角。该研究发表于《Infancy》期刊。
