在跨符号领域的情境处理过程中，与位置相关的中央-顶叶ERP反应

《Biological Psychology》：Position-Related Centro-Parietal ERP Responses During Contextual Processing Across Symbolic Domains

　　**摘要**
许多认知过程依赖于整合不断出现的信息，以构建有意义的解释。先前的研究已经展示了不同程度的上下文效应，尤其是在语言领域，但关于事件相关电位（ERP）活动在不同符号领域的结构化序列中连续位置上的变化机制仍不够清楚。27名参与者处理了在词汇、代数和图形领域中结构相似的四元素序列，在这些序列中，A到C的元素建立了上下文，而D元素完成了序列，并在此过程中记录了ERP活动。在250–500毫秒的时间间隔内，中心-顶叶区域的平均振幅显示出明显的序列位置序数效应（p < 0.001）。相邻振幅的变化并不均匀：最后的C到D的转变幅度明显大于A到B和B到C的转变幅度（两者均p < 0.001）。最大的振幅出现在顶叶区域，而位置敏感性在中部区域最为明显。对0–180毫秒的时间段进行分析显示，早期窗口活动与位置有关，但未能再现后期C到D占主导的地位特征。这些结果揭示了在序列构建过程中，随着结构化意义的形成并达到任务相关的完成阶段，ERP活动呈现出明显的序列位置相关轨迹。D元素集中了上下文的完成、比较和与响应相关的操作，这可能导致了最后转变幅度的增加。综合的序数效应表明，在跨领域的合并数据集中存在序列位置敏感性，而转变层面的差异表明了这一轨迹在不同领域中的具体实现方式。

**引言**
构建有意义的解释需要整合上下文信息，这一过程在许多认知领域中发挥着核心作用，包括语言理解、数学推理和图形模式处理。大量电生理学研究表明，在250–500毫秒的潜伏期内，神经反应对上下文信息非常敏感（Kutas和Federmeier, 2011; Kutas和Hillyard, 1980）。最近的研究强调，理解过程是连续进行的，输入信息是根据不断发展的内部表征进行评估的，而不仅仅是在孤立的目标位置（Federmeier, 2022）。这一时间段的活动中，N400波形经常被提及，但其功能解释仍存在争议。研究认为N400波形可能与语义访问或检索、记忆整合、事件级解释以及概率更新有关（Baggio和Hagoort, 2011; Brouwer等人, 2017; Kuperberg, 2016; Nieuwland等人, 2020; Rabovsky等人, 2018）。整合和组合也与后来的P600波形相关（Brouwer等人, 2017; Delogu等人, 2019; Fritz和Baggio, 2020; Fritz和Baggio, 2022）。这些研究将250–500毫秒的反应描述为对上下文敏感的活动，其功能贡献可能存在重叠。在这一时间段内，反应不仅受不匹配性的影响，还受到不同程度上下文支持和词汇预测的影响（Brothers等人, 2015; Van Petten和Luka, 2012）。可预测性和不匹配性并不一定产生相同的反应（Lau等人, 2016），且反应会随着上下文支持的多个方面（包括可预测性和上下文约束）而变化（Dambacher等人, 2006; Federmeier, 2022; Van Petten和Luka, 2012）。经典的句子处理研究表明，单词在句子中的位置与N400波形的系统变化相关，而且随着上下文约束的增加，词汇变量（如单词频率）的影响会减弱（Van Petten和Kutas, 1990; Van Petten和Kutas, 1991）。使用项目级和混合效应方法的最新研究表明，随着序列输入的展开和信息级意义的构建，处理过程是连续变化的（Payne和Federmeier, 2018; Payne等人, 2015; Wlotko等人, 2012）。计算模型普遍支持这一观点，将其描述为在上下文信息积累过程中逐渐更新的活动（Michaelov等人, 2024; Nour Eddine等人, 2024; Rabovsky等人, 2018）。总体而言，这些发现表明，上下文效应可以逐步累积，因为逐渐增加的上下文约束有助于构建连贯的意义，尤其是在语言领域。尽管这类研究在语言领域最为成熟，但其相关发现也扩展到了其他领域。N400效应也被发现存在于算术表达中，表明在数学处理过程中对基于知识或意义的关系敏感（Dickson等人, 2018; Niedeggen等人, 1999）。对视觉叙事的研究也表明，理解连续图像依赖于随时间整合信息，该领域的ERP研究探讨了序列结构和顺序位置如何影响在线处理（Cohn等人, 2012; Cohn等人, 2014）。这一更广泛的观点还得到了证据的支持，即视觉上下文可以逐步影响理解，并且可以通过ERP进行追踪，即使是在涉及明确验证反应的实验中（Knoeferle等人, 2011）。这些发现表明，在结构化序列处理过程中，对上下文敏感的活动并不局限于语言领域。目前尚不清楚的是，在检查一致序列中的结构化输入时，不同符号领域的上下文敏感ERP活动如何随序列位置变化。大多数先前的研究依赖于预期和意外输入之间的对比，而本研究关注的是在上下文支持保持和累积的过程中神经反应如何发展。这一区别使我们能够探讨反应如何在序列中演变，以及这种轨迹如何在不同领域中实现。因此，我们专注于一致序列，以追踪上下文处理过程，而不将预期违规作为效应的主要来源。

**方法**
本研究使用了在三个符号领域（词汇句子、代数运算和图形组合）中呈现的一致四元素序列。通过在各领域使用相同的四元素结构，设计允许直接比较不同序列位置之间的差异。我们假设序列位置在250–500毫秒时间间隔内对中心-顶叶区域的平均振幅有正向序数效应，并利用相邻转变点来确定轨迹变化最大的位置。领域×位置的交互作用用于检验序数效应是否在不同领域中有所不同。由于D元素是序列完成的第一个点，并且在这一点上进行行为评估，因此将其反应解释为在任务相关条件下的上下文完成，感知、决策和与响应相关的过程对其幅度有所贡献。

**参与者**
共有30名本科生参与了实验。其中3名参与者的数据被排除（1份记录不完整，2份记录中有过多运动伪迹），最终剩下27名参与者（21名男性，6名女性；平均年龄21.0岁，标准差1.9岁）。所有参与者都是西班牙语母语者，视力正常或经过矫正至正常水平，根据Annett手偏好问卷（Annett, 1970）评估为右撇子，并且没有神经系统或精神病史。

**行为表现**
在词汇领域，平均准确率为98.00%（标准差1.95%）；在代数领域为96.98%（标准差3.20%）；在图形领域为97.71%（标准差2.50%）。重复测量方差分析显示，领域对准确率没有显著影响（F(2, 52) = 1.18, p = 0.32, ηp2 = 0.043）。正确试验的平均反应时间（RT）在词汇领域为889毫秒（标准差110毫秒），在代数领域为828毫秒（标准差130毫秒），在图形领域为805毫秒（标准差110毫秒）。

**讨论**
本研究发现了在结构化符号序列中存在明显的晚期位置相关ERP轨迹。在250–500毫秒的时间间隔内，中心-顶叶区域的活动显示出强烈的正向序数趋势，最大的变化发生在序列完成时。顶叶区域具有最大的振幅，而中部区域对位置最敏感。这种空间差异揭示了反应的互补方面，而不仅仅是一个单一的振幅最大值。

**结论**
在250–500毫秒的时间间隔内，随着一致结构化序列的展开，中心-顶叶ERP活动显示出显著的正向序数位置效应。相邻变化并不均匀，后期反应主要由C到D的转变主导。D元素的加入标志着序列的完成，此时累积的上下文可以引导评估和响应；因此，增强的最终位置反应最好解释为在任务相关条件下的上下文完成。顶叶区域显示出最高的振幅。

**伦理声明**
所有参与者或其法定代表均已签署书面同意书，同意参与研究并发表文章。参与者的隐私权得到了保障。

**人类研究**
本研究遵循了所在地区的相关法律、法规框架和指导原则进行。该研究获得了瓜达拉哈拉大学神经科学研究所伦理委员会的批准（批准号ET062017-248）。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

**数据、材料和代码的可用性**
去标识化的预处理ERP数据、刺激材料和分析代码可在此链接获取：https://github.com/LupitaYanez/symbolic_domains。

**参与同意**
所有参与者均提供了书面同意书。

**资金来源**
本研究未获得任何公共部门、商业部门或非营利机构的特定资助。

**作者贡献声明**
- Daniel Zarabozo Enríquez de Rivera：写作——审稿与编辑、验证、监督、资源管理、项目管理、方法论、概念化
- María Guadalupe Yá?ez-Ramos：写作——审稿与编辑、原始草稿撰写、可视化、监督、软件使用、项目管理、方法论、调查、数据分析、概念化
- Andrés Antonio González Garrido：写作——审稿与编辑、验证、监督、概念化

**关于生成式AI和AI辅助技术在写作过程中的声明**
在准备本作品的过程中，作者使用了ChatGPT来辅助语言编辑。使用该工具后，作者根据需要对内容进行了审查和修改，并对出版物的内容负全责。

**研究机构**
墨西哥哈利斯科州瓜达拉哈拉大学神经科学研究所