《Brain Sciences》：Psychomotor Performance in Esports Players: A Comparative Study of Visual Reaction Time and Hand–Eye Coordination
编辑推荐：
背景：本研究旨在比较常规英雄联盟（League of Legends）玩家与对照参与者的心理运动表现。方法：这项横断面研究纳入了71名18至30岁的成年人，分为玩家组（n=35）和对照组（n=36）。使用基于浏览器的任务和CogniFit评估，评估了涉及视觉反
背景：本研究旨在比较常规英雄联盟（League of Legends）玩家与对照参与者的心理运动表现。方法：这项横断面研究纳入了71名18至30岁的成年人，分为玩家组（n=35）和对照组（n=36）。使用基于浏览器的任务和CogniFit评估，评估了涉及视觉反应时间、目标获取、响应速度、准确性、同步性和双侧手眼协调的11项结果。组间差异采用Welch's t检验，并通过Holm校正进行多重比较。Mann–Whitney检验作为敏感性分析。结果：经过校正后，9项结果仍然显著。玩家在使用右手（平均差=?45.33 ms，95% CI [?60.55, ?30.12]，d=?1.41）和左手（?47.67 ms，[?65.09, ?30.25]，d=?1.29）时表现出更快的视觉反应时间，右手（每个目标?116.68 ms，[?153.69, ?79.67]，d=?1.49）和左手（每个目标?156.01 ms，[?227.35, ?84.67]，d=?1.03）的目标获取更快，以及Simon任务响应时间更短（?0.107 s，[?0.153, ?0.062]，d=?1.12）。他们还在HECOOR（1.11%，[0.28, 1.94]，d=0.63）、UPDA-SHIF（0.44%，[0.13, 0.76]，d=0.66）和双侧手眼协调方面获得更高分数。结论：这些结果表明，英雄联盟玩家在需要快速视觉响应和良好手眼协调的任务中表现出更好的心理运动技能。然而，由于本研究采用横断面设计，研究人员不能得出因果结论。需要更多研究来确认这些特定效应。
### 研究背景与问题
电子竞技（esports）已发展为具有正式规则、排名系统和赛事结构的组织化竞技活动。英雄联盟（League of Legends）作为多人在线战术竞技游戏，要求玩家在动态视觉环境中快速决策，并通过鼠标和键盘执行精确动作。心理运动表现（psychomotor performance）涵盖刺激检测、反应选择、运动发起、协调、速度和准确性，是电子竞技研究的核心内容。以往研究多聚焦于执行功能、工作记忆或注意力，且常将不同游戏类型的玩家混合分析，缺乏针对英雄联盟特定心理运动特征的多维度评估。此外，关于罗马尼亚英雄联盟玩家的证据有限。本研究旨在通过游戏特定且多维度的评估协议，比较常规英雄联盟玩家与有限或非规律游戏活动对照者的心理运动表现，以弥补现有证据的不足。
### 研究内容与意义
研究人员开展了一项横断面比较研究，纳入71名18至30岁的罗马尼亚成年人，分为玩家组（n=35）和对照组（n=36）。通过7项基于浏览器的计算机化任务生成11项结果，涵盖视觉反应时间、目标获取、响应速度与准确性、分割注意力、视觉运动同步性以及双侧手眼协调。研究采用Welch's t检验进行组间比较，并用Holm校正控制多重比较错误率，Mann–Whitney检验作为敏感性分析。研究发现常规英雄联盟玩家在多项速度相关和心理运动协调指标上显著优于对照组，提示定期参与此类游戏可能与特定的心理运动特征相关。该研究发表在《Brain Sciences》。
### 主要关键技术方法
研究人员通过社交媒体和在线游戏社区招募样本，包括35名常规英雄联盟玩家（每周游戏≥20小时，至少1年经验）和36名对照者（每周游戏<10小时）。评估工具包括Human Benchmark反应时间测试（测量左右手视觉反应时间）、Human Benchmark Aim Trainer（测量左右手目标获取时间）、CogniFit Simon任务（评估响应速度与准确性）、CogniFit HECOOR（视觉运动协调）、CogniFit DIAT-SHIF（同时性）、CogniFit UPDA-SHIF（同步性）以及ARealMe手眼协调测试（双侧手眼协调得分）。统计采用Welch t检验（Holm校正）和Mann–Whitney敏感性分析。
### 研究结果
#### 3.1 参与者特征
研究人员最终分析71名参与者，玩家组平均年龄23.40±2.82岁，对照组22.53±2.43岁，年龄差异无统计学意义（p=0.168）。两组性别分布（31男4女 vs. 32男4女）和惯用手分布（34右/1左 vs. 33右/3左）均无显著差异（p=1.000和p=0.614）。
#### 3.2 组间心理运动表现差异
经过Holm校正后，11项结果中有9项组间差异显著。Simon任务准确性和DIAT-SHIF同时性得分无显著差异。
#### 3.3 视觉反应时间和目标获取
Human Benchmark反应时间测试显示，玩家右手平均反应时比对照组快45.33 ms（d=?1.41），左手快47.67 ms（d=?1.29），均为大效应量。Aim Trainer任务中，玩家右手每个目标平均快116.68 ms（d=?1.49），左手快156.01 ms（d=?1.03），同样为大效应量。
#### 3.4 Simon任务表现
玩家在Simon任务中平均响应时间较短（0.556±0.077 s vs. 0.663±0.111 s，均值差?0.107 s，d=?1.12），但准确性几乎相同（99.23% vs. 99.14%，d=0.05），差异无统计学意义。
#### 3.5 协调、同时性与同步性
玩家在HECOOR协调得分上比对照组高1.11个百分点（d=0.63），在UPDA-SHIF同步性得分上高0.44个百分点（d=0.66），差异均显著。DIAT-SHIF同时性得分高1.67个百分点，但Holm校正后不显著（p=0.157）。
#### 3.6 双侧手眼协调
ARealMe手眼协调测试中，玩家右手得分高13.14分（d=0.98），左手高6.83分（d=0.61），均显著。右手效应量大于左手。
#### 3.7 敏感性分析和天花板效应
Mann–Whitney敏感性分析支持主要结果的方向和统计推断。多个百分比结果出现明显天花板效应，例如UPDA-SHIF中94.3%的玩家和72.2%的对照者获得满分，这限制了任务在高绩效端的区分能力。
### 讨论总结
研究结果显示，常规英雄联盟玩家的心理运动优势主要集中在快速视觉检测、目标定位、光标移动和手动响应执行方面。目标获取和手眼协调中右手效应更大可能与玩家大量使用鼠标有关，但结果按右手/左手分类，而非优势手/非优势手，故无法区分惯用手和鼠标使用的影响。Simon任务中速度优势未伴随准确性下降，但准确性存在天花板效应，限制了解释。HECOOR和UPDA-SHIF的组间差异虽然显著，但绝对差值很小且分数分布受限。研究采用横断面设计，不能推断因果关系，可能受选择偏差、自陈报告、硬件差异和未测量混杂因素影响。实践上，评估电子竞技选手时应综合多项指标，分别测量双手表现，并结合客观游戏记录。
### 研究结论
常规英雄联盟玩家与有限或非规律游戏活动者相比，在双侧视觉反应时间、目标获取速度、Simon任务响应时间及ARealMe手眼协调得分上表现更好，同时HECOOR协调和UPDA-SHIF同步性得分也更高，但后两者受天花板效应影响且绝对差异较小。Simon任务准确性和DIAT-SHIF同时性无显著组间差异。这些发现表明，定期参与英雄联盟与特定浏览器心理运动任务的表现存在相关性，但并不证明游戏经验导致这些差异。未来需采用标准化硬件、经过验证的评估工具、客观游戏记录和更具代表性的样本，开展纵向和实验研究，以阐明这些关系的方向和实际意义。
