任务相似性和主任务复杂度对中断效应的影响：来自行为表现和漂移扩散建模的证据

《International Journal of Industrial Ergonomics》：The influence of task similarity and primary task complexity on interruption effects: Evidence from behavioral performance and drift diffusion modeling

　　

• 任务中断会增加认知成本，其影响受到任务相似性和复杂性的调节。
• 随着任务复杂度的增加，相似性对中断效应的影响逐渐减弱，揭示了一种跨层次的调节模式。
• 漂移扩散模型表明，相似性主要降低漂移率，表明存在表征干扰。
• 任务复杂度同时影响漂移率和决策阈值，反映了战略层面的调整。
• 研究揭示了中断期间管理证据积累和策略调整的不同机制。

引言

在当今高度数字化和信息驱动的工作环境中，任务中断已成为一种普遍且不可避免的现象。急诊医护人员在治疗患者时可能会被打断，紧急广播会打断他们的进程；飞行员在程序检查期间可能会收到警告信息；程序员在编码时可能会被系统通知或团队协作工具不断提醒。研究表明，这种技术介导的中断会显著影响个人的认知资源、主要任务表现和心理压力（Chen and Karahanna, 2018）。任务中断通常被定义为暂停正在进行的主要任务以参与侵入性的次要活动，随后恢复原有目标的过程（Cades et al., 2008）。这一过程需要在工作记忆中重新激活暂停的任务目标，通常会导致显著的表现下降（Altmann and Trafton, 2002）。此外，任务中断和多任务处理需求被认为是数字环境中的显著压力源，其生理压力反应——如交感神经系统激活——已通过实验得到证实（Becker et al., 2023; Garrett and Danziger, 2007; Shenhav et al., 2013）。大多数研究表明，任务中断是影响人们表现、情境意识和心理负荷的显著因素（Altmann and Trafton, 2002; Bailey and Konstan, 2006; Garrett and Danziger, 2007），严重损害生产力和操作安全。因此，了解中断如何降低工作效率、扰乱注意力分配并随后干扰任务管理，已成为当代组织与认知心理学研究的关键焦点。

组织行为学和人体工程学研究表明，中断往往会产生高昂的恢复成本，包括更长的恢复时间、更高的错误率和更大的认知负荷（Mark et al., 2005; Monk et al., 2004）。然而，为什么有些中断特别具有破坏性，而另一些只造成轻微干扰？先前的研究主要关注中断的时间属性，如持续时间、频率和时机（Hirsch et al., 2025; Iqbal and Bailey, 2008; Katidioti and Taatgen, 2014）。虽然这些因素确实会影响中断后的任务表现，但它们无法完全解释中断场景中的表现差异。然而，随着系统复杂性的增加，研究人员开始认识到，任务属性可能对中断后的任务表现和工作负荷产生比时间因素更直接且更强的影响（Borst et al., 2015）。这些属性还决定了中断恢复成本的方向和幅度（Alonso et al., 2021; Radovi? and Manzey, 2022）。

事实上，在各种任务属性中，主要任务和中断任务本身的特征可能尤为关键。与中断相关的两个关键任务属性是任务复杂度和主要任务与中断任务之间的相似性。Zhang 等人表明，界面复杂度和相似性共同影响中断场景中的任务恢复表现和认知负荷，且这两个因素之间存在显著的交互作用（Zhang et al., 2025）。一方面，复杂度是任务的核心属性，现实工作天然涉及复杂度差异显著的任务。用户界面中呈现的信息量以及操作员的技能水平等因素会影响工人对复杂度的感知（Chen et al., 2023）。另一方面，在工作环境中，任务中断在操作方法、界面显示和认知需求方面通常表现出与当前任务不同程度的相似性（Czerwinski et al., 1991; Eatchel et al., 2012; Pankok Jr et al., 2017）。然而，关于这一任务属性背后的具体机制和交互模式的理论和实证证据仍存在显著缺口。

在航空或工业监控等安全关键型系统中，操作员往往需要在处理高密度信息流的同时应对意外中断（Zhou et al., 2024）。例如，空中交通管制员需要同时监控多架飞机的飞行轨迹、速度、高度和航向，并可能收到突发通信，如飞行员关于航向或天气变化的询问，或雷达系统警报，这些都会竞争相同的认知资源（Latorella, 1996）。尽管文献中已记录了由此导致的实际表现下降，但底层的“认知机制”仍是一个黑箱。本研究将这些现实动态抽象为受控的实验范式，利用决策模型来确定中断后的延迟是由处理效率降低还是补偿性谨慎驱动的。了解任务复杂度和中断相似性如何共同影响恢复过程，对于设计支持快速准确任务恢复的人机系统至关重要。通过将任务维度与潜在的认知机制联系起来，本研究旨在检验不同任务条件如何影响中断下的表现，并有助于更好地理解高风险环境中的中断效应。

任务复杂度是一个多维度的构念，在人体工程学研究缺乏单一公认的定义。在认知系统工程中，David D. Woods 将任务复杂度概念化为源自多个相互作用的因素，包括组件相关需求（如信息元素和负荷）、协调需求（如任务组件之间的依赖关系）以及复杂社会技术系统中的动态需求（如任务状态随时间的变化）（Woods and Hollnagel, 2006）。类似的观点也适用于安全关键型操作环境。例如，核电站控制室的任务复杂度源于多维需求，包括与数字界面系统相关的信息整合、监控要求和协调过程（Liu and Li, 2016）。根据传统的认知负荷理论（Sweller, 2011）和工作记忆模型（Baddeley, 1992），复杂任务涉及更高的信息密度和操作步骤，从而消耗更多的认知资源。理论上，当中断发生时，高组件复杂度的主要任务占用的大量资源使得任务恢复更加困难，需要大量时间来重新激活目标信息和操作序列（Borst et al., 2015）。综合来看，这些观点表明，任务复杂度可以理解为对认知系统施加的信息需求程度、处理规则复杂度和并发处理要求。与此观点一致，先前的实证研究通过操纵信息负荷和处理需求来操作化任务复杂度（Frazier et al., 2024）。

大多数当前研究关注的是中断任务的复杂度：Brazzolotto 和 Michael 在一项电子邮件搜索任务中发现，中断任务越复杂，选择电子邮件的反应时间越长（Brazzolotto and Michael, 2020）。Cades 等人认为，复杂中断后的恢复滞后显著长于简单中断后，从而负面影响主要任务的恢复（Cades et al., 2008）。

与先前的理论和实验发现相反，注意聚焦效应（Posner and Petersen, 1989）和期望控制价值模型（Shenhav et al., 2013）提供了部分矛盾的证据。个人可以通过分配额外的认知资源和调整策略来部分抵消与任务复杂度相关的恢复成本，从而在速度和准确性之间保持适当的平衡。Duarte 认为，反应时间与任务复杂度之间的关系可能遵循倒 U 型曲线。在简单任务中，选择快速且无歧义，而在高度复杂的任务中，个人求助于“快速决策”，导致反应时间更短（Gon and Alves, 2024）。虽然大多数当前研究表明复杂任务的表现不如简单任务，但一些学者提出了替代视角。例如，Becker 等人表明，随着任务复杂度的增加，反应时间与准确率之间的关系发生逆转，即较慢的反应与较高的准确率相关（Becker et al., 2016）。Goldhammer 等人也描述了困难项目上反应时间与准确率之间的非线性关系（Goldhammer et al., 2015）。然而，理论解释表明，复杂主要任务中的恢复过程可能受到战略调整的影响，这引入了速度与准确性之间的权衡。然而，现有的实验研究主要集中於中断任务的复杂度。直接实证调查主要任务复杂度如何影响中断后恢复的研究仍然有限。这为本研究的理论进步和实验创新提供了明确的路径。解决这一相对探索不足的问题需要认识到，任务复杂度对行为的影响可能因具体的任务特征而异，而不是在所有任务设置中保持不变。在应用人体工程学研究 中，复杂性的影响取决于感兴趣的具体任务以及中断的正式特征（Lu et al., 2013）。这对于应用任务尤为重要，其中中断的“破坏性”可能会根据主要任务是简单的反应操作还是需要不断更新的高级别安全关键型认知过程而显著不同（Cades et al., 2008; Lu et al., 2013）。这表明，任务需求与恢复成本之间的关系从根本上是由主要任务的独特结构要求和操作环境塑造的（Boehm-Davis and Remington, 2009; Gilbert, 2015）。相应地，本研究专注于受控的高认知负荷任务领域，以隔离固有组件复杂度如何塑造恢复过程。

根据来源监控框架（Johnson et al., 1993）和工作记忆中的干扰机制（Oberauer, 2009; Underwood, 1997），当中断任务与主要任务在内容或操作上表现出高度相似性时，它们的记忆表征之间会产生竞争。这可能导致信息回忆混乱和来源归因错误，从而导致检索任务中的错误。Gillie 和 Broadbent 通过复杂记忆任务实验表明，与主要任务相似的中断具有破坏性，导致表现下降（Gillie and Broadbent, 1989）。Spira 和 Feintuch 设计了涉及两种中断——认知任务和技能任务——的实验，发现与不相似组合相比，相似任务组合的任务完成时间更长，但准确率更高（Spira and Feintuch, 2005）。虽然一些研究表明不相似的中断更具破坏性，但大多数研究指出，相似的中断对主要任务表现有更大的负面影响。

尽管先前的研究分别考察了任务复杂度和任务相似性背后的机制，但正如前文所述，关于其联合效应的系统性证据在中断研究中仍然稀缺。仅关注一个维度可能导致偏向单一解释机制的偏差，而整合这两个维度能够更全面地评估决策策略与表征干扰之间潜在交互作用。这种方法推进了我们对中断后恢复过程的理解。

为了更好地量化任务属性对干扰效应的影响，本研究采用了漂移扩散模型（DDM），将反应时间和准确率分解为代表不同认知处理阶段的参数（Ratcliff, 1978）。DDM 的关键参数如下。漂移率（v）反映了信息积累的速度和检索效率。决策阈值（B）表示做出决定前所需的证据量，反映了谨慎或战略调整。非决策时间（ndt）对应于知觉编码和反应执行，这些相对独立于决策过程本身（Ratcliff and McKoon, 2008）。通过将这些复杂行为分解为这些参数，DDM 可以揭示仅靠简单的反应时间或准确率无法捕捉的潜在认知机制。

先前的研究表明，复杂任务通常由于信息处理需求增加和工作记忆负荷加重而降低漂移率。同时，个人可能会调整决策阈值以维持反应速度，反映了以准确性换取速度的行为策略（Forstmann et al., 2016）。相反，高度相似的中断增加了认知冲突，进一步降低漂移率，导致决策更慢和错误率更高（Hübner and Pelzer, 2020）。这些发现表明，复杂度和相似性可能通过不同的认知途径影响中断后对主要任务的恢复，更重要的是，两者之间可能存在交互效应。

尽管 DDM 模型在各种决策情境中表现出很强的稳健性，但其在任务中断研究中的应用仍然相对有限。

## 中断恢复的计算建模研究框架分析

该研究提出了一种整合性的计算神经科学方法，通过将漂移扩散模型（DDM）与行为测量相结合，深入剖析中断恢复过程中的认知机制。以下是对该研究框架的详细分析：

---

### 一、理论基础与创新点

传统研究主要依赖行为指标（如总恢复时间和错误率）来量化中断成本，但这些聚合指标难以区分中断成本究竟源于**信息处理效率下降**还是**策略性谨慎反应的转变**。现有神经生理指标（如EEG、瞳孔反应）虽然能反映认知负荷变化，但与特定认知过程的对应关系往往是间接的。

本研究的核心创新在于采用DDM作为**计算桥梁**，通过以下三个层面的突破实现对中断后行为表现进行机制分解：

1. **关注点转移**：从以往聚焦干扰任务特征转向主任务内在结构需求，考察组件复杂度在中断恢复中的作用
2. **交互效应探索**：整合任务复杂度和相似性两个关键因素，探讨其交互作用对认知恢复过程的影响
3. **黑箱透明化**：将传统行为指标转化为可解释的底层认知参数（漂移率v、决策边界B、非决策时间ndt）

---

### 二、假设体系与理论逻辑

该研究构建了多层次假设体系：

#### 行为层面假设：
- **H1**：主任务复杂度差异性影响反应时间成本（ΔRT）和准确率成本（ΔACC），高复杂度可能以减少ΔRT为代价增加ΔACC
- **H2**：与主任务相似的中断将导致更大的中断成本
- **H3**：任务复杂度与中断相似性存在交互效应

#### DDM参数层面假设：
- **H4a（漂移率Δv）**：在低复杂度条件下，相似中断导致证据积累效率更大幅度下降；高复杂度下此效应减弱
- **H4b（决策边界ΔB）**：低复杂度相似中断下谨慎程度更高；高复杂度下减弱
- **H4c（非决策时间Δndt）**：中断增加非决策时间变化，且在高复杂度或高相似性条件下效应更大

---

### 三、研究方法的科学价值

#### 样本与实验设计
- 48名参与者（均值23.90岁，SD=3.86）
- 采用N-back范式（0-back至3-back）操纵任务复杂度
- 通过中断任务与主任务的相似性设计实现关键变量控制

#### 统计结果分析
研究结果显示相似性的主效应显著（F(1,44)=79.75, p<0.001, ηp2=0.644）：
- 不相似条件下不同复杂度水平的ΔRT分别为：54.16、41.99、3.87、-20.30
- 相似条件下对应值为：182.87、193.26、123.53、27.17
- 相似条件下ΔRT显著更高（M=131.71, SD=106.26）

---

### 四、理论与实践意义

#### 理论贡献
1. 突破传统线性性能下降模型，揭示反应时间和准确率在四个复杂度水平上的动态非线性变化
2. 将行为表现指标转化为可解释的认知参数，提供更精细的分析视角
3. 深化对中断成本认知机制的理解

#### 实践应用
研究结果对高压力工作场景（如航空管制、工业监控、应急指挥）具有直接指导意义：
- 当干扰与主任务高度相似时（如同一广播格式的语音通知），认知成本显著增加
- 提示在系统设计中应注意任务界面差异化管理，降低干扰相似性

---

### 五、研究局限与未来方向

该研究存在以下局限需要后续研究克服：
1. **生态效度**：N-back任务虽然提供强实验控制，但仅是现实多任务环境的简化近似
2. **中断变异性**：实际应用中的中断在时间、持续时间和情境复杂性上变化更大
3. **测量维度**：可考虑整合更多神经生理指标以提高机制解释的丰富性

---

### 六、研究范式评估

该研究采用了**计算心理学与认知神经科学交叉**的方法论，其优势在于：
- 将行为数据分解为认知参数，实现从"相关性"到"因果机制"的推进
- 多维度任务属性（复杂度+相似性）与计算建模的协同效应
- 提供从现象描述到机制解释的完整研究链条

总体而言，该研究为中断恢复研究提供了新的计算建模框架，其方法论范式有望推广至其他认知过程研究，特别是在理解认知负荷如何影响决策机制方面具有启发意义。