努力-表现解耦的多因素框架：系统极限、低效与噪音、测量错配与动机误导

《Neuroscience & Biobehavioral Reviews》：When effort fails: Instances and reasons for effort-performance decoupling

　　

努力与表现的（解）耦（(de)coupling of effort and performance）是一个领域一般性（domain-general）观察。研究人员提出四个本体论上不同的因素（ontologically distinct factors），它们可解释努力-表现解耦（effort-performance decoupling）。解耦反映了系统极限（system limits）、低效与噪音（inefficiency and noise）、测量错配（measurement mismatch）以及动机误导（motivational misdirection）。解耦同时出现在认知和身体表现中。该框架将行为发现与神经认知机制联系起来。

“我一直相信，如果你付出努力，结果就会到来”（篮球巨星迈克尔·乔丹）（Jordan等，1994）。“成功是（……）通过不懈努力赢得的”（前星巴克首席执行官霍华德·舒尔茨）（Schultz，1997）。

上述表述呼应了一种广泛信念，即努力是表现不可或缺的一部分。实际上，在多种表现领域（Helms等，2017；Brown和Leigh，1996；Porter等，2019；Silm等，2020；Van Iddekinge等，2023；Watanabe等，2024）以及多个时间尺度上（即努力对表现的同步效应和前瞻效应），努力的主观（Borg，1962；Eston，2012；Helms等，2017；Scherr等，2013）和客观测量（Albinet等，2024；Rogers，1969；van der Wel和van Steenbergen，2018）之间都观察到强耦合。除了轶事证据和经验关联之外，努力——连同其对于达成目标的有用性及其与表现的关系——是研究人类行为的重要理论的核心（Brehm和Self，1989；Cheval和Boisgontier，2021；Marcora，2019；Nicholls，1984；St?hler等，2025；Vroom，1964；Locke和Latham，2002）。例如，根据Locke和Latham的开创性目标设定理论（goal-setting theory, GST），努力——连同其他因素——是个人目标与其所达成表现之间的关键中介（Locke和Latham，2002；Locke和Latham，2006）。与此相关，动机强度理论（motivation intensity theory, MIT）产生了大量关于人们如何以及何时根据任务要求和成功重要性动员努力的研究（Wright，2008；Gendolla和Richter，2010）。重要的是，MIT主要关注努力-需求关系，而不是努力如何转化为表现的下游问题，而本文正是聚焦于此。

鉴于努力与表现之间紧密且普遍的耦合，研究人员和实践者理所当然地“经常用表现来推断努力”（Halperin和Vigotsky，2024，第2023页），从而强化了“更努力会带来更好结果”的观念。与此同时，广泛而多样的文献——运动测试（Zoladz等，1995；Hall等，2016）、体能训练（MacKinnon，2000）、学习（Kirk-Johnson等，2019）、运动控制（Harris和Wolpert，1998）、决策（Oud等，2016）、奖赏率优化（Maddox和Bohil，1998）、组织评估（Mcfall等，2009）、临床研究（Dobryakova等，2013）、老化（Zapparoli等，2022）以及心流等状态（Csikszentmihalyi等，2014）——证明了在额外努力似乎产生递减、零甚至负回报的条件下。同样，在MIT或GST等理论框架中，努力被理解为表现的若干决定因素之一，而非其唯一驱动力。因此，虽然努力和表现密切相关，但它们并不是一枚硬币的两面（Gendolla和Richter，2010；Gendolla和Wright，2009；Mangin和Pageaux，2026）。

在本视角中，研究人员关注努力-表现解耦的实例，并将其定义为增加的努力不能转化为成比例的表现增益，甚至可能产生递减或负回报的情境。同样，低努力导致不成比例的优异表现的情况也可被视为努力-表现解耦。研究人员考察身体和认知领域以及同步和前瞻时间尺度上的努力-表现解耦实例。同步解耦（concurrent decoupling）指努力和表现在实时中变得解耦的现象，前瞻解耦（prospective decoupling）指努力的累积不能转化为后续表现增益的情况。研究人员用具体的、经过充分研究的典型例子来说明解耦，并讨论可能解释它们的一组四个广义因素。为了最大化对特定专业领域之外读者的效用，他们强调这些例子如何更广泛地推广到认知和身体情境，以及不同时间尺度（即同步和前瞻）。通过这种领域一般性方法，旨在说明这种关系的广泛概念相关性，并强调需要更好地理解其动态。研究人员认为这很重要，因为它突出了努力-表现关系可能比其表面看起来更复杂（Inzlicht等，2025；Scheiter等，2020）。认识到这一点对于任何领域中对身体和认知努力如何塑造表现感兴趣的研究人员来说都是至关重要的（努力和表现的定义及操作化见Box 1）。

努力以多种方式被定义和测量（Hack等，2025；Thomson和Oppenheimer，2022）。一些研究人员支持统一的努力方法（Mangin和Pageaux，2026），而另一些则区分身体努力和认知努力（Shenhav等，2017；Cheval等，2025；Wolff等，2024）。同样，一些人将实际努力和感知努力视为不同的构念（Halperin和Vigotsky，2024；Steele，2020），一些研究表明它们之间的关系可能是虚假的（Bijleveld，2018）。相比之下，其他人没有明确做出这种区分（Scheiter等，2020；Kuppuswamy，2017），或认为感知努力对于理解目标导向行为至关重要（Inzlicht等，2025）。基于力的观点（Massin，2017）将努力定义为达成目标所施加的身体或精神力量，而过程导向的观点将其描述为能力与任务要求一侧和由此产生的表现另一侧之间的中介（Shenhav等，2017）。第三种视角将努力视为认知或生理资源的投资、消耗或分配（基于资源的观点（Halperin和Vigotsky，2024；Kahneman，1973；Kurzban等，2013））。这种观点整合了生化（如三磷酸腺苷）、心理（如注意）和身体（如肌肉用力）资源，跨越认知和身体领域。由于努力可以作用于多个功能系统（从生化到认知），研究人员依赖于各种行为、神经生理、生化和计算努力测量（全面概述见（Hack等，2025））。除了这些客观测量外，主观测量通常用于评估任务的感觉有多费力。

表现也以多种方式被概念化和测量。它通常指任务的结果或执行情况，并通过身体或认知活动完成得多好或多高效来衡量（St?hler等，2025；Shenhav等，2017）。它可以以量化表现来追踪，如反应时间、得分、跑步速度和距离以及产生的力，或定性表现，重点在于任务执行的测量，如准确性。例如，在记忆任务中，表现可以通过回忆的可能性或信息被回忆的精度（即分级测量）来衡量。在认知科学和行为经济学中，表现有时通过基于奖赏的测量来评估，其中表现与外部激励（如累积的分数或赚到的钱）挂钩，特别是在强化学习范式中（Jarvis等，2022；Palidis和Gribble，2020）。努力和表现的概念化和操作化的多样性使对其关系的研究复杂化。例如，所选择的努力和表现测量有时指同一事物。例如，人们可以将身体努力定义为参与者施加在握力测力计上的力（基于力的观点），并将握力也作为表现测量来追踪。更复杂的是，努力和表现可以以绝对项或相对于个体最大瞬时能力来理解。相同的客观输出可能对一个人来说是不需要什么努力的适中成就，但对另一个人来说却是全力以赴的表现。此外，疲劳（Muriel等，2022）、海拔（Mateo-March等，2022）或温度（Valenzuela等，2022）等情境因素可以改变所达成的表现水平和所需的努力。

重要的是，本文回顾了构成明显努力-表现解耦的领域一般性因素。这些因素适用于主观和客观努力-表现关联。解构这些区别并评估特定于主观或客观努力的关联超出了本文的范围。相反，研究人员专注于跨常用努力和表现概念化的广泛领域一般性解耦模式。此外，努力可以从强度和持续时间两个维度来研究（Locke和Latham，2002），其中持续时间是瞬时努力随时间的积分。虽然一些前瞻性例子（如过度训练）涉及这两个维度，但本框架主要解决基于强度的努力-表现动态。

最后，在深入探讨可能解释努力-表现解耦的因素之前，需要指出，不应将其视为二元现象：努力和表现很少完全耦合或完全解耦，而是沿着更强或更弱关联的连续体变化。反过来，本文描述的例子指的是努力和表现似乎或多或少解耦的情况。此外，并不总是清楚观察到的解耦实例是真实的还是仅表面上的——由合法的非线性、统计变异性、测量不匹配或塑造努力和表现测量如何对齐的动机动态所产生。为解决这些问题，需要专门的研究来更好地理解不同领域和情境中解耦的程度和形状。

1. 努力-表现解耦

本部分提出四个广泛的、可能解释努力-表现解耦的因素：系统极限、低效与噪音、测量错配和动机误导。这些因素并非详尽无遗，但捕捉了跨多种努力-表现情境重复出现的领域一般性机制。每个因素都通过一个同步身体努力-表现解耦的典型例子引入，然后阐述其背后的机制，并推广到认知领域和前瞻时间尺度。需要强调的是，努力与表现很少完全耦合或完全解耦，而是沿着连续体变化；观察到的解耦可能是真实的，也可能只是表面现象，源于合法的非线性、统计变异性、测量不匹配或动机动态。

1.1 系统极限

该部分讨论生理和认知系统的自然上限如何导致努力-表现解耦。在逐级心血管耐力测试中，VO₂可达到平台期，而输出功率或速度继续上升；血乳酸浓度最初随强度缓慢上升，随后呈指数增加。这种现象的潜在原因是局部上限和底物转换：当一种努力底物（如VO₂）饱和时，性能可由其他底物（如无氧途径）维持，而后者未被所监测的努力标记捕获。类似模式也出现在认知领域，当瞳孔扩张等主要努力标记饱和时，个体可通过补偿性招募（Cabeza等，2002）、策略改变或自动化来维持表现。在老化或多发性硬化中，为维持相同表现水平往往需要动员额外努力，形成“补偿性”努力动员。系统极限还会产生前瞻性效应：运动训练中的超量补偿现象表明，在充分恢复后，运动刺激可引发超越基线的表现提升；但慢性训练负荷过高时，则导致非功能性过度训练或过度训练综合征，即额外努力反而损害表现。认知任务中也存在类似非线性剂量-反应关系，但需注意这些类比是结构性的而非字面性的。

1.2 低效与噪音

该因素涉及努力-表现关系中的统计结构：随着努力强度增加，表现会变得更可变（噪音）且增益逐渐减小（低效）。运动控制中的信号依赖噪声是典型例子：更强的运动指令会增加力量产生的变异性，从而损害精度（如钢琴演奏、投篮），Fitts定律描述了速度-准确性权衡。低效表现为均值函数变平，即额外努力带来的平均表现增益递减；噪音则表现为方差函数增大。认知领域中，漂移扩散模型表明，过度追求速度会降低决策边界，增加错误率；而过度追求准确性则会减慢反应。焦虑、无聊等主观状态可进一步放大变异性，如“压力下窒息”现象。前瞻性方面，练习可降低噪音、提高效率，但表现改善并非即时或线性：无休息的努力可能阻碍优化，而离线巩固（包括睡眠）对运动与认知学习的长期增益至关重要。在接近生物力学或认知极限时，努力成本不成比例增加，因此极值处的努力-表现关系通常是凹形的，这反映了对递减边际效用的理性适应。

2. 测量错配

当努力和表现所使用的测量尺度不对齐时，即使底层关系很强，也可能观察到表面上的解耦。例如，在最大随意收缩任务中，若用心率或VO₂作为努力代理，其与力量输出的关系很弱；而使用肌电图则能显示强线性关系。心理物理尺度定律（如Weber-Fechner定律）表明，主观强度随刺激强度呈对数或幂函数增长，因此在高努力水平下，主观努力的微小变化可能对应客观努力的巨大变化，从而导致表观非线性。这种测量错配广泛存在于认知领域，如驾驶研究中不同努力测量与驾驶表现呈不同的非线性关系。此外，任务外努力分配（如因无聊而额外投入以保持参与）也会造成努力与表现测量不匹配。在学习情境中，学生可能因感知努力过高而回避有效策略，但流畅的低努力策略反而产生较小学习增益，这反映出瞬时努力评级与延迟表现结果之间的前瞻性错配。解决这类问题需要三角测量多种主观、生理和行为指标，并明确努力-表现关系的形状。

2.1 动机误导

动机误导指努力被动员到错误的维度，表现为努力未指向被测量的表现目标。身体努力中，如举重时用错肌肉，即使最大努力也无法产生良好表现；有研究发现，非真实的负反馈会促使参与者过度用力，从而损害精度导向任务的表现。Vroom的期望理论和当代的期望价值控制理论（expected value of control, EVC）将努力动员视为期望回报、努力成本和控制效能信念的功能；当个体对这些成分的评估与实际任务目标不一致时，努力便被误导。在组织心理学中，“纯粹努力效应”表明评价会提高努力水平，但额外努力在困难任务上并不总是转化为更高表现。人们还存在准确性偏差，将努力偏向逐试准确性而牺牲总体奖赏率。前瞻性上，任务过易或过难都会削弱长期表现增益；最优难度原则（约85%准确率）表明，富有成效的努力需要恰当的挑战水平。因此，动机误导并非努力缺失，而是努力被导向了非焦点目标，这需要谨慎调整激励、指令和反馈以与真正的目标对齐。

3. 通过瞳孔测量的视角看努力-表现解耦

瞳孔测量作为特征明确的努力标记，可用于具体说明四个因素。在系统极限方面，数字跨度超负荷任务中，瞳孔扩张随编码负荷增加直至容量上限，之后儿童瞳孔逆转收缩，成人则趋于平台，而回忆表现继续恶化，表明努力标记饱和后表现并未