【芥末翻】同时处理多个任务的能力是与生俱来的吗？
【芥末翻】致力于将全球经典或是前沿的教育理念、教育技术、学习理论、实践案例等文献翻译成中文，并希望能够通过引进这类优质教育研究成果，在全球教育科学的推动下，让更好的教育来得更快！
原文：Dynamic, continuous multitasking training leads to task-specific improvements but does not transfer across action selection tasks.作者：Angela D. Bender, Hannah L. Filmer, Claire K. Naughtin & Paul E. Dux . 译者：冷露. 编辑：尔瑞.
推荐理由：当我们看到学霸或各行业牛人在同一时间处理多种事务时，我们的崇拜之情可能会油然而生。但这篇论文告诉我们，这种多任务处理能力并不是与生俱来，或是经历过多几次任务处理就能一劳永逸的。多任务处理能力只能通过特定的任务训练才能得到，且不能将同时处理这几个任务的能力迁移到另外的任务上。终究，勤才能补拙，钢铁还是得“炼”出来。
在我们这个信息丰富的世界里，拥有同时执行多项任务的能力将成为一个永远不断增长的需求。然而，由于我们在认知控制和决策方面的认知加工限制，同时从事的多项任务常常会互相干扰，并影响最终的任务成果。虽然学者们普遍认为，高强度的双任务训练能够提高在个体在多任务当中的表现，但很少有实验证据表明，与训练相关的获益可以迁移到未经训练的任务上，即使这些未经训练的任务和经过训练的任务之间具有共同的认知加工处理机制。在现实生活中，需要在较短的时间内协调和选择多个反应的情况，常常出现在高干扰的环境中。
在过去的十年里，有一些著名的研究指出，在高干扰的环境下，对动态的、多任务的视频动作游戏进行训练的成果，具有一定的迁移效应，尤其是在注意力和工作记忆等认知方面。因此，本研究旨在探究持续的、动态的多任务训练的提升效果是否能够迁移到其他未经训练的任务上，尤其是当那些未经训练的任务在理论上与训练的任务高度相关时。为了研究这个问题，我们让实验组的被试同时完成连续视觉运动追踪任务和知觉辨别任务的综合训练，此训练一共进行了六次，而控制组的被试则单独完成这两项任务。在训练前和训练后让被试立即完成一系列认知任务来测试训练成果的迁移效应，这些认知任务包括反应选择、反应抑制和空间注意力水平。结果表明，多任务训练能够有效促进双任务的处理能力，但这种促进仅对特定任务的有效。没有发现实验证据表明这种促进能够推广到其他操作控制任务中去。研究结果还表明，对视觉运动追踪和形状辨别任务进行训练，可以有效促进完成这两项任务的能力，但并未发现对未经训练的行为选择任务有任何促进作用。
当今这个信息丰富的社会常常要求我们同时从事多项任务。然而，当我们试图同时执行多个认知操作时，由于操作之间的相互干扰，有效选择与任务相关的反应(作出决定/作出回应选择)和抑制与任务无关的信息/反应(反应抑制)的能力常常受到严重的损害。很多行为选择范式都可以用来评估个体的多任务处理能力，在这些范式中，同时完成多个任务往往对个体的中央信息处理资源有着很高的要求。
幸运的是，实验证据表明，执行双任务的成本可以通过不断实践和训练来降低。因为在实践和训练当中，经验不断增多，被试完成相关任务的能力就会得到一定的提升。与降低多任务成本相关的神经基础的神经影像学研究发现，双重任务的训练会减少部分皮层活动。而这个神经网络系统通常是在需要对行动进行执行控制的任务中才被激活。
虽然对于特定任务而言的双任务干扰可以通过训练来减少，但双任务训练效果究竟能在多大程度上推广到其它未经训练的多任务能力上，或者推广到其它与多任务能力密切相关的次级认知过程当中，这仍是研究者们热议的话题。
其中一个假设是，当新的任务所使用的认知过程和神经基础与训练过的任务之间越相似，那么从原有的训练成果迁移到新的任务上的概率就越高。此外, 如果未经训练的任务和训练任务之间有着相似的反应模式(例如都通过按压键盘来反应),输入模式(例如都采用视觉刺激)、计时训练任务或共同抽象的规则，那么训练的效果更容易迁移到其他任务上。与之相反，当训练的刺激以另一种方式呈现时，原本训练的效果就会被搅乱(例如，从视觉转变到听觉)。
然而到目前为止，在大多数传统实验室的多任务训练研究中，很少有实验证据表明，在双重任务训练后能够发生显著迁移的。只有很少的研究报告了训练成果的正向迁移，但这种迁移通常也是非常有限的。比如，最近的一组研究发现，只有当双任务中的一个子任务被更改时，训练所增强的多任务处理技能才会迁移到新的双任务当中（可能是由于未更改的子任务得到加强）。但是，当双任务中的两个任务都发生变化时，就没能观察到训练效果迁移的情况。这表明训练所增强的任务协调技能似乎是特定于任务本身的，且不可转移的。
尽管上述研究结果表明，传统的多任务测试中训练效果的迁移是可能的，但迁移却是相当有限的。但在评估视频动作游戏训练对执行控制能力的影响时，则发现了较大的迁移效应。在动作游戏中，对短时间内不断监控和协调多个任务的持续性要求，极大地影响了感知、注意力和资源有限的反应选择过程。
然而，尽管视频动作游戏有着潜在的好处，但视频动作游戏可能并不是适合每个人的正确干预手段，因为它经常涉及暴力的主题。最近,Anguera和colleagues引入了一种混合方法用于评估和提升老年人认知控制能力。该方法在3D视频游戏训练范式当中，结合了某些被认为能够在视频动作游戏训练之后促成正迁移的一些特征（比如，加大对中央处理过程、反馈和及时奖励要求的刺激和高干扰环境)。在这项重要的研究***包括42名被试，他们需要将一辆移动的汽车维持在一条弯曲的道路的中心，同时还要尽可能迅速且准确地对快速变化的形状做出识别(多任务条件)或者单独执行各个子任务(单任务条件)。结果表明，与单独训练(单任务组)或完全不训练(无训练的控制组)的被试相比，经过联合训练(多任务组)后的被试，多任务处理能力有所提高。更为重要的是，尽管多任务训练后的训练效果并没有迁移到新的双任务范式里，但对迁移效应的分析显示，在多任务训练模式下的视频游戏训练后，工作记忆和持续注意力在训练后都有显著提高----这两种认知过程通常被认为是反映核心的执行控制能力。
综上所述，关于认知训练的文献概述表明，在高干扰的环境中，所从事的任务如果包含动态的决策过程，那么训练效果将最可能迁移到其它任务中，尤其是当新的任务在理论上与之前训练的任务相关且基于相似的神经网络。然而，在明确得出“认知训练模式可以带来训练效果迁移”这样的结论之前，有许多关键的因素值得考虑。
尽管之前有关双重任务训练的文献常常表明,对传统的多任务模式的训练可以让在双重任务中特定于某一任务的成本减少。但在一个高干扰环境下、需要快速决策的的任务中，多任务处理成本是否也可以减少，这仍然是一个悬而未决的问题。如果确实能够减少的话，那么这种获益是否也可以扩展到其他任务中，尤其是当这些任务在理论上与训练任务相关时。
多任务成本
为了探究训练对多任务表现的影响，我们首先将训练样本作为一个整体，探索被试在训练之前的表现情况(表1和补充表1)。结果发现，单一知觉辨别任务下的准确度总体均值为83%，单一追踪任务下的准确率的总体均值为80%,这说明自适应阈值调整过程成功地为每个子任务确定了水平至少为80%的辨别准确率和追踪准确率。两个训练组在辨别准确率(t(37) = -1.86, p = .07)和追踪准确率(t(37) = 0.84, p = .40)上无显著基线差异。在训练之前，同时执行形状识别任务和视觉空间追踪任务会引起很高的多任务成本(单任务的主效应与多任务的主效应:平均多任务成本= 15.58%；F(1)= 202.77,p≤.001,η2P = .846)。值得关注的是，如表2所示，两个训练组之间没有多任务成本的基线差异(t(37) = -0.11, p = .91)。
为了探究多任务训练和单任务训练对多任务表现的影响，一个混合实验设计【训练(训练前，训练后)×组别(多任务、单)】的方差分析显示，训练的主效应显著 (F(37)= 4.46,p = .042,η2P = .108)。这说明相比于训练前，训练之后的多任务表现有了明显提高。更为关键的是（见图1和补充表1），尽管在训练之后，两个训练组都在与各自训练任务相关的任务中表现出了显著提高(表2)，但通过分析训练与组别之间显著的交互作用(F(37)= 8.42,p = .006,η2P =.185)，发现只在多任务训练组中才有多任务表现的提高。贝叶斯方差分析显示,当把交互作用添加到原有模型当中时，模型对数据的解释相比于原有主效应模型(即分别加入训练和组别变量)更好(BF12 = 0.88支持主效应模型)。这些结果验证了前人的研究，2,3,7,9 - 11,42，并证明了与对照组（只对这两项任务进行单独训练）相比，多任务训练使得的多任务成本显著降低。
在训练阶段，多任务训练组的被试同时执行形状辨别任务和视觉运动追踪任务(在六次实验***有72次时长为三分钟的任务)，而单任务训练组的被试需要完成相同时长的单一视觉运动追踪任务(在六次实验***有36次时长为三分钟的任务)上会议)和形状辨别任务(在六次实验***有36次时长为3分钟的任务)。
为了评估训练愉悦度在多任务组和单任务组中是否相同，被试需要在最后一次训练结束时对他们的训练经历进行1(最低)到10(最高)的评分。结果发现，多任务组(M = 8.26)和单任务组(M = 7.45)之间没有显著差异（t(37) = 1.70, p = .10;BF10 = 0.96)。
为了探究在六次训练中，组内整体表现是否存在差异，我们进行了一系列混合实验设计的方差分析。对辨别准确率【6(训练)×2(组别：单任务训练组和多任务训练组)】的方差分析发现，训练的主效应显著(F(5185)= 3.64,p = 04,η2P = .090)。这表明在连续的六次训练中，整体表现有所提高。因为任务本身相对容易，单任务训练组在第一次训练后就达到了最佳表现的渐近线，并在之后的形状辨别任务中都出现了天花板效应(图2;补充表2)。训练和组别之间显著的交互作用表明，多任务训练组准确率的提升(平均变化= 5.56)要显著高于单任务训练组准确率的提升（平均变化= 0.02%,F(5185)= 3.24,p = .008,η2P = .081)。贝叶斯方差分析也证实了这些结果，并倾向于支持包含有训练和组别交互作用的模型(BF12 = 2.25，支持主效应模型)。
对追踪准确率的分析发现，训练的主效应显著(F(5185)= 2.59,p = .027,η2P = .065)。这说明总的追踪准确率从第一次训练(M = 85%)到第六次训练(M = 87%)有了显著提高，并且没有发现追踪准确率提高的组间差异(F(5185)= .98,p = .434η2P = .026)。贝叶斯方差分析也没有发现组间差异(BF12 = 89.58，支持主效应模型)。因此，研究结果表明，两组被试在六次训练中都有着相似的视觉运动追踪表现。
如表3和补充表3所示，所有六项任务均记录了标准化的效应量，这些效应在两个训练组之间没有显著的基线差异(ps & .21)。为了探究多任务训练和单任务训练对其他行动控制测量方法的影响，我们首先将样本作为一个整体进行分析(表4和补充表3)。结果显示，仅在单反应选择任务和Go-Nogo任务中，训练对反应选择任务和反应抑制任务的主效应显著(ps均& .01)。
然后，我们使用混合设计的方差分析来探究组别对训练成果迁移的影响(表3和表3补充)：训练(训练前,训练后)×组别(单任务训练和多任务训练)的方差分析并没有发现任何结果指标在两个训练组之间存在与训练相关的差异(p &.15)。
贝叶斯方差分析也证实了这个结果：与包含有训练×组别交互作用的模型相比，分别加入训练和组别变量的主效应模型对数据的拟合度更好(BF12从13.76到31.83，支持主效应模型)。总之，这些分析都证实了与训练相关的获益都不会迁移到目前我们所使用的行动控制测量方式中。
在本研究当中，我们探究了动态双任务训练机制对多任务处理表现的影响，并进一步评估了与训练相关的获益是否能够迁移到其他未经训练的行动控制任务中，尤其是当这些未经训练的任务与训练的任务有着相同的或相关的基本机制时。我们让被试同时进行感知辨别任务和视觉运动追踪任务的训练(多任务训练组)，而单任务训练组则单独分别完成这两项任务。本研究主要有两个研究目标。首先，根据前人对于双任务训练的发现，我们旨在探究在仿真高干扰的环境中，高强度的多任务训练是否会带来与训练相关的获益。通过量化多任务训练和单任务训练之间的差异，从而评估训练前后的多任务处理表现。我们研究结果与之前研究一致的是，对同时接受视觉运动追踪和感知辨别任务训练(多任务训练组)的被试来说，多任务处理的表现选择性地提高了；而在单独完成两个任务（单任务训练组）的被试中，没有发现类似的提高。并且，与训练相关的获益并非来源于两个训练组之间的基线差异。因为在基线水平，两组在同时完成两个任务时都表现出了相似的多任务成本效应。此外，我们还发现无论是在单任务训练组，还是多任务训练组，只要特定的任务得到了训练，那么在训练之后，被试在该项任务中的表现都会有所提高。因此，这些结果都印证了动态双任务训练实际上促进的是完成特定任务的技能水平。
其次，通过在训练前后安排大量的认知任务，我们得以证明，在动态视觉运动追踪任务和感知辨别任务中所观察到的双任务训练效果并不能迁移到其他行动控制任务中去。具体而言，虽然在训练前后我们都记录了每项指标的标准效应，但在PRP或者其他反应选择测量方法中并未发现任何支持双任务训练效果迁移的证据。考虑到所有的反应选择迁移任务都包含了新的视觉刺激，比如在PRP中不同的输入模式(第二个任务为听觉刺激)，这说明训练还可以引发学习：学习如何更有效地整合刺激以及特定模式下的信息。这一发现与之前的双任务研究结果和动作游戏研究结果一致：均没能发现训练成果迁移到其他双任务中的证据。
总体而言，本研究的结果与双任务训练和大脑训练的研究(参见参考文献48)基本一致：几乎都没有发现任何证据表明多任务训练效果可以迁移到特定任务技能之外。这一结果又与之前那项视频游戏训练的研究相矛盾，因为在那项研究中，研究者发现了多任务训练可以提高执行控制能力。同时本研究的结果也与神经重叠理论相悖，因为神经重叠理论认为，如果训练的任务和需要迁移的目标任务之间拥有相同的神经基础，那么学习的迁移就可以发生。然而，我们发现同时对两个任务进行训练确实降低了在特定训练任务上的双任务成本，但是这种训练效果并不能迁移到其他动作控制的任务上。因此，多任务训练效果无法迁移到其他任务当中，但却可以迁移到特定的任务中。这一发现符合之前的假设，即反复接触特定的任务或刺激可以促进更有效的资源分配，进而在实践中达到更佳的双任务表现。
总之，通过严格谨慎的干预设计方案和动态的、连续的多任务处理的游戏范式，我们能够证明：对两个并行任务的不断训练会促进完成特定任务策略的学习，但这种学习不能迁移到其他行为控制任务中。
作者的贡献
这个实验是由A.D.B.,H.L.F.和P.E.D.设计的。所有任务均为C.K.N.和A.D.B.编写分析脚本，由A.D.B.进行测试和数据收集，A.D.B.也在H.L.F.和P.E.D.的监督下进行了数据分析和解释。A.D.B起草了本稿初稿，H.L.F., C.K. N., 和 P.E.D.提供了重要的修改意见。所有的作者都同意提交手稿的最终版本。我们感谢克里斯汀娜?霍恩和阿什利?约克提供的数据收集帮助。实验是在昆士兰大学心理学院进行的。
本翻译仅作了解之用，并非用于学术研究或商业决策。芥末堆海外翻译社群的小伙伴们力求将关键理念与思想更广泛地传播至中文区域，故部分表达可能与原文有所差异。如需使用，请查证原文。本文为原文的部分节选。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
100+ 教育企业，5000+ 岗位，引爆史上最强教育招聘季
去美国参加GSV、CES峰会，去以色列体验教育创新，去芬兰感受特色教育……
今日搜狐热点侠盗飞车圣安地列斯 山云帮的任务怎么做？有几个？
var sogou_ad_id=731549;
var sogou_ad_height=160;
var sogou_ad_width=690;