多身份追蹤中基于表情特征的分組效應(yīng)*

雷寰宇 魏柳青 呂 創(chuàng) 張學(xué)民,2,3 閆曉倩,4

(1北京師范大學(xué)心理學(xué)院, 應(yīng)用實驗心理北京市重點實驗室, 北京 100875)

(2北京師范大學(xué)認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國家重點實驗室, IDG/McGovern腦科學(xué)研究所, 北京 100875)

(3腦與學(xué)習(xí)協(xié)同創(chuàng)新中心, 北京 100875) (4約克大學(xué)心理學(xué)院, 約克 YO10 5DD)

1 前言

1.1 多身份追蹤中的分組表征

Pylyshyn和Storm (1988)最早提出了多目標(biāo)追蹤, 并發(fā)現(xiàn)觀察者能夠追蹤的目標(biāo)個數(shù)為 4～5個,正確率可以達(dá)到85%～95% (Pylyshyn, 2004, 2006;Yantis, 1992)。而日常生活中的物體都有其獨特的身份特征, 為了更接近真實場景中的視覺追蹤任務(wù),Oksama和 Hy?n? (2004, 2008)提出了多身份追蹤(Multiple Identity Tracking, 簡稱MIT)范式。在MIT任務(wù)中, 主要考察多身份追蹤中目標(biāo)方位與身份識別的認(rèn)知機(jī)制。以往研究關(guān)注多目標(biāo)追蹤中身份識別的容量、效率以及影響因素等, 研究者提出了一系列理論假設(shè)和解釋。Yantis (1992)采用7個實驗驗證了多目標(biāo)追蹤中存在虛擬多邊形的知覺分組現(xiàn)象, 觀察者會對對象的身份特征進(jìn)行自動化分組加工。研究者采用眼動技術(shù)發(fā)現(xiàn), 觀察者更多地注視由目標(biāo)組成的虛擬多邊形的中心, 而較少注視單個目標(biāo), 即采用了質(zhì)心加工模式(Centroid strategy or Center looking strategy, Fehd & Seiffert, 2008;Zelinsky & Neider, 2008)的策略。眼動的相關(guān)研究支持了Yantis的分組假設(shè), 證明知覺分組是多目標(biāo)追蹤中保證追蹤效率的主要策略之一。

在多目標(biāo)追蹤任務(wù)中, 盡管對象的表面特征完全一樣, 但觀察者仍可以通過目標(biāo)的運動方位表征提高追蹤成績, 即存在基于空間的分組表征(Location-based Grouping; Yantis, 1992)。在多身份追蹤任務(wù)中, 視覺對象是帶有身份信息的, 在知覺上也可能會形成一種整體性, 進(jìn)而有可能進(jìn)行基于客體的分組表征(Object-based Grouping)。在Yantis知覺分組假設(shè)基礎(chǔ)上, 研究者關(guān)注不同因素對于知覺分組的影響。研究發(fā)現(xiàn), 相同的運動軌跡可能成為目標(biāo)和非目標(biāo)分組的線索(Suganuma & Yokosawa,2006)。Makovski和Jiang (2009)發(fā)現(xiàn)觀察者在多身份追蹤中可以利用追蹤對象的顏色身份信息分組來提高追蹤成績。Howe和Holcombe (2012)采用復(fù)合特征的對象, 非目標(biāo)只具備目標(biāo)的部分特征, 研究發(fā)現(xiàn)觀察者對于目標(biāo)的追蹤成績顯著提高。Feria(2012)的實驗發(fā)現(xiàn)目標(biāo)與非目標(biāo)特征相同時追蹤成績低于目標(biāo)與非目標(biāo)完全不同的條件, 觀察者在追蹤中可以根據(jù)特定的身份信息將非目標(biāo)與目標(biāo)分離, 并表現(xiàn)出目標(biāo)分組效應(yīng)。Erlikhman, Keane,Mettler, Horowitz和 Kellman (2013)通過一系列實驗研究, 對刺激物的 8個簡單特征(顏色、黑白極性、朝向、大小、形狀、立體深度、插補(bǔ)虛擬輪廓、組合特征(形狀、顏色與大小的組合))進(jìn)行了分析。研究發(fā)現(xiàn)除了朝向和輪廓外, 其余特征均表現(xiàn)出目標(biāo)分組的促進(jìn)作用; 而在顏色、大小、形狀、及其組合、輪廓特征下, 表現(xiàn)出了目標(biāo)非目標(biāo)配對的干擾作用(追蹤正確率下降15%及以上)。上述系列研究證據(jù)支持了多目標(biāo)追蹤和多身份追蹤中的知覺分組效應(yīng)。

綜合以上研究, 多身份追蹤中目標(biāo)與非目標(biāo)知覺特征(顏色、大小、形狀、組合等)的分組效應(yīng)是確實存在的, 并且這種知覺分組效應(yīng)在某種程度上是自動化的。上述系列研究中的多身份追蹤中目標(biāo)的知覺分組效應(yīng)也證明了知覺分組假設(shè)的合理性,Yantis (1992)的知覺分組假設(shè)認(rèn)為, 在知覺特征上相同的目標(biāo)更容易在追蹤過程中被知覺為一個整體, 從而提高多身份追蹤的效率。除上述目標(biāo)的知覺特征, 人們在現(xiàn)實生活中需要處理大量的生態(tài)化視覺信息, 如交通工具、各類生活用品、家用電器、建筑物、各種標(biāo)志、各類動物和植物、面孔和表情等有生命和無生命的客觀對象等, 這些對象不僅僅是具有基本的物理特征或表面知覺屬性, 有些對象具有一定的生物屬性和社會屬性, 同時具有語義和概念層面的意義, 并構(gòu)成人們知識和經(jīng)驗的重要組成部分。關(guān)于多身份追蹤的范疇性分組效應(yīng)得到了研究的證實, 如白田、呂創(chuàng)、魏柳青、周義斌和張學(xué)民(2015)以數(shù)字和字母為多身份追蹤范疇性材料,通過操縱目標(biāo)與非目標(biāo)身份的范疇一致性和差異性探討多身份追蹤的范疇分組效應(yīng), 研究表明：目標(biāo)與非目標(biāo)身份特征的范疇內(nèi)和范疇間差異都顯著促進(jìn)了追蹤表現(xiàn)。這說明目標(biāo)身份一致性及其與非目標(biāo)的差異有助于被試采用多身份追蹤的分組策略。

本研究擬采用人們生活中常見的面孔表情信息作為生態(tài)化的實驗材料, 考查面孔表情加工的分組效應(yīng)。Ren, Chen, Liu和Fu (2009)關(guān)注多身份追蹤中面孔信息的加工, 研究者認(rèn)為多面孔追蹤的研究對于理解和分析社會交互很有必要, 而這種加工不同于多目標(biāo)追蹤機(jī)制。Oksama和 Hy?n? (2008)比較了熟悉和合成的面孔對于追蹤表現(xiàn)的影響, 發(fā)現(xiàn)熟悉的面孔更加容易追蹤。表面物理特征可以分組的依據(jù)是對象知覺特征的歸類, 而范疇性分組是基于概念范疇的語義層面的歸類, 是更為高級的概念層面的認(rèn)知加工問題。具有相同或相近的語義信息的對象可能會歸為一類, 這是基于概念范疇的分組假設(shè)(魏柳青, 張學(xué)民, 2014)。面孔和表情是具有生物性和社會屬性的生態(tài)化視覺信息, 其代表的含義不僅僅是知覺層面的, 同時還表達(dá)了人們的生物性信息和社會性的情感信息。不同面孔表情(如積極、中性、消極等)表達(dá)不同的社會性信息, 對人們的認(rèn)知判斷會產(chǎn)生一定的影響。人們在現(xiàn)實生活中也經(jīng)常面對各類復(fù)雜情境的不同性質(zhì)的面孔表情特征, 真實情境中面孔表情的表達(dá)會直接影響觀察者的情緒情感以及判斷和決策。那么人們面對不同面孔表情信息時會如何對表情信息進(jìn)行加工和分類, 并做出基本的判斷呢？本研究擬采用多身份追蹤范式, 面孔表情作為實驗材料, 考察面孔中表情因素在多身份追蹤中是否存在分類加工和分組效應(yīng), 如果存在分組效應(yīng), 那么分組效應(yīng)表現(xiàn)出哪些規(guī)律與特點？由于面孔表情具有的生物性和社會性的特點, 因此, 本研究采用多身份追蹤任務(wù)的同時, 需要考慮到面孔本身加工過程中的一些基本的規(guī)律、特點及其影響因素。關(guān)于面孔表情加工的研究主要包括面孔的構(gòu)成及其對表情加工的影響, 已有相關(guān)研究總結(jié)如下：

1.2 面孔加工的特點及其不對稱性的相關(guān)研究

以往面孔表情的基礎(chǔ)研究發(fā)現(xiàn), 面孔表達(dá)情緒信息的重要部位是眉毛、眼睛和嘴巴。Fox, Lester,Russo, Bowles, Pichler和Dutton (2000)的研究中采用具有眉毛、眼睛、鼻子和嘴巴的簡圖面孔發(fā)現(xiàn)在搜索時存在不對稱性。研究發(fā)現(xiàn), 只采用嘴巴為刺激時沒有產(chǎn)生面孔搜索不對稱性, 表明面孔整體表情的重要性。Weymar, L?w, ?hman 和 Hamm (2011)分析了當(dāng)面孔輪廓中只有眉毛和眼睛時, 負(fù)性面孔刺激的搜索快于正性刺激; 輪廓中只有眉毛特征為刺激的任務(wù)不存在搜索差異。該研究結(jié)果表明負(fù)性情緒(threat)可能是通過眼睛區(qū)域而不是眉毛表達(dá)的。而Larson, Aronoff和Stearns (2007)研究發(fā)現(xiàn)眉毛區(qū)域(V型)可以傳達(dá)一種威脅性信息, 這種符號在視覺搜索時也會表現(xiàn)出優(yōu)勢效應(yīng)。研究者發(fā)現(xiàn)搜索優(yōu)勢只存在于完整的面孔加工中(Baron-Cohen,Wheelwright, & Jolliff, 1997; Weymar et al., 2011)。Baron-Cohen等人(1997)的研究顯示, 在對基本情緒的識別中面孔整體的重要性顯著高于嘴部和眼部, 因而整個面部為表情的識別提供更多更全的信息。面孔表情要素研究為本研究采用的簡筆表情要素提供了依據(jù)。表情性質(zhì)的研究也證明了不同表情認(rèn)知表現(xiàn)的差異, 以及負(fù)性表情的優(yōu)勢效應(yīng)。不同面部表情傳達(dá)給個體不同的信號和意義, 產(chǎn)生不同的認(rèn)知和行為反應(yīng), 因此對表情的感知會對認(rèn)知活動產(chǎn)生一定的影響(Levenson, 1994; Mikulincer &Sheffi, 2000)。

研究者在表情搜索任務(wù)中發(fā)現(xiàn)了搜索不對稱性(Hansen & Hansen, 1988; Fox et al., 2000), 這種現(xiàn)象早期從情緒角度出發(fā), 被解釋為負(fù)性情緒的搜索優(yōu)勢。進(jìn)化論認(rèn)為威脅性、負(fù)性刺激會引起外源性注意和無意識的注意捕獲(Eastwood, Smilek, &Merikle, 2003)。也有理論認(rèn)為負(fù)性刺激能夠使注意固著, 不利于轉(zhuǎn)移注意到其他的刺激上。近年來研究者提出了新的假設(shè), 即知覺結(jié)構(gòu)假設(shè), 該假設(shè)認(rèn)為負(fù)性面孔的優(yōu)勢是由于面孔簡圖的結(jié)構(gòu)特征導(dǎo)致的。負(fù)性面孔有較多的直線刺激, 而正性面孔則曲線刺激較多(Aronoff, 2006)。部分研究者認(rèn)為負(fù)性面孔的搜索優(yōu)勢來自于對正性干擾物的忽視(Lavie, Ro, & Russell, 2003), 由于正性面孔嘴部和下巴輪廓類似平行, 因而知覺組織分組更容易, 簡化了負(fù)性面孔的搜索(Horstmann, Becker, Bergmann,& Burghaus, 2010)。有研究者認(rèn)為, 負(fù)性面孔向下的嘴部和下巴輪廓構(gòu)成了一種閉合的結(jié)構(gòu), 這種閉合促進(jìn)了負(fù)性面孔的知覺加工(Mak-Fan, Thompson,& Green, 2011)。也有研究認(rèn)為, 情緒因素和知覺結(jié)構(gòu)因素是相互作用的, 兩者共同解釋負(fù)性表情的搜索優(yōu)勢(徐展, 李燦舉, 2014)。

本研究擬探討面孔表情分組效應(yīng), 需要對目標(biāo)表情與非目標(biāo)表情性質(zhì)的一致性進(jìn)行各種水平的處理和區(qū)分?；谒阉鞑粚ΨQ的相關(guān)情緒研究, 面孔表情加工過程中個體的注意資源可能更多被負(fù)性表情吸引或固著, 從而可能產(chǎn)生負(fù)性表情的分組效應(yīng); 從知覺結(jié)構(gòu)的角度, 面孔簡圖中知覺的組織分組和閉合結(jié)構(gòu)使負(fù)性表情的分組優(yōu)勢更明顯。因此, 本研究認(rèn)為若表情分組效應(yīng)存在, 面孔加工的情緒偏向的觀點和知覺結(jié)構(gòu)觀點是共同起作用的。事實上, 個體在感知表情圖片時, 不僅能感知到其表達(dá)的情緒, 同時也能對表情的結(jié)構(gòu)特征進(jìn)行加工,這兩個因素應(yīng)當(dāng)是同時作用于表情加工過程。

1.3 本研究的理論假設(shè)

本研究關(guān)注面孔表情在多身份追蹤中的加工規(guī)律是否與簡單客觀對象(如物理符號和幾何圖形等)的加工規(guī)律具有一致性, 以及面孔表情的加工是否具有獨特的規(guī)律？被試如何根據(jù)面孔表情表達(dá)的情緒屬性或表情特征進(jìn)行分組加工？簡單符號或幾何圖形等客觀對象可以根據(jù)物理特征進(jìn)行分組表征(Yantis, 1992), 研究者也對于日常生活中常見物體的加工提出了范疇分組的假說, 即基于日常生活常見客觀對象語義范疇的分組表征的研究(Caramazza, 1998), 鑒于上述的文獻(xiàn)綜述和基于靜態(tài)與多身份追蹤任務(wù)中面孔表情加工規(guī)律的分析,研究者認(rèn)為面孔表情作為日常生活中普遍接觸和加工的具有社會性和生物性的生態(tài)化視覺刺激信息, 可能具有與物理符號一致的分組加工規(guī)律和獨特的分組加工規(guī)律。鑒于以往的簡單物理屬性的對象和日常生活中客體的分組表征和語義范疇表征的研究, 本研究提出了多身份追蹤中的面孔分組加工假設(shè), 并對面孔表情是否能進(jìn)行分組加工進(jìn)行討論和驗證。如果存在面孔表情分組效應(yīng), 具體在不同面孔表情分組情況的表現(xiàn)是否存在差異？該研究將有助于我們從視覺信息組織加工的角度深入認(rèn)識面孔表情的組織與加工的機(jī)制, 這也是本研究擬探討的主要問題。具體研究問題和預(yù)期的假設(shè)如下：

本研究采用多身份追蹤范式, 主要關(guān)注將面孔簡圖作為刺激物呈現(xiàn)目標(biāo)分組和目標(biāo)、非目標(biāo)配對的情況時與基線組相比是否有差異。目標(biāo)分組(Targets Grouping, TG) 分為4個水平, 分別是：目標(biāo)正性表情非目標(biāo)負(fù)性表情, 以下簡稱正–負(fù); 目標(biāo)正性表情非目標(biāo)中性表情, 以下簡稱正–中; 目標(biāo)負(fù)性非目標(biāo)正性, 以下簡稱負(fù)–正; 目標(biāo)負(fù)性非目標(biāo)中性, 以下簡稱負(fù)–中。目標(biāo)、非目標(biāo)配對(Targets-Distractors Grouping, TDG)有3個水平：目標(biāo)正性中性非目標(biāo)正性中性, 以下簡稱正中–正中;目標(biāo)正性負(fù)性非目標(biāo)正性負(fù)性, 以下簡稱正負(fù)–正負(fù); 目標(biāo)負(fù)性中性非目標(biāo)負(fù)性中性, 以下簡稱負(fù)中–負(fù)中。基線條件(Homogeneous)包含3種情況：目標(biāo)和非目標(biāo)都為正性, 以下簡稱正–正; 目標(biāo)和非目標(biāo)都為負(fù)性, 以下簡稱負(fù)–負(fù); 目標(biāo)和非目標(biāo)都為中性, 以下簡稱中–中。實驗探討的問題是表情特征能否作為分組的一種依據(jù), 在結(jié)果部分將分組和配對情況的條件都與基線進(jìn)行對比。本研究假設(shè)：多身份追蹤中存在表情的分組效應(yīng)：當(dāng)目標(biāo)分組時追蹤正確率顯著高于基線情況, 目標(biāo)非目標(biāo)配對時追蹤正確率顯著下降。此外, 基于面孔搜索的不對稱性的理論觀點, 預(yù)期當(dāng)目標(biāo)為負(fù)性表情時搜索正確率高于正性目標(biāo)表情, 表現(xiàn)出負(fù)性情緒優(yōu)勢的分組效應(yīng)。本研究將分別進(jìn)行面孔刺激中有無眉毛部位的分組效應(yīng)探討, 考察眉毛部位的信息是否影響分組效應(yīng)。

2 實驗1 多身份追蹤中的表情分組效應(yīng)(有眉毛線索)

2.1 被試

被試為北京地區(qū)在校大學(xué)生29名, 其中4名被試因追蹤正確率低于50%被刪除, 有效被試25名,其中男生11名, 女生14名, 年齡范圍20～26歲(平均年齡22.52 ± 1.81歲), 所有被試視力或矯正視力正常, 聽力正常。

2.2 實驗設(shè)計

在實驗開始前, 讓受試者先填寫自評抑郁量表(SDS)和狀態(tài)-特質(zhì)焦慮問卷(State-Trait Anxiety Inventory)。

SDS為自評量表, 用于衡量抑郁狀態(tài)的輕重程度及其在治療中的變化。量表由 20個陳述句和相應(yīng)問題條目組成。每一條目相當(dāng)于一個有關(guān)癥狀,按1～4級評分。評定的抑郁嚴(yán)重度指數(shù)按下列公式計算：抑郁嚴(yán)重度指數(shù) = 各條目累計分／80 (最高總分)。相應(yīng)的指數(shù)范圍為 0.25～1.0, 指數(shù)越高, 抑郁程度越重。SDS的評分不受年齡、性別、經(jīng)濟(jì)狀況等因素影響。指數(shù)在 0.5以下者為無抑郁;0.50～0.59為輕微至輕度抑郁; 0.60～0.69為中至重度抑郁; 0.70以上為重度抑郁。本研究中受試者的SDS得分為0.29～0.50, 無抑郁表現(xiàn)。

STAI能夠區(qū)別評定短暫的焦慮情緒狀態(tài)和人格特質(zhì)性焦慮傾向, 由指導(dǎo)語和兩個分量表一共40項描述題組成, 為1～4級評分方式。第1～20項為狀態(tài)焦慮量表(STAI, Form Y～I(xiàn), 以下簡稱S～AD),其中半數(shù)為描述負(fù)性情緒的條目, 半數(shù)為正性情緒條目。第21～40題為特質(zhì)焦慮量表(STAI, Form Y～I(xiàn),簡稱 T～AI), 用于評定人們經(jīng)常的情緒體驗。其中有 11項為描述負(fù)性情緒條目, 9項為正性情緒條目。分別計算S～AD和T～AI量表的累加分, 最小值20, 最大值為80, 反映狀態(tài)或特質(zhì)焦慮的程度。正常人群總樣本S～AD評分為39.71 ± 8.89 (男, 375例), 38.97 ± 8.45 (女, 443 例); T～AI評分為 41.11 ±7.74 (男), 41.31 ± 7.54 (女)。抑郁癥組(50 例)：S～AD為 57.22 ± 10.48, T～AI為 46.22 ± 26.22, 明顯高于正常人群。本例中, S～AD的得分范圍是25～45分,男性評分為 32.27 ± 3.77, 女性為 35.50 ± 5.14;T～AI的得分范圍是30～66分, 其中男性36.82 ± 7.19,女性41.00 ± 10.35。與常模比較發(fā)現(xiàn), 本例中的受試者均沒有表現(xiàn)出焦慮癥狀。

研究采用的刺激物是面孔表情簡圖, 共呈現(xiàn) 3種表情, 分別為正性、負(fù)性和中性, 如圖 1所示。實驗條件為單因素被試內(nèi)設(shè)計, 考察分組與否對于追蹤表現(xiàn)的影響。分組指的是不同實驗處理水平以及上述水平的具體劃分情況。分組條件有5個水平,分別為分組 1 (正–負(fù))、分組 2 (正–中)、分組 3 (負(fù)–正)、分組4 (負(fù)–中)和不分組(基線); 配對條件有4個水平, 分別為配對1 (正中–正中)、配對2 (正負(fù)–正負(fù))、配對 3 (負(fù)中–負(fù)中)和不分組(基線); 其中,基線條件是作為單因素研究變量的一個對照水平。因變量為追蹤正確率和表情回憶正確率, 其中追蹤正確率是主要考察指標(biāo), 而表情回憶正確率是控制指標(biāo), 主要是為了保證被試在實驗過程中有效注意到實驗刺激, 并在所有條件下都對表情類型進(jìn)行了辨別加工。實驗主要考察表情的各個分組水平和基線組追蹤正確率的差異。

圖1 實驗1表情材料樣例

2.3 實驗儀器與材料

實驗儀器為 PIV 2.8臺式計算機(jī), 顯示設(shè)備為17英寸純平 CRT監(jiān)視器。屏幕分辨率設(shè)定為1024×768 pixel (每 pixel約為 0.032 cm), 垂直刷新頻率為85Hz。被試雙眼距離屏幕約50 cm, 刺激呈現(xiàn)區(qū)域為全屏幕1024×768 pixel (水平視角108.8°,垂直視角81.6°), 背景為白色。運動對象為直徑60 pixel (約 5.62°)的表情簡筆畫。實驗中共有 8個客體, 其中4個為目標(biāo), 4個為非目標(biāo)。

研究采用VB編程。所有對象在追蹤區(qū)域內(nèi)的初始位置隨機(jī)分布, 各個對象間的距離大于面孔圓環(huán)直徑, 刺激物的初始位置距離追蹤區(qū)域邊框不小于兩倍直徑?？腕w運動速度為1.25°/s, 運動過程采用碰撞算法, 當(dāng)兩個圖片中心間距離等于 40 pixel時, 兩幅圖片均改變運動方向至相反方向, 也即相互彈開。

2.4 實驗過程

實驗正式開始前有練習(xí), 被試在主試的觀察下對每個條件都進(jìn)行一次練習(xí), 確保清楚實驗內(nèi)容。正式實驗中分組和配對條件每個水平各有 20個試次, 基線3種情況各有20個試次, 一共200個正式試次。實驗采取區(qū)組設(shè)計進(jìn)行被試內(nèi)平衡。被試在完成4個或者3個區(qū)組會有一次1 min的休息, 再完成3個或4個區(qū)組會有第二次休息機(jī)會, 直至完成所有實驗。每個試次需要11 s, 實驗1共需要45分鐘左右。

圖2 實驗流程圖示例

被試按空格鍵開始實驗, 8個靜止的黑色圓環(huán)呈現(xiàn)在白色屏幕上, 其中4個以紅色方框標(biāo)記為目標(biāo), 持續(xù)1.5 s后方框消失。隨后, 8個黑色圓環(huán)變?yōu)楸砬閳D片并開始隨機(jī)運動, 要求被試追蹤線索階段標(biāo)記出來的目標(biāo)表情圖片, 運動在5 s到6 s間隨機(jī)停止。運動停止后, 表情圖片消失并同時變?yōu)楹谏珗A環(huán), 要求被試用鼠標(biāo)指出哪些圓環(huán)是目標(biāo)。被試選擇完后進(jìn)入下一屏, 屏幕中央顯示問題“目標(biāo)的表情圖片是(有可能不止一個)：1笑臉, 2憤怒, 3平靜”。被試做完選擇后按空格進(jìn)入下一次追蹤。數(shù)據(jù)分析采用SPSS 19.0版軟件進(jìn)行分析。

實驗流程圖如圖2所示。

2.5 實驗結(jié)果

2.5.1 基線分析

對基線包含的3種情況進(jìn)行單因素重復(fù)測量的方差分析如表 1所示, 發(fā)現(xiàn)方差齊性, 追蹤正確率差異顯著,F(2, 48) = 3.75,p< 0.05, η2= 0.14。

表1 基線不同情況下的追蹤和表情回憶正確率(%) (M±SD)

本研究基線條件考慮到其應(yīng)當(dāng)包含其他條件中的目標(biāo)表情, 因此基線包含了3種情況?；诓煌砬閷€體的意義不同, 其識別本身可能就存在差異, 因此單一表情并不能夠代表基線或?qū)φ账?可能需要根據(jù)研究任務(wù)來進(jìn)行合理的設(shè)計。研究忽略這種差異將3種情況合為一個整體進(jìn)行分析, 這樣更客觀地反映自變量因素的影響。在與目標(biāo)分組條件相比時, 目標(biāo)表情中沒有中性表情, 中–中條件也可作為基線。在目標(biāo)非目標(biāo)配對時, 目標(biāo)中出現(xiàn)中性表情, 因此基線為3種表情的綜合基線。表情回憶正確率只作為控制指標(biāo), 不進(jìn)行分析。表情回憶正確率(大于 76%), 表明觀察者對于所有的目標(biāo)表情進(jìn)行了有效的加工。下面跟據(jù)追蹤正確率對表情追蹤效應(yīng)進(jìn)行分析。

2.5.2 目標(biāo)分組與基線條件的差異

分組條件與基線條件的差異如表2所示。

對追蹤正確率進(jìn)行單因素 5水平(正–負(fù), 正–中, 負(fù)–正, 負(fù)–中, 基線)重復(fù)測量的方差分析發(fā)現(xiàn)符合方差齊性假設(shè), 表情圖片分組主效應(yīng)顯著,F(4,96) = 4.17,p< 0.01, η2= 0.15。采用LSD的事后檢驗方法進(jìn)一步比較各個分組與基線組的差異發(fā)現(xiàn),正–負(fù)組與基線無顯著差異(MD= 0.01,p> 0.05); 正–中組與基線無顯著差異(MD= 0.01,p> 0.05)。負(fù)–正組的追蹤正確率顯著高于基線水平(MD= 0.04,p<0.01); 負(fù)–中組的正確率顯著高于基線水平(MD=0.05,p< 0.01)。

表2 不同分組處理水平下的追蹤和表情回憶正確率(%) (M±SD)

表3 不同分組處理水平下的追蹤和表情回憶正確率(%) (M ± SD)

從上述分組情況與基線水平追蹤正確率的差異發(fā)現(xiàn), 當(dāng)目標(biāo)表情為正性時, 追蹤正確率與基線沒有差異, 不存在分組效應(yīng)。當(dāng)目標(biāo)表情為負(fù)性時,追蹤正確率顯著高于基線組, 分組效應(yīng)明顯, 說明當(dāng)目標(biāo)為負(fù)性表情時可能出現(xiàn)表情分組效應(yīng)。

分析各個實驗處理水平與中性基線的差異, 如表3所示。

對分組各個條件與中性基線條件進(jìn)行分析符合方差齊性假設(shè), 表情圖片分組的主效應(yīng)顯著,F(4,96) = 5.10,p< 0.01, η2= 0.18。LSD 的事后檢驗發(fā)現(xiàn), 正–負(fù)組與基線無顯著差異(MD= 0.02,p>0.05); 正–中組與基線無顯著差異(MD= 0.02,p>0.05)。負(fù)–正組的追蹤正確率顯著高于基線水平(MD= 0.05,p< 0.01); 負(fù)–中組的正確率顯著高于基線水平(MD= 0.06,p< 0.01)。這個分析與將3種情況合并作為基線是一致的, 說明中–中可以作為分組條件的基線平衡正、負(fù)表情的偏向性。

比較正–負(fù)組與負(fù)–正組的追蹤正確率, 發(fā)現(xiàn)負(fù)–正組的追蹤正確率顯著高于正–負(fù)組(MD= 0.03,p<0.05)。進(jìn)而比較正–中組與負(fù)–中組的追蹤正確率,也發(fā)現(xiàn)負(fù)–中組的追蹤正確率顯著高于正–中組(MD= 0.04,p< 0.05)。該結(jié)果與以往研究表情識別的實驗是一致的, 說明了搜索的不對稱性在動態(tài)場景中的適用性。

2.5.3 目標(biāo)非目標(biāo)配對與基線條件的差異

配對條件與基線條件的差異如表4所示。

對追蹤正確率進(jìn)行單因素 4水平(正中–正中,正負(fù)–正負(fù), 負(fù)中–負(fù)中, 基線)重復(fù)測量方差分析發(fā)現(xiàn)符合方差齊性假設(shè), 表情分組的差異效應(yīng)顯著,F(3,72) = 3.11,p< 0.05, η2= 0.12。LSD 的事后檢驗表明, 3種水平的正確率都顯著低于基線(正中–正中MD= –0.03,p< 0.05; 正負(fù)–正負(fù)MD= –0.03,p< 0.05; 負(fù)中–負(fù)中MD= –0.03,p< 0.05)。

由上表可知, 表情分組的主效應(yīng)是顯著的, 目標(biāo)非目標(biāo)配對時追蹤正確率顯著低于基線水平, 說明配對干擾了追蹤表現(xiàn)。另外, 表情的識別、再認(rèn)與追蹤所需要的注意機(jī)制可能是不同的, 因而不能用相同的理論解釋兩個指標(biāo)的差異。配對條件下,不能與中–中情況做比較, 考慮在配對中有中性表情作為目標(biāo), 單一的中–中情況并不是客觀的基線,因此未做單獨比較。

表 4 不同分組處理水平下的追蹤和表情回憶正確率(%)(M ± SD)

3 實驗2 多身份追蹤中的表情分組效應(yīng)(無眉毛線索)

研究發(fā)現(xiàn)眉毛形狀(V型)能夠提供更多的負(fù)性信息(Larson et al., 2007), 為了考察實驗1中負(fù)性表情分組下追蹤正確率顯著高于基線的結(jié)果是否是由于眉毛信息產(chǎn)生的, 補(bǔ)充設(shè)計了實驗2。在實驗2中去除了面孔簡圖中的眉毛線索, 考察無眉毛信息時是否有負(fù)性表情的分組效應(yīng)。實驗2基本假設(shè)：如果負(fù)性表情分組效應(yīng)與實驗 1的結(jié)果一致, 說明本研究中發(fā)現(xiàn)的表情分組效應(yīng)不是由于眉毛提供的更多負(fù)性線索導(dǎo)致的; 如果不一致, 則說明眉毛可能提供的線索對負(fù)性表情分組效應(yīng)有一定的影響。

實驗1中被試并無抑郁、焦慮的差異, 在實驗2中不考察被試的情緒狀態(tài)。同實驗1, 實驗2部分對表情回憶正確率不做分析, 只作為控制指標(biāo)。

3.1 被試

被試為北京地區(qū)在校大學(xué)生16名, 其中男生7名, 女生9名, 年齡范圍21～26歲(平均年齡23.38 ±1.59歲), 所有被試視力或矯正視力正常, 聽力正常。

3.2 實驗設(shè)計

實驗設(shè)計與實驗1相同, 面孔材料為去掉眉毛的面孔表情圖, 如圖3所示。

圖3 實驗2表情材料樣例

3.3 實驗儀器與材料、實驗過程

實驗儀器、材料(除去掉眉毛線索)、過程與實驗1相同。

3.4 實驗結(jié)果

3.4.1 目標(biāo)分組與基線條件的差異

分組條件與基線條件的差異如表5所示。

對追蹤正確率進(jìn)行單因素 5水平(正–負(fù), 正–中, 負(fù)–正, 負(fù)–中, 基線)重復(fù)測量的方差分析發(fā)現(xiàn)符合方差齊性假設(shè), 表情圖片分組主效應(yīng)顯著,F(4,60) = 8.51,p< 0.001, η2= 0.36。采用 LSD 的事后檢驗方法進(jìn)一步比較各個分組與基線組的差異發(fā)現(xiàn),正–負(fù)組與基線無顯著差異(MD= 0.01,p> 0.05);正–中組與基線無顯著差異(MD< 0.01,p> 0.05)。負(fù)–正組的追蹤正確率顯著高于基線水平(MD=0.06,p< 0.01); 負(fù)–中組的正確率顯著高于基線水平(MD= 0.05,p< 0.01)。從上述分組條件與基線水平追蹤正確率的差異發(fā)現(xiàn), 當(dāng)目標(biāo)表情為正性時,追蹤正確率與基線沒有差異, 不存在分組效應(yīng)。當(dāng)目標(biāo)表情為負(fù)性時, 追蹤正確率顯著高于基線組,分組效應(yīng)明顯, 說明當(dāng)目標(biāo)為負(fù)性表情表現(xiàn)出了表情分組效應(yīng)。

分析分組各個實驗處理水平與中性基線的差異, 如下表6所示。

對分組各個條件與中性基線條件進(jìn)行分析不符合方差齊性假設(shè), 表情圖片分組主效應(yīng)顯著,F(4,12) = 7.83,p< 0.01, η2= 0.72。兩兩比較發(fā)現(xiàn), 正–負(fù)組與基線無顯著差異(MD= 0.01,p> 0.05); 正–中組與基線無顯著差異(MD< 0.01,p> 0.05)。負(fù)–正組的追蹤正確率顯著高于基線水平(MD= 0.05,p<0.05); 負(fù)–中組的正確率顯著高于基線水平(MD=0.05,p< 0.01)。

比較正–負(fù)組與負(fù)–正組的追蹤正確率, 發(fā)現(xiàn)負(fù)–正組的追蹤正確率顯著高于正–負(fù)組(MD= 0.06,p<0.001)。進(jìn)而比較正–中組與負(fù)–中組的追蹤正確率,也發(fā)現(xiàn)負(fù)–中組的追蹤正確率顯著高于正–中組(MD= 0.05,p< 0.01).

3.4.2 目標(biāo)非目標(biāo)配對與基線條件的差異

目標(biāo)非目標(biāo)配對條件與基線條件的差異如表7所示。

對追蹤正確率進(jìn)行單因素 4水平(正中–正中,正負(fù)–正負(fù), 負(fù)中–負(fù)中, 基線)重復(fù)測量方差分析發(fā)現(xiàn)符合方差齊性假設(shè), 表情分組的主效應(yīng)顯著,F(3,45) = 4.56,p< 0.01, η2= 0.23。采用 LSD 事后檢驗發(fā)現(xiàn), 3種水平的正確率都顯著低于基線(正中–正中MD= –0.05,p< 0.01; 正負(fù)–正負(fù)MD= –0.05,p< 0.01; 負(fù)中–負(fù)中MD= –0.05,p< 0.01)。

表5 不同分組處理水平下的追蹤和表情回憶正確率(%) (M ± SD)

表6 不同分組處理水平下的追蹤和表情回憶正確率(%) (M ± SD)

實驗2去除負(fù)性表情眉毛信息后追蹤正確率下降, 但趨勢與實驗1一致, 說明實驗1中的負(fù)性表情分組效應(yīng)不是由于眉毛提供的線索信息引起的,有無眉毛的負(fù)性表情都可以引起顯著的負(fù)性表情分組效應(yīng)。去除眉毛的面孔與其他表情的面孔在線索信息和物理特征上基本相似性較高、差異更為細(xì)微, 增加了對追蹤任務(wù)的識別難度, 因此表現(xiàn)出了總體正確率略有下降的趨勢。實驗2中表情回憶正確率除基線對照組外也表現(xiàn)一定的下降?；€組的表情回憶正確率保持不變是由于整個試次中只有一種表情屬性, 較易辨別和識記; 其余條件下目標(biāo)均有兩種表情屬性, 在去除眉毛后不同表情在結(jié)構(gòu)上相似較高, 因此表情回憶正確率均有所下降。

鑒于上述實驗1和實驗2的結(jié)果, 基于表情搜索不對稱性對分組效應(yīng)的影響做討論。

表7 不同分組處理下的追蹤和表情回憶正確率(%) (M±SD)

4 綜合討論

4.1 多身份表情追蹤的分組效應(yīng)

以往研究發(fā)現(xiàn), 觀察者在追蹤過程中可以利用客體的表面特征或身份信息進(jìn)行分組加工, 從而提高追蹤表現(xiàn)(Makovski & Jiang, 2009; Howe &Holcombe, 2012; Erlikhman et al., 2013)。多身份追蹤中的分組策略具體表現(xiàn)為：被試在注意、知覺或記憶加工過程中根據(jù)目標(biāo)的特征屬性對目標(biāo)進(jìn)行分組(grouping)或分類(category), 并將更多的認(rèn)知資源分配到目標(biāo)上, 從而提高追蹤任務(wù)的效率。從研究結(jié)果發(fā)現(xiàn)表情的分組效應(yīng)是顯著的：當(dāng)目標(biāo)歸為一組非目標(biāo)歸為另一組(TG)時, 觀察者的追蹤成績更好; 而目標(biāo)和非目標(biāo)配對時(TDG)的追蹤成績較差, 目標(biāo)和非目標(biāo)完全相同時(Homogeneous)的追蹤成績介于兩者之間。負(fù)性表情單獨作為目標(biāo)時,追蹤正確率高于正性目標(biāo)表情。Yantis (1992)虛擬多邊形的知覺表征是知覺加工層面的, 而在更高層面的加工過程(如概念屬性、語義范疇類材料)也會表現(xiàn)出分類的效應(yīng), 如Caramazz (1998)提出, 客體的概念加工是基于語義范疇進(jìn)行分類的。以往的研究較少涉及生物性和社會屬性的客觀對象, 而實際生活中人們對這些具有實際的、不同生物與社會性意義的客體進(jìn)行加工時, 與基本物理刺激相比較為復(fù)雜。而且對生活中對象加工時, 通常會將它們進(jìn)行分類, 如有生命與無生命范疇、植物和動物范疇等, 完成追蹤任務(wù)時可能以分組形式進(jìn)行(魏柳青,張學(xué)民, 2014)。面孔作為現(xiàn)實生活中每天都面對的視覺刺激, 同樣是一種具有生物和社會屬性的視覺對象, 而且面孔表情的表現(xiàn)是多樣化和具有不同的生物與社會性意義的, 面孔表情加工的分組效應(yīng)是本研究分析和討論的主要問題之一。

本研究考察多身份追蹤中基于表情面孔的分組效應(yīng), 得到了和物理性表面特征(顏色、大小、形狀)一樣的結(jié)論, 表情作為具有生物屬性和社會屬性的生態(tài)化刺激同樣可以作為分組的依據(jù), 表情分組的效應(yīng)是顯著的。這說明當(dāng)不同的表情作為客體的身份特征時, 觀察者在追蹤過程中利用目標(biāo)與非目標(biāo)的表情差異形成分組表征。其次, 負(fù)性偏向不僅適用于靜態(tài)范式, 動態(tài)范式也同樣適用, 造成這種現(xiàn)象的原因是負(fù)性表情的搜索優(yōu)勢?；诒砬榈姆纸M表征的形成和保持之所以能夠促進(jìn)追蹤表現(xiàn)的原因可能有兩個：其一是目標(biāo)表情分組表征的形成可以使觀察者把 4個目標(biāo)作為一個整體來追蹤,降低了追蹤的注意負(fù)荷。其二是目標(biāo)表情的分組表征有注意指向作用, 觀察者可以將注意資源更多地指向和分配到目標(biāo)上, 減少非目標(biāo)對追蹤的干擾和目標(biāo)與非目標(biāo)之間的混淆, 從而促進(jìn)追蹤表現(xiàn)(Howe & Holcombe, 2012)。但具體是哪一種機(jī)制起了作用或兩種機(jī)制均有參與還需要進(jìn)一步的實驗研究證明。實驗2中各個條件下的追蹤正確率低于實驗 1, 主要原因是去除眉毛的面孔與其他表情的面孔在線索信息和物理特征上基本相似性較高、差異更為細(xì)微, 所以增加了對追蹤任務(wù)的識別難度,因此表現(xiàn)出了總體正確率略有下降的趨勢。雖然正確率出現(xiàn)了下降, 兩個實驗結(jié)果的趨勢是一致的,即分組情況下的正確率顯著高于基線, 而配對情況顯著低于基線, 證明了表情的分組效應(yīng)。

實驗結(jié)果發(fā)現(xiàn)負(fù)性表情單獨作為目標(biāo)時有負(fù)性優(yōu)勢, 當(dāng)負(fù)性與其他表情混合作為目標(biāo)時, 追蹤表現(xiàn)受到了干擾。前人對負(fù)性偏向的研究來自靜態(tài)范式, 并且只有單純搜索一個目標(biāo)的任務(wù); 在表情分組范式下, 負(fù)性表情在目標(biāo)和非目標(biāo)里匹配, 負(fù)性的搜索優(yōu)勢與多目標(biāo)追蹤任務(wù)相矛盾。當(dāng)正性和負(fù)性表情在目標(biāo)和非目標(biāo)中都存在時, 被試很容易混淆目標(biāo)和非目標(biāo)中的正性和負(fù)性情緒面孔, 并產(chǎn)生干擾效應(yīng), 這種干擾效應(yīng)不僅在本實驗中存在,在之前的相關(guān)知覺層面的物理屬性分組效應(yīng)的研究中也已經(jīng)得到證實(Makovski & Jiang, 2009)。研究者對基本物理特征的研究發(fā)現(xiàn)了分組效應(yīng), 由于物理特征并無自身的優(yōu)勢, 因而并沒有發(fā)現(xiàn)在目標(biāo)分組中的對應(yīng)優(yōu)勢。而表情分組效應(yīng)中存在負(fù)性優(yōu)勢, 因此分組情況下結(jié)合負(fù)性優(yōu)勢會發(fā)現(xiàn)負(fù)性的追蹤表現(xiàn)較好。而配對情況下這種優(yōu)勢被分組效應(yīng)所干擾, 因此追蹤正確率下降。

研究發(fā)現(xiàn)了負(fù)性偏向的分組效應(yīng), 即目標(biāo)表情為負(fù)性非目標(biāo)表情為正性或中性時分組效應(yīng)顯著,這可能是由于負(fù)性情緒的加工優(yōu)勢所致。結(jié)果與物理符號刺激不一致, 可能是由于面孔表情的生物性和社會性信息的影響, 表情搜索的不對稱性可能起到一定作用。當(dāng)目標(biāo)和非目標(biāo)都由兩種相同數(shù)量的表情組成時分組效應(yīng)顯著, 這和簡單的物理特征是一致的。關(guān)于生物屬性優(yōu)勢的問題, 研究者討論語義范疇加工時發(fā)現(xiàn)我們在幼兒早期就能夠?qū)ι铩巧锏姆懂犨M(jìn)行區(qū)分, 這種區(qū)分可能存在于初始的概念范疇系統(tǒng)中(Mandler, 2003)。此外, 具有生物屬性的客體能提供給我們豐富的社會信息(如身份、性別、情緒等), 可以有效地處理復(fù)雜的生活情境, 有助于對社會的適應(yīng)?；谏鲜鱿嚓P(guān)研究與本研究結(jié)果, 由于刺激是面孔表情, 不僅有表情的分組表征, 同時也表現(xiàn)出了負(fù)性表情的加工優(yōu)勢。同時, 表情搜索的不對稱性也起了一定的作用。

4.2 表情搜索不對稱性對分組效應(yīng)的影響

以往研究表情搜索多是在靜態(tài)情境下進(jìn)行, 實驗只是讓被試在一系列靜態(tài)呈現(xiàn)的多個表情面孔中搜索一個特定的面孔, 研究發(fā)現(xiàn)了表情搜索的不對稱性。Ren等人(2009)首次將面孔設(shè)置在一個動態(tài)的實驗范式(MOT)中, 該實驗采用面孔作為刺激物, 研究多面孔追蹤的特點和規(guī)律。研究發(fā)現(xiàn)被試在動態(tài)場景下能夠?qū)γ婵仔畔⑦M(jìn)行加工, 并且, 對于真實的具體面孔的加工容量是2張面孔。Palermo和Rhodes (2007)研究證明注意加工在探測面孔、識別面孔身份、登記和區(qū)別面孔表情時起著重要的作用。也有研究發(fā)現(xiàn), 對于面孔感知的過程是自動化、快速、無意識、強(qiáng)制的和無容量限制的。目前也有研究發(fā)現(xiàn)在形成基本的社會印象時, 快速而準(zhǔn)確地對表情進(jìn)行分類起著重要的作用(Carr, Korb,Niedenthal, & Winkielman, 2014)。

本研究的結(jié)果表明, 觀察者可以加工多身份追蹤任務(wù)中的表情信息, 從追蹤正確率的結(jié)果上可以看出, 在追蹤容量上和以往的多目標(biāo)追蹤容量是一致的(Pylyshyn, 2004, 2006)。Ren 等人(2009)的結(jié)論發(fā)現(xiàn)個體多面孔追蹤的容量限于2張面孔, 是由于研究者使用了真實面孔; 本研究發(fā)現(xiàn)追蹤容量不一致, 是由于本研究采用的是面孔簡圖, 復(fù)雜性較低,因而對于追蹤表現(xiàn)和容量具有一定的促進(jìn)效應(yīng)。前人在使用面孔簡圖作為刺激物時, 為了探討究竟是哪個部位或者是否是整體面孔的作用, 只采用單獨的一個差異特征(嘴部或眉毛)或者采用眉毛和眼睛作為刺激物(Fox et al., 2000; Weymar et al., 2011)。研究發(fā)現(xiàn)在面孔刺激中只呈現(xiàn)嘴部區(qū)域的差異就可以產(chǎn)生搜索的不對稱性(Horstmann & Bauland,2006)。Weymar等人(2011)的研究發(fā)現(xiàn), 這些刺激必須呈現(xiàn)在一個與面孔相關(guān)的輪廓里才有不對稱性。因此研究指出能夠表達(dá)情緒的不是面孔某個部分, 而是面孔結(jié)構(gòu)作為一個整體的作用, Ren等人也認(rèn)為面部特征是一種整體性加工。本研究通過兩個實驗, 發(fā)現(xiàn)有無眉毛的表情面孔均表現(xiàn)出表情的分組效應(yīng), 并表現(xiàn)出負(fù)性表情的分組優(yōu)勢效應(yīng), 在某種程度上支持了表情整體加工的觀點。

表情分組效應(yīng)受到了靜態(tài)范式下負(fù)性搜索優(yōu)勢的影響, 表情搜索的不對稱性對分組效應(yīng)的影響主要體現(xiàn)在識別階段的優(yōu)勢, 在識別階段表情搜索的不對稱性能夠強(qiáng)化觀察者對負(fù)性表情的注意, 從而提高對負(fù)性情緒的追蹤效率。同時在完成任務(wù)時需要被試指認(rèn)目標(biāo)表情的屬性, 因此這種優(yōu)勢可能會與任務(wù)一致或者矛盾。當(dāng)負(fù)性表情作為目標(biāo)時,與負(fù)性優(yōu)勢是一致的, 因此追蹤表現(xiàn)優(yōu)于基線任務(wù);當(dāng)負(fù)性表情作為非目標(biāo)時, 盡管存在表情的分組效應(yīng)能夠促進(jìn)追蹤表現(xiàn), 由于非目標(biāo)的負(fù)性優(yōu)勢使得這種干擾和促進(jìn)相互抵消, 因此正性表情為目標(biāo)時追蹤表現(xiàn)并無提高。本實驗的結(jié)果在一定程度上也說明了負(fù)性偏向表征的分組效應(yīng), 同時也發(fā)現(xiàn)在多身份追蹤任務(wù)中負(fù)性表情引發(fā)分組偏向, 這種分組偏向可能是人們關(guān)注威脅性刺激和生物進(jìn)化的生理心理防御的結(jié)果(Hansen & Hansen, 1988; 葛吉艷,郭德俊, 王崢, 2005)。從生物進(jìn)化論的角度, 負(fù)性信息的威脅性層面與人類生存緊密相連, 因此人們對負(fù)性刺激更加關(guān)注, 以達(dá)到防御的目的。關(guān)于情緒和知覺因素分別對多目標(biāo)追蹤任務(wù)中的表情分組效應(yīng)的作用, 還有待于在后續(xù)的研究中進(jìn)一步探討。

4.3 本研究理論意義

本研究通過兩個實驗發(fā)現(xiàn)面孔表情的多身份追蹤任務(wù)中, 被試能夠根據(jù)面孔表情屬性特征對面孔表情進(jìn)行分組加工, 而依據(jù)不同面孔表情在目標(biāo)與非目標(biāo)中的分配情況, 影響追蹤表現(xiàn)。這種分組效應(yīng)與簡單物理符號刺激的多身份加工的結(jié)論是一致的(Makovski & Jiang, 2009; Howe & Holcombe,2012; Erlikhman et al., 2013), 這表明面孔表情作為具有生物屬性和社會屬性的生態(tài)化視覺刺激, 在多身份的視覺加工中具有典型的分組效應(yīng)。此外, 研究還發(fā)現(xiàn)當(dāng)負(fù)性表情作為目標(biāo)時追蹤正確率高于正性表情, 表現(xiàn)出典型的分組效應(yīng)優(yōu)勢, 該發(fā)現(xiàn)補(bǔ)充了前人在靜態(tài)范式下發(fā)現(xiàn)的情緒面孔搜索不對稱性的相關(guān)研究結(jié)論, 在動態(tài)多身份追蹤范式下也同樣存在情緒面孔搜索的不對稱性。面孔表情與物理特征的分組效應(yīng)存在差異, 這表現(xiàn)在由于某種面孔表情本身具有一定的識別優(yōu)勢, 這種優(yōu)勢在目標(biāo)非目標(biāo)配對的情況下表現(xiàn)更為明顯。而物理符號刺激的特征(如顏色、大小和形狀等)并不存在這種優(yōu)勢, 這可能是面孔表情作為具有生物性和社會性屬性的生態(tài)化視覺刺激信息在多身份追蹤任務(wù)中的獨特性表現(xiàn)。生態(tài)化視覺刺激信息的獨特性給人們提供了更為豐富的和日常生活密切相關(guān)的視覺提示線索信息。本研究負(fù)性面孔表情的分組效應(yīng)與視覺面孔信息加工的不對稱性對分組效應(yīng)的影響, 有助于認(rèn)知和理解同時呈現(xiàn)多個動態(tài)的面孔表情信息加工的規(guī)律和分組效應(yīng)促進(jìn)與干擾的加工機(jī)制,也表明負(fù)性面孔表情的加工優(yōu)勢對人們生理心理防御和適應(yīng)環(huán)境有重要的意義。

5 結(jié)論和展望

實驗證實了多身份追蹤中可能存在的分組機(jī)制的假設(shè), 即注意可以基于目標(biāo)的屬性分為幾個類別, 而不是簡單的多邊形更新。面孔表情這種生態(tài)化刺激可以作為分組的依據(jù), 個體在動態(tài)場景下也表現(xiàn)出情緒面孔搜索的不對稱性。研究結(jié)果可以得出如下結(jié)論：

(1)多身份追蹤中, 當(dāng)目標(biāo)與非目標(biāo)表情屬性不同時, 能夠促進(jìn)追蹤, 表現(xiàn)出了顯著的表情分組的效應(yīng); 當(dāng)目標(biāo)與非目標(biāo)表情配對時, 表現(xiàn)出對追蹤的干擾效應(yīng);

(2)在表情分組條件下, 目標(biāo)為負(fù)性時追蹤正確率顯著高于目標(biāo)為正性, 說明表情分組效應(yīng)中存在負(fù)性偏向。結(jié)合表情分組效應(yīng), 可以得出負(fù)性偏向表征的分組效應(yīng);

(3)通過有無眉毛的表情追蹤任務(wù)發(fā)現(xiàn), 眉毛部位對于表情分組效應(yīng)無顯著影響, 說明面部整體對表情的分組產(chǎn)生影響;

(4)表情搜索不對稱性對分組效應(yīng)有一定的影響。具體表現(xiàn)為, 在分組條件下, 目標(biāo)負(fù)性非目標(biāo)正性、中性時追蹤正確率顯著高于基線對照組; 目標(biāo)正性非目標(biāo)負(fù)性、中性時與基線對照組無顯著差異。

本研究采用多身份追蹤范式探討面孔表情加工的分組效應(yīng), 具有一定的創(chuàng)新性、理論和實踐意義。面部表情分組效應(yīng)的研究擴(kuò)展了多身份追蹤研究中, 具有社會屬性和生物屬性的客觀對象的加工特點和規(guī)律。在現(xiàn)實生活中, 對具有生態(tài)化視覺信息的加工更為重要。本研究通過面孔表情的分組效應(yīng)研究, 對動態(tài)場景下、具有生態(tài)化屬性的視覺對象加工的分組效應(yīng)及其規(guī)律進(jìn)行探索, 對認(rèn)識和了解現(xiàn)實生活中基于生物性和社會性屬性的視覺信息的分類規(guī)律具有一定的理論和現(xiàn)實意義。

在未來的研究中, 可以采用不同種族和性別的真人表情面孔深入探討面孔表情的追蹤分組效應(yīng)、表情偏向性的分組優(yōu)勢、偏向與分組效應(yīng)的關(guān)系, 以及表情面孔信息分類加工跨文化差異、不同異常情緒水平(如抑郁和焦慮水平)對表情分類加工的影響, 采用多身份追蹤范式深入探索情緒與認(rèn)知的分類加工規(guī)律及其認(rèn)知機(jī)制。此外, 在研究方法方面, 可以采用ERP和fMRI等技術(shù), 探討多身份追蹤中表情身份信息加工及其范疇分組效應(yīng)的認(rèn)知神經(jīng)機(jī)制。

Aronoff, J. (2006). How we recognize angry and happy emotion in people, places, and things.Cross-cultural Research, 40(1),83–105.

Bai, T., Lyu, C., Wei, L. Q., Zhou, Y. B., & Zhang, X. M.(2015). The facilitating effect of target-nontarget categorical difference in identity on multiple identity tracking.Acta Psychologica Sinica, 47(2), 203–211.

[白田, 呂創(chuàng), 魏柳青, 周義斌, 張學(xué)民. (2015). 目標(biāo)與非目標(biāo)身份特征的范疇間差異對多身份追蹤的促進(jìn)作用.心理學(xué)報, 47(2), 203–211.]

Baron-Cohen, S., Wheelwright, S., & Jolliffe, A. T. (1997). Is there a "language of the eyes"? Evidence from normal adults, and adults with autism or Asperger syndrome.Visual Cognition, 4(3), 311–331.

Caramazza, A. (1998). The interpretation of semantic categoryspecific deficits: What do they reveal about the organization of conceptual knowledge in the brain?.Neurocase, 4(4-5),265–272.

Carr, E. W., Korb, S., Niedenthal, P. M., & Winkielman, P.(2014). The two sides of spontaneity: Movement onset asymmetries in facial expressions influence social judgments.Journal of Experimental Social Psychology, 55, 31–36.

Eastwood, J. D., Smilek, D., & Merikle, P. M. (2003).Negative facial expression captures attention and disrupts performance.Perception & Psychophysics, 65(3), 352–358.

Erlikhman, G., Keane, B. P., Mettler, E., Horowitz, T. S., &Kellman, P. J. (2013). Automatic feature-based grouping during multiple object tracking.Journal of Experimental Psychology: Human Perception and Performance, 39,1625–1637.

Fehd, H. M., & Seiffert, A. E. (2008). Eye movements during multiple object tracking: Where do participants look?.Cognition, 108(1), 201–209.

Feria, C. S. (2012). The effects of distractors in multiple object tracking are modulated by the similarity of distractor and target features.Perception, 41, 287–304.

Fox, E., Lester, V., Russo, R., Bowles, R. J., Pichler, A., &Dutton, K. (2000). Facial expressions of emotion: Are angry faces detected more efficiently?.Cognition & Emotion,14(1), 61–92.

Ge, J. Y., Guo, D. J., & Wang, Z. (2005). The detection of angry expression in children aged 13 to 15 years.PsychologicalDevelopment and Education, 21(4), 34–39.

[葛吉艷, 郭德俊, 王崢. (2005). 13～15歲兒童對憤怒表情覺察的特點.心理發(fā)展與教育, 21(4), 34–39.]

Hansen, C. H., & Hansen, R. D. (1988). Finding the face in the crowd: An anger superiority effect.Journal of Personality and Social Psychology, 54, 917–924.

Horstmann, G., & Bauland, A. (2006). Search asymmetries with real faces: Testing the anger-superiority effect.Emotion,6(2), 193–207.

Horstmann, G., Becker, S. I., Bergmann, S., & Burghaus, L.(2010). A reversal of the search asymmetry favouring negative schematic faces.Visual Cognition, 18(7), 981–1016.

Howe, P. D. L., & Holcombe, A. O. (2012). The effect of visual distinctiveness on multiple object tracking performance.Frontiers in Psychology, 3, 307.

Larson, C. L., Aronoff, J., & Stearns, J. J. (2007). The shape of threat: Simple geometric forms evoke rapid and sustained capture of attention.Emotion, 7(3), 526–534.

Lavie, N., Ro, T., & Russell, C. (2003). The role of perceptual load in processing distractor faces.Psychological Science,14(5), 510–515.

Levenson, R. W. (1994). Human emotion: A functional view.In P. P Ekman & R. J. Davidson (Eds.),The nature of emotion: fundamental questions(pp. 123–126). New York:Oxford University Press.

Mak-Fan, K. M., Thompson, W. F., & Green, R. E. A. (2011).Visual search for schematic emotional faces risks perceptual confound.Cognition and Emotion, 25(4), 573–584.

Makovski, T., & Jiang, Y. V. (2009). The role of visual working memory in attentive tracking of unique objects.Journal of Experimental Psychology: Human Perception &Performance, 35, 1687–1697.

Mandler, J. M. (2003). On the foundations of the semantic system. In: E. Forde & G. Humphreys (Eds.),Category specificity in brain and mind(pp. 315–340). Hove, East Sussex, England: Psychology Press.

Mikulincer, M., & Sheffi, E. (2000). Adult attachment style and cognitive reactions to positive affect: A test of mental categorization and creative problem solving.Motivation and Emotion, 24, 149－174.

Oksama, L., & Hy?n?, J. (2004). Is multiple object tracking carried out automatically by an early vision mechanism independent of higher-order cognition? An individual difference approach.Visual Cognition, 11, 631–671.

Oksama, L., & Hy?n?, J. (2008). Dynamic binding of identity and location information: A serial model of multiple-identity tracking.Cognitive Psychology, 56, 237–283.

Palermo, R., & Rhodes, G. (2007). Are you always on my mind? A review of how face perception and attention interact.Neuropsychologia, 45(1), 75–92.

Pylyshyn, Z. W. (2004). Some puzzling findings in multiple object tracking: I. Tracking without keeping track of object identities.Visual Cognition, 11, 801–822.

Pylyshyn, Z. W. (2006). Some puzzling findings in multiple object tracking (MOT): II. Inhibition of moving nontargets.Visual Cognition, 14, 175–198.

Pylyshyn, Z. W., & Storm, R. W. (1988). Tracking multiple independent targets: Evidence for a parallel tracking mechanism.Spatial Vision, 3, 179–197.

Ren, D. N., Chen, W. F., Liu, C. H., & Fu, X. L. (2009).Identity processing in multiple-face tracking.Journal of Vision, 9, 1–15.

Suganuma, M., & Yokosawa, K. (2006). Grouping and trajectory storage in multiple object tracking: Impairments due to common item motions.Perception, 35, 483–495.

Wei, L. Q., & Zhang, X. M. (2014). The category-based grouping effect in multiple identity tracking.Advances in Psychological Science, 22(9), 1383–1392.

[魏柳青, 張學(xué)民. (2014). 多身份追蹤中基于范疇的分組效應(yīng).心理科學(xué)進(jìn)展, 22(9), 1383–1392.]

Weymar, M., L?w, A., ?hman, A., & Hamm, A. O. (2011). The face is more than its parts—Brain dynamics of enhanced spatial attention to schematic threat.NeuroImage, 58(3),946–954.

Xu, Z., & Li, C. J. (2014). Emotional and perceptual explanations for search asymmetries of emotional faces.Advances in Psychological Science, 22(2), 259–268.

[徐展, 李燦舉. (2014). 情緒面孔搜索不對稱性: 情緒觀與知覺觀的爭議.心理科學(xué)進(jìn)展, 22(2), 259–268.]

Yantis, S. (1992). Multielement visual tracking: Attention and perceptual organization.Cognitive Psychology, 24, 295–340.

Zelinsky, G. J., & Neider, M. B. (2008). An eye movement analysis of multiple object tracking in a realistic environment.Visual Cognition, 16(5), 553–566.