- 4 次围观
当人类在不确定性条件下学习时，他们会动态地调整自己为反馈所做的准备以及对反馈作出的反应。在应对不确定环境的过程中，大脑通过记忆更新（memory updating, MU）不断优化内部模型，从而将误差最小化。反馈对MU至关重要，而预期性的神经机制会塑造反馈的加工方式，这很可能反映了对环境确定性的习得。然而，现有文献主要聚焦于反馈后的活动，对反馈前与确定性相关的机制了解仍然较少。本研究旨在通过考察确定性如何调节反馈前的预期状态及其后续的MU来填补这一空白。我们在对Hassall及其同事（2023）先前发表的EEG数据进行再分析的基础上，考察了绩效反馈前的振荡活动。21名参与者（其中16名为女性，平均年龄 = 25.81岁）对具有不同可预测性水平的卡通人物力量进行预测，这些可预测性水平是通过暴露学习获得的。关于预测准确性的反馈通过一个动态上升的条形图呈现。结果显示，theta功率会受到累积反馈的调节。线性混合效应模型显示，可预测性相关的确定性与学习阶段之间存在交互作用：在学习后期，对于低确定性试次，更高的表现与反馈前alpha和beta功率的增加相关；而在学习早期，更高的表现则与beta功率的降低相关。这些与学习相关的alpha和beta功率调制表明，初始学习阶段以可适应的探索性加工为特征。随后的学习阶段则表现出针对较低确定性试次的、由alpha介导的抑制增强以及与beta相关的预期活动增强，这表明策略的动态优化以及对任务相关信息的选择性投入。这些结果表明，确定性会塑造与MU相关的准备性振荡活动。
感谢您有意帮助传播bioRxiv上的研究成果。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.10.724182v1?rss=1
🏷️ EEG振荡 反馈加工 记忆更新 预测性加工 Alpha-Beta节律