潜变量分析(latent variable analysis)
近年来提出一种新的研究方法,即潜变量分析。传统研究方法认为一个执行测验的成绩就能够代表一种执行功能,而潜变量分析采用多个执行测验对同一执行功能进行测量,并从中提取它们的共性,形成该执行功能的潜变量。对测量同一执行功能的多个任务应涉及不同的实验刺激和实验程序,以避免在潜变量提取后的执行结构中仍含有非执行的成分。潜变量提取的方法在很大程度上缓解了诸如纯度,结构有效性等问题,有助于进一步探讨各执行功能间,以及执行功能与其他一些认知结构间的关系。Miyake等报告的一项研究表明,虽然三项执行功能(对优势反应的抑制,注意转换和记忆刷新)间存在一定的相关,但也清晰地表现出相互可分离性;并且,这三种执行功能在一系列复杂执行任务(包括神经心理学测验)中的贡献是不一样的。然而,由于潜变量提取需要进行多项测验,结构方程建模还需要较大的样本量,使得这种研究方法在实施的过程中存在较大的困难。
n-back范式
n-back范式要求被试者将刚刚出现过的刺激与前面第n个刺激相比较,通过控制当前刺激与目标刺激间隔的刺激个数来操纵负荷。当n=1时,要求被试者比较当前刺激和与它相邻的前一个刺激;当n=2时,则比较当前刺激和与它前面隔一个位置上的刺激;当n=3时,要求比较的是当前刺激和它前面隔两个位置上的刺激,依此类推获得不同程度的任务难度。任务类型包括字母匹配任务,位置匹配任务和图形匹配任务三类。在位置匹配任务中,要求被试者判断两个刺激呈现的位置是否相同,而不管两者是否为同一个字母或图形;在字母或图形匹配任务中,则要求被试者判断两个刺激是否为同一字母或图形,而不管他们的呈现位置如何。该范式的优点在于将任务设计成在工作记忆上施加一连续的,参数可变的负荷,而其他任务需要保持恒定。P。O。Harvey等(2004)用n-back范式评估年轻抑郁症住院病人的刷新加工,抑郁病人在n-back任务中显示了较差的操作。
他们的结果说明:排除包括2-back和3-back条件的复杂信息管理,1-back条件是一个更纯的刷新加工测量方法。n-back任务也被广泛用于工作记忆的神经成像研究中。神经成像研究应用n-back任务有如下几个理由(Braveretal。,1997;Cohenetal。,1997;Jonidesetal。,1997):首先,比较神经成像研究早期应用的任务,n-back任务是一个更有代表性的工作记忆任务,包括维持少量信息,要求n-back任务操作工作记忆信息。其次,允许应用参数变量方法代替减法方法(themethodofsubstraction),因而避免了一些和后者相关的问题假设(Fristonetal,1996;Jenningsetal,1997)。第三,n个任务允许系统操作工作记忆负荷。随负荷变化而变化的脑区被认为起到特殊的加工作用。