12月17日晚，腦客中國科研直播特邀上海體育大學心理學院陸穎之教授，帶來“運動員的預知大腦：動作預期與偏差監控優勢的認知加工機制”主題報告，從專業視角揭開了運動員認知優勢的神秘面紗。報告圍繞研究背景、核心機制、實驗發現及應用方向展開，輔以嚴謹數據分析與生動案例，為觀眾呈現了一場高質量的內容分享。

認知優勢背景

陸教授指出，運動領域的認知能力由基本認知功能、高級認知功能與專項認知技能構成三維體系。其中，專項認知技能是競技優勢的核心，包括動作感知、動作預判與決策能力，在高強度競技場景中發揮關鍵作用。

研究發現，乒乓球等項目的高水平運動員在時間知覺與空間知覺上具備顯著優勢，且在運動相關任務中表現更突出。這種優勢并非單純依賴天賦：一方面，高水平運動員天生具備認知潛質；另一方面，長期訓練讓他們能更高效分配運動與視覺資源，強化了視覺系統與運動系統的特異性和靈活性，實現“天賦+訓練”的雙重提升。

動作預期的研究范式與核心機制

• 研究技術的迭代

升級動作預判研究旨在探究如何通過有限信息預測動作結果，其研究范式不斷創新：早期采用時間阻斷技術，通過有限動作信息探究方向預測；后續空間遮蔽技術興起，聚焦空間信息對預判的影響；虛擬現實技術則提供了模擬真實場景的新平臺，提升實驗生態效度。值得注意的是，普通人也具備基礎預判能力，但專家能更充分利用身體運動學信息。

“內部模型”是運動專家經驗積累的核心成果。通過長期反復動作操作，運動員大腦會建立動作與結果的穩定對應關系，無論是自身執行動作還是觀察他人行為，都會調用這一模型快速預判，實現“未動先知”。

• 運動共振與動作觀察網絡

研究證實，運動員大腦并非被動模仿動作，而是主動預測。觀察投籃、踢球等動作時，其運動皮層會提前活躍，形成“運動共振”。這一功能依賴動作觀察網絡，涉及頂下小葉額下回、顳中回、頂下小腦三個關鍵節點。實驗發現，面對熟悉動作時，節點間雙向信息流會減弱——這符合預測編碼模型，因預判到下一步動作，無需高強度信息傳遞。高水平運動員通過訓練進一步塑造了高效預測通路。

• 球類運動的信息加工機制

在球類發球動作處理中，運動員需應對旋轉、方向等多維信息。研究發現，專家會將這些信息分離表征，中央區運動皮層呈顯著激活。為量化內部表征，研究團隊通過分析專家手部運動學信息，識別關鍵判斷依據，并提出“重疊指標”，用于衡量不同維度信息的重要性。

• 運動學信息的應用驗證

實驗對比乒乓球運動員、排球運動員與普通大學生的發球視頻判斷表現，發現運動員在運動學信息利用上更具優勢。在僅提供運動學信息的條件下，乒乓球運動員的信息利用能力與訓練年限、經驗呈正相關。針對6-17歲青少年乒乓球運動員的實驗顯示，隨著年齡增長和訓練積累，他們觀看正常視頻與光點圖發球動作的正確率提升、反應時間縮短，表明復雜信息整合能力逐步增強。

預期偏差監控

• 偏差感知與內部模型的關系

研究通過修改發球動作軌跡制造偏差，讓受試者觀看判斷。結果顯示，偏差感知強烈依賴內部模型，專家與新手表現出不同傾向性。在交互場景中，人們對偏差的反應隨偏差大小動態調整，大偏差更易被感知。據此，研究將“偏差感知”拓展為“響應偏差”，更貼合真實交互場景。

• 偏差處理的三重差異

專家與新手在偏差處理上的差異主要體現在三方面：一是偏差表征精度，專家能準確量化偏差大小，新手判斷較模糊；二是錯誤類型預測，專家能精準預判錯誤類型；三是時間維度架構，通過ERP、ERN、PE等指標發現，專家神經反應更具針對性和時效性。

• 認知加工的精細化特征

研究發現，專家與新手處理刺激材料時，額中線偶極子活動存在差異。專家在檢測偏差初期能區分錯誤類型，評估反饋階段則進行高效整合。此外，專家會對預期偏差進行“分級+分類”處理——分級體現在中線能量變化，分類依賴腦區聯動，這種精細化加工讓專家能快速調整應對策略。

• 研究應用與未來方向

基于研究成果，運動訓練與認知訓練的結合成為實踐重點。與此同時，陸教授提出了跨學科研究方向：一是醫學領域，探索動作預期在精神分裂癥患者治療中的應用；二是人工智能領域，為人體形機器人自主動作控制提供理論支撐；三是社會認知領域，拓展動作預期在人際互動、情感理解中的應用。此外，團隊還將探究運動專家專業化優勢對神經可塑性的影響，以及運動員應對突發信息的策略。

本次直播系統揭示了運動員動作預期優勢的核心——內部模型的完善與偏差監控的精細化加工，為運動訓練與認知科學研究提供了重要參考。

以上為本期直播部分內容，觀看本期及往期完整視頻內容可掃描下方二維碼觀看。

掃描二維碼

觀看完整視頻