数字时代的注意困境：媒体多任务的视角*

郭芮巧 刘 岩

（辽宁师范大学心理学院，辽宁 大连 116029）

1 引 言

在日常生活中，我们不难发现这样的现象：人们会在看电视时回复消息，在开会时刷微博。研究者们将其称为“媒体多任务”（media multitasking）。多任务最初指代电脑CPU 能同时执行几个任务，后被心理学家用来指代人类同时将注意力分配到几个任务中（Aagaard，2018）。而媒体多任务作为一个新兴词汇，关于它的定义尚没有统一。

最早对其进行定义的是Ophir 等人（2009）的研究。他们认为媒体多任务即同时处理两项及以上与媒体相关的任务。Ophir 等人（2009）设计的媒体多任务问卷将个体分为重度媒体多任务者（HMM，heavy media multitaskers）和轻度媒体多任务者（LMM，Light Media Multitaskers）。相比于LMM，HMM 在日常生活中更频繁地同时进行多个媒体活动。其定义和问卷被研究者大量引用（Martini et al.，2020；May &Elder，2018；Ralph et al.，2018；Wiradhany &Koerts，2019）。

在Ophir 等人（2009）定义的基础上，有研究者提出媒体多任务并不一定是“同时”处理几项任务。在某些情况下，由于人类认知结构的局限性，个体无法同时处理所有信息。比如从整体上看，我们看电视的同时在玩手机。当把这个行为放在精细的时间尺度上时，我们是将注意焦点在手机和电视屏幕上频繁进行快速切换。而由于知觉的离散性，即便存在先后顺序，同一个表征片段内发生的所有事情都会被知觉为同时发生（VanRullen et al.，2007），这就造成了我们同时处理两个媒体的错觉。因此，研究者们将媒体多任务进一步定义为：使用者同时进行两项及以上的任务或者在不同任务之间进行转换，其中至少一项任务涉及媒体的使用（Lopez et al.，2018；Murphy et al.，2017；van der Schuur et al.，2018）。虽然同时性多任务一般也被看作是多任务的一种形式，但其中至少有一项任务达到了高度自动化程度，不会占用个体的认知资源。Aagaard（2018）认为，媒体多任务的实质是分心（distraction），即注意资源分配到多个需要有意注意的任务上。而同时性多任务则没有体现出这一特征。很多研究者也更倾向于将媒体多任务定义为“任务转换”（Crews & Russ，2020；Ettinger & Cohen，2020；Kim，2019；Lang & Chrzan，2016）。基于此，本文将媒体多任务看作是任务转换，其中至少一项任务涉及媒体使用。

大量研究表明媒体多任务与一些功能存在负相关，包括学习成绩（May & Elder，2018），社会情感功能（Yang et al.，2015）和认知功能等（Uncapher&Wagner，2018），这可能是由于它们共同的潜在机制受损，如注意功能。注意是其他认知功能或认知活动的基础。所以本文将重点探讨媒体多任务对注意可能造成的影响。注意有三种功能，分别是选择功能、持续功能以及调节监督功能（彭聃龄，2007）。下文将分别探讨媒体多任务对注意的各项功能带来的影响。其中选择性功能以注意切换能力为指标，本文将讨论经常进行媒体多任务的个体是否能灵活地选择注意不同的任务；对于持续功能则讨论媒体多任务是否削弱了个体的持续注意能力；而对于调节监督功能则探讨媒体多任务是否影响了个体对注意的调节能力。此外，本文还将论述减轻媒体多任务对注意影响的干预方法，并对未来研究进行了展望。

2 媒体多任务对注意的影响

2.1 媒体多任务与注意切换

Yeykelis 等人（2014）对被试的电脑使用情况和皮肤电进行了记录。结果发现，被试在界面之间进行转换时，他们的皮肤电唤醒水平达到最高，说明任务切换给个体带来即时的满足感。个体在任务之间转移注意力的能力也叫作注意切换（Elbe et al.，2019）。注意切换会产生转换成本（switch cost），该成本是认知控制的一个指标，反映的是个体能否在媒体多任务情景下实现灵活的、目标导向的行为（Kiesel et al.，2010）。那么不同程度的媒体多任务者他们的转换成本会存在差异吗？现有的研究结果并不一致。

Ophir 等人（2009）选取斯坦福大学的学生，完成数字—字母（如“2d”）任务，即根据线索（“number”或“letter”）判断字母为辅音/元音或者判断数字是奇数/偶数。转换成本的操作定义是转换试次（如对字母的判断转为对数字的判断）与重复试次（前后两次判断的类型相同）的反应时差。结果表明HMM 相比于LMM，在转换和重复试次下反应时都更长，且转换成本更大（另见Wiradhany & Nieuwenstein，2017，实验一）。而另外三项完全复制Ophir 等人（2009）的研究却得出了不同的结果。Alzahabi 和Becker（2013）发现媒体多任务分数越高的个体，其转换成本越低（另见Alzahabi et al.，2017；Elbe et al.，2019）。Minear 等 人（2013）则没有发现HMM 和LMM 在转换成本上存在差异（另见Baumgartner et al.，2014；Schneider & Chun，2021；Wiradhany &Nieuwenstein，2017，实验二）。Cardoso-Leite等人（2016）总体上也没有发现HMM 和LMM 在转换成本上的差异。

对于以上研究结果存在的差异，可能的解释如下：

一方面，不同研究涉及不同的速度—准确性权衡。一些研究在讨论转换成本时只关注了反应速度，而未考虑准确性。结果发现媒体多任务水平越高的个体转换成本越 低（Alzahabi et al.，2017；Elbe et al.，2019）。但另一些研究则只计算了正确试次的反应。结果发现，媒体多任务水平与注意切换能力之间并无关联（Cardoso-Leite et al.，2016；Minear et al.，2013；Schneider &Chun，2021）。其中可能涉及速度-准确性权衡的问题。频繁进行媒体多任务的个体在不同任务之间转换时可能会优先考虑速度，表现为转换成本较低。有研究表明，在线索和刺激间隔时间较短（Alzahabi et al.，2017）或者同时出现（Elbe et al.，2019）时，媒体多任务分数越高的个体转换成本越小。也就是说，HMM 已习惯于频繁的转换，更适应这种需要快速反应的实验任务。但随着任务难度的增加，快速反应可能会导致错误率的升高。因此只考虑准确试次时，HMM 与较少进行媒体多任务的个体相比，转换成本相当。Alzahabi 等人（2017）的研究或许能部分证明以上解释。该研究发现流体智力与媒体多任务分数呈反比，且流体智力越高的个体的成绩更好，但转换成本也更高。也就是说，这些被试在速度—准确性权衡时会优先考虑准确性，因而转换成本增加，但是准确性也更高。

另一方面，影响转换成本的因素有很多（如线索和刺激的间隔、反应和线索的间隔、样本量、个体差异等），而不同实验范式涉及的因素不同（Uncapher & Wagner，2018）。Alzahabi 等人（2017）的研究证明反应和线索的间隔、线索和刺激的间隔均会影响转换成本。当反应和线索之间的间隔更长时，被试就有更多的时间来抑制上一试次的任务集对当前任务的干扰；在线索和刺激间隔更长时，个体也能充分地在工作记忆中重组当前试次的任务集。此外，上述研究之间样本量的差异可能也是导致结果不一致的原因之一。在很多转换成本相关的研究中，HMM 和LMM 的样本量较小，结果可能并不稳定（Cardoso-Leite et al.，2016；Ophir et al.，2009；Wiradhany &Nieuwenstein，2017，实验一）。最后，个体差异也是一个容易被忽略的重要因素。Cardoso-Leite 等人（2016）的研究表明，总体上HMM 和LMM 在转换成本上没有差异，但当把被试划分为动作视频游戏玩家和非玩家时，两者呈现的模式是相反的。

综上，媒体多任务与注意切换能力之间并未发现稳定的关系模式，暂时无法得出明确的结论，未来的研究需要在控制相关额外变量以及扩大样本量的基础上进行更深入的探讨。

2.2 媒体多任务与持续性注意

虽然目前媒体多任务与注意切换能力的关系仍不明朗，但是该行为在日常生活中过于普遍，这也不禁令人担忧：如果我们长期处于任务切换中，那么不仅我们获得的信息是碎片化的，我们的持续性注意能力也会受到损害。持续性注意是更高层次的注意和认知功能的基础（Bastiaansen et al.，2015），也称为注意的稳定性。Wiradhany 和Koerts（2019）的元分析发现，主观报告频繁的媒体多任务处理与注意力调节的减少具有较弱但显著的相关。

媒体多任务对行为的影响通常表现为我们在当前任务中的注意被无关刺激所吸引。比如我们的注意很容易被突然的手机铃声分散，而被干扰的注意很难恢复到原先的学习任务上（Chen&Yan，2016）。媒体多任务对持续性注意的内部干扰则表现为走神（mind-wandering）。Ralph 等人（2014）发现，媒体多任务分数与注意力不集中和走神存在正相关。其他实验类研究也得到了相似的结论（Loh et al.，2016）。Loh 等人（2016）采用探针范式（被试需在响铃时评估自己的注意力是否在任务上），其结果发现，被试的媒体多任务分数与测试中的走神频率和最后的测试成绩均呈负相关，同时走神频率在媒体多任务分数和测试成绩之间起中介作用。这说明经常进行媒体多任务的个体在观看视频过程中会更容易走神，并因此影响测试成绩。

然而也有研究并没有发现媒体多任务分数与走神的相关（Wiradhany et al.，2019）。如Ralph 等人（2015）同样采用探针范式，结果并没有发现两者的关联。对于这种差异，有两种解释。一是实验与问卷之间的差异。Wiradhany 和Koerts（2019）认为媒体多任务与走神有关的研究对注意的评估多数会采用一般性的问卷，考察的是个体在日常生活中普遍且典型的表现；而发现媒体多任务与走神无关的研究则更多基于被试在某个具体的实验中的表现进行评估。基于具体任务的评估可能并不能体现认知功能的所有层面。媒体多任务分数高的被试可能在某些具体实验中表现良好，但是会报告一些与日常相关的认知问题。二是实验之间的差异。如Ralph 等人（2015）研究中出现的铃声过于密集，这可能会让被试警觉，从而分配更多的注意资源到任务上。

2.3 媒体多任务与注意控制

频繁进行媒体多任务的个体往往会主动或被动的分散注意力。Lin（2009）也指出HMM 可能已经形成了这样的习惯，即对他们面前的所有信息分配几乎相等的注意资源，而不是将注意稳定聚焦于某个特定任务上。Yap 和Lim（2013）有关HMM 和LMM在不同线索下注意模式的研究也证明了这一点。相比于LMM 采用单一的注意模式，HMM 更倾向于采用分散的注意模式，即将注意焦点分散到两个不同的线索上。

HMM 在现实生活中将注意分布在多个媒体上，会偏向于更广的注意范围（Ophir et al.，2009），但这可能导致其对分心刺激抑制能力的降低（Cardoso-Leite et al.，2016；Gorman & Green，2016；Uncapher et al.，2016）。Ophir 等人（2009）采用过滤任务，给大学生呈现不同数量的红色（目标刺激）和蓝色（分心刺激）的长方形。结果发现，在某些条件下，HMM 抑制分心刺激的能力较差。有研究进一步发现，HMM 在过滤任务上的总体表现也比LMM 差（Cardoso-Leite et al.，2016；Gorman & Green，2016）。Uncapher 等人（2016）将长方形换成了常见的物体，也得到了类似的结果。分析结果发现，HMM 在任务中表现出了较高的虚报率，他们更容易将分心刺激当作目标刺激，这也支持以上结论。Lopez 等人（2018）要求被试观看视频，然后对视频中主人公的责任心进行评估。研究不仅控制了视频中房间的整洁程度，还操纵了被试所在实验室的整洁程度。结果发现，HMM在对主人公进行评价时，不仅会考虑到视频中的环境，还会将所在实验室的无关线索也整合到他们的评价中。与此同时，相关的自我报告也支持这种观点，HMM 报告了更多日常生活中在抑制无关干扰上出现的问题（Baumgartner et al.，2017；Baumgartner et al.，2014）。

此外，研究者们还关注了HMM 和LMM 注意模式上的差异。HMM 在面对多个刺激时，更多采用自下而上的注意控制；而LMM 在面对不同的信息流时，更擅长使用自上而下的注意控制，将注意分配到主要 任 务 上（Ophir et al.，2009）。Cain 和Mitroff（2011）的研究发现，LMM 能够根据目标刺激的特点来调节他们的表现：如果某类目标出现的概率大，那么LMM 的注意力更容易被该目标捕获；如果该目标出现的概率小，那么LMM 的注意力则很少被其捕获。而HMM 对两种条件的反应模式是相同的，即目标有不同概率出现时对目标的识别反应时是相当的。Roux 和Parry（2019）还发现，LMM 注意策略的特点是对与任务无关的刺激进行一定程度的预处理，对于不同干扰程度的刺激分配的注意资源不同；而HMM 则没有这种有计划的注意分布。这说明LMM 更擅长采用自上而下的控制方式来提高自己的任务成绩，而HMM 更多受刺激驱动。

3 如何减轻媒体多任务带来的注意问题

媒体多任务行为虽然无法完全避免，但可采取一些措施来减轻其带来的负面影响。一方面，在需要高度集中注意力的工作上我们要避免与电子设备接触。这不仅可以减少媒体多任务发生的可能性，还能避免当前注意力受到电子设备的干扰，因为仅仅是手机的存在（无论是否静音或开机）便会影响我们的任务表现（Ward et al.，2017）。当我们可以对自身的媒体使用行为进行控制时，我们往往可以取得更好的任务成绩。Wu（2017）发现，当个体采取行为策略，如切断网络，将手机锁进抽屉等措施，都可以提高个体的在线学习成绩。

另一方面，由于人们往往对自己在媒体多任务下的表现的预测高于实际表现（Finley et al.，2014），提高自身对媒体多任务的负面影响的认识也是必要的。但仅仅是提高元认知知识的效果是有限的（Parry et al.，2020；Terry et al.，2016），我们还应在日常生活中努力训练提高我们的注意力。对于教育者来说，可以采取有效的措施来提高学生对课堂内容的注意力。研究发现，在课堂上加入一些测试可以帮助学生保持对课程内容的注意（Szpunar et al.，2013），适当增加时间压力以及有效的记笔记也会减少他们浏览无关内容的时间（Wu&Xie，2018），对学生的注意力培训也能降低他们在课堂上的走神率（Mrazek et al.，2020）。对于学生来说，可以采用注意力的自我调节策略来集中注意力（Wu，2017），如将能否集中注意力同个人的情绪联系起来，能集中注意上课时感到高兴，不能集中时则感到悲伤。研究表明这一策略的使用与学生的 学 习 成 绩 呈 正 相 关（Wu，2015；Wu，2017）。还有一些适合更广泛人群的方法能够提高个体的注意力水平，比如正念训练。Mrazek 等人（2012）的研究表明高水平的正念特质与走神存在负相关，8 分钟的正念训练就可以降低后续10 分钟的走神频率。其他研究也发现短时间（Gorman&Green，2016）或较长时间（Mrazek et al.，2013）的正念训练都可以提高被试短期的注意状态。但这些研究没有探讨正念训练的持续效果，这是未来的研究应更多考虑的问题。

4 小结与展望

综上，本文关注数字时代下，频繁出现的媒体多任务情境对个体的核心认知能力—注意可能造成的影响。根据注意的选择、持续和调节监督功能，我们分别从注意切换、持续性注意和注意控制三个方面系统总结了媒体多任务与这些能力的关系。首先，对媒体多任务和注意切换关系的研究中存在的相互矛盾的结果进行了原因剖析（如速度-准确性的权衡，对额外变量的控制等）。其次，通过对媒体多任务与持续性注意关系研究的梳理，我们发现该行为会对持续性注意产生消极影响。再次，我们对媒体多任务与注意控制的关系进行了分析，发现频繁的媒体多任务可能会让个体拥有更广的注意范围，但也损害了人们对无关刺激的抑制能力。在描述现象、分析机制的基础上，本文还从不同角度提出了如何减轻媒体多任务带来的注意问题，为现实生活提供指导。未来的研究还可以从以下几方面展开。

4.1 媒体多任务与认知功能的关系

一方面，现有研究发现媒体多任务与注意之间的关系多为相关研究，并不能表明两者之间存在因果关系（Cecutti et al.，2021）。也就是说，我们并不能对此下一个清晰的结论：是媒体多任务行为导致个体有更多的注意问题，还是有注意缺陷的个体更多地从事媒体多任务行为。另外，大多数研究是横断研究，相关的纵向研究较少。我们也难以判断媒体多任务对个体是否存在长期的不良影响。未来的研究应该深入探讨媒体多任务与注意问题之间的因果关系，以及其对个体是否存在长期影响。

另一方面，注意是较为基础的心理过程，媒体多任务可能会通过注意影响其他的认知功能。如Madore 等人（2020）发现，编码前注意力的缺失会导致编码强度降低，进而影响记忆成绩。Uncapher 和Wagner（2018）的综述中也表明，在简单的工作记忆任务中，HMM 相比于LMM 整体表现更差，可能是由于HMM 较差的持续注意以及注意控制能力导致的。

此外，另一值得关注的问题是媒体多任务对思维的影响。媒体多任务是一项占据大量认知资源的活动，会导致我们更多地依靠直觉性思维（Schutten et al.，2017），从而做出不理性的决策与判断。比如当我们在吃东西时使用多个电子设备，即使是拥有健康饮食理念的个体也会更倾向于选择缺乏营养的零食（McAlister & Kononova，2020）。另外，考虑到其对持续性注意的影响，长期的媒体多任务让人们习惯于碎片化的学习和娱乐方式，可能会导致人们非线性的思维。而媒体多任务与冲动性（Minear et al.，2013） 和感觉寻求的关联（Wiradhany&Koerts，2019），也让人担忧该行为是否会让我们失去深度思考和处理复杂问题的能力。或许这才是该行为带来的最严重的后果，也是最值得思考和探讨的问题。未来的研究要更多地考察媒体多任务对我们思维各项功能的影响。

4.2 媒体多任务对大脑的影响

目前对媒体多任务脑机制的探讨还相当有限。Moisala 等人（2016）的研究表明，在注意力受干扰的情况下，随着媒体多任务分数的增加，个体的任务成绩会降低，同时右前额叶皮质的激活会增加，而该脑区对于注意控制是非常重要的。也就是说，如果存在无关刺激，重度媒体多任务者就需要更多的认知努力和自上而下的注意控制。除了脑功能的变化，还有研究发现媒体多任务与脑结构的改变有关。Loh 和Kanai（2014）的研究表明媒体多任务分数与前扣带回皮质的灰质密度呈负相关。这说明经常进行媒体多任务的个体其前扣带回灰质体积较小，而该脑区对目标定向和反应冲突有重要作用。以上两个研究说明，长期进行媒体多任务的个体，有关注意的脑功能和结构可能会产生消极的变化。

也有研究没有发现媒体多任务行为与脑电数据的关联。Middlebrooks（2020）采用事件相关电位来探讨媒体多任务与认知控制之间的关系，结果没有发现不同个体的N2 和P3 成分在反应性控制和主动控制上的差异。另一项研究则发现媒体多任务对注意网络有积极的影响。Kobayashi 等人（2020）采用fMRI 探讨了个体在静息状态下和完成认知任务时注意网络的变化。结果表明，随着媒体多任务分数的增加，背侧注意网络（DAN）连接强度的差异减小，这说明媒体多任务得分较高的个体注意力更为集中。但是值得注意的是，该研究中，媒体多任务分数的分布范围处于LMM 和中度媒体多任务者之间。Cardoso-Leite 等人（2016）的研究表明，媒体多任务与注意之间呈倒U 形的关系，也就是处于中间的媒体多任务者在注意任务上有更好的表现。所以，Kobayashi 等人（2020）的研究还不能完全说明媒体多任务分数越高的个体注意力越好。随着智能化时代的到来，媒体多任务更加普遍并且趋向于年轻化，探讨媒体多任务对神经发育的影响也变得至关重要。未来需要更多关于媒体多任务的脑机制研究。

4.3 媒体多任务与注意：毕生发展的视角

从发展的角度看，媒体多任务给不同年龄段的个体带来了不同的影响。Baumgartner 和Sumter（2017）研究发现媒体多任务对儿童的影响相较于成年人来说更大，这可能由于儿童的大脑发育尚未成熟且经验不足，对干扰的抑制能力较差。Srisinghasongkram 等人（2020）对六个月大的婴儿展开了一项纵向研究。结果发现在婴幼儿期长时间接触电子媒体多任务，会导致儿童在4 岁和6 岁时出现严重的行为问题。Allchorne 等人（2020）发现3～11 岁儿童的媒体使用与行为问题存在正相关，同时媒体多任务与注意缺陷多动障碍也存在间接的相关。这说明儿童过早的接触电子设备并进行媒体多任务可能与行为问题和注意问题有关。对于具有较强神经可塑性的青少年，其注意力可能同样会受到媒体多任务的影响。在一项纵向研究中发现，与学习有关的媒体多任务显著的预测了3～4 个月后青少年（11～15 岁）的注意问题（van der Schuur et al.，2020）。

但是对于老年人，媒体多任务可能有更为积极的效果。Anguera 等人（2013）对老年人进行为期四周的训练。结果发现，相比于单任务，多任务组的老年被试成绩显著提高，甚至超过了没有接受过训练的年轻人，而且这种提高在六个月之后仍然稳定。脑电数据也表明多任务组老年被试的工作记忆和持续性注意都有提升。这可能是因为老年人的神经网络逐渐衰退，但多任务处理为他们提供了兴奋点，促进他们大脑神经元之间的连接，从而增强了认知功能。

迄今为止，关于媒体多任务对儿童、青少年以及老年人注意功能影响的研究相对较少。当代儿童和青少年生活在媒体多任务的大环境下，他们正在发育的神经系统会受到外界环境的影响，但目前关于脑机制的探讨较少，我们不清楚该行为对他们大脑的塑造是否会带来不利影响。而随着世界各国逐步进入老龄化社会，各项认知功能逐渐下降的老年人是否能够利用新技术来实现健康的老化也是值得我们探讨的问题。因此，从发展的视角探讨媒体多任务对注意功能的影响是非常有必要的。