奖励线索对个体外在动机的影响：基于ERPs 的研究

倪亚琨 赵冬梅 张 镒 郭腾飞

（1 广东金融学院，广州 510521；2 广东技术师范大学教育科学学院，广州 510665）

1 引言

有效激发个体的动机对于企业组织和管理者来说是一个至关重要的话题， 目前企业采用的主要激励方式仍是与绩效密切关联的物质奖励， 以此来激发个体积极性、提升组织绩效。金钱奖励是规范人类行为的一个次级但强大的激励因素 （Xu et al.，2018）。获得报酬也是个体日常生活中最重要的目标之一， 大多数探索动机如何影响认知过程的研究都集中在金钱奖励上， 而金钱奖励也被证实是一种优秀的激励因素 （Morie et al.， 2014； Smith et al.，2011）。 奖励作为一种典型的满意刺激物，可以引发高水平的动机强度， 通过增强自上而下的注意控制来增加任务投入改善任务绩效 （Banerjee， et al.，2015； Chelazzi et al.， 2013）。 同时，由奖励所诱发的动机性对促进个体行为向主动转变具有积极的影响作用 （Chiew ＆ Braver， 2014； Fröber ＆ Dreisbach， 2014）。 此外，使用金钱刺激的功能性磁共振成像（functional Magnetic Resonance Imaging， fMRI）研究表明，奖励可以增强注意力网络的区域的激活， 而动机信号对注意网络前额叶区域和早期感觉处理区域的影响也已在人类神经成像研究中得到了充 分 地 证 明 （Engelmann et al.， 2009； Small et al.， 2005； Smith et al.， 2011）。因此如何更好地发挥金钱奖励对外在动机的激励作用， 使激励机制达到效用最大化是值得关注的问题。

在企业当前以绩效为主导的薪酬体系中， 员工通常在完成任务后获得相应的奖励。然而，神经经济学家和心理学家强调， 动机受到个人对预期享乐结果的强烈影响， 这是因为人类具有在心理上模拟事件可能产生的情感后果的能力（Fuentemilla，2013）。 例如，一个人在等待彩票结果时往往表现出高度兴奋。 另外，在许多情况下，环境中的线索可靠地表明其即将获得抢先回报的机会。例如，友好的微笑通常标志着获得社会认可的机会。因此，线索可以增强奖励带来的动机效应， 从而促进产生获得它所需的行为（Sawaki et al.， 2015）。 研究表明，与低奖励线索相比，高奖励线索能够增强记忆编码，并在检索过程中调节事件相关电位 （event－related potentials， ERPs）， 导致后续信息处理的战略准备状态，这被认为是高度激励性的（Flores et al.，2015）。 因此， 在工作任务中使用奖励激发个体外在动机的过程中，奖励线索的作用不可忽视。

虽然金钱奖励的脑成像研究解释了人类大脑的奖励回路， 但奖励处理不是一个单一的结构和单一的过程。从广义上讲，奖励处理可以分为三个核心的部分：“喜欢”（享乐主义的影响）、“想要”（动机突显）以及“学习”（预测联想和认知），每一个都可以映射到不同的神经解剖学和神经化学系统中 （Novak et al.， 2016）。因此，奖励不能理解为一个单一的现象，而是反映了一组相互关联的过程， 这些过程随着时间在多个阶段动态展开（Oumeziane et al.， 2017）。事件相关电位作为神经影像学研究的补充， 可以将发生在极近时间内的不同事件的神经状态信号进行分离，更加精细地剖析奖励处理的时间动态。 此外，寻找动机水平的稳定的可测量的客观测量指标对于开展动机相关研究具有重要意义。 金钱激励延迟（monetary incentive delay，MID）是一项可以有效分解奖励处理时间过程的实验任务，无需经过习得，并且可以直接评估优势反应调节能力， 能够体现任务中由优势反应所引发的任务准备性 （白学军 等，2009）。典型的MID 任务主要考察在奖励、惩罚和中性条件下个体的认知反应，但在日常工作情景中，个体在完成一项任务时较少会受到惩罚， 组织中惩罚通常用于个体违反组织规范，例如迟到、旷工等。 因此，本研究对MID 任务进行改编，将任务前的提示聚焦于奖励情景，提供了高、中、低三种奖励线索作为个体动机的激发材料， 将奖励线索所引发的个体复杂任务动机过程划分为奖励线索阶段、 任务准备阶段、任务监控阶段、奖励结果期待阶段，以期在各阶段寻找可以客观表征个体动机强度的脑电信号指标。

由情景线索诱发产生的反馈相关负波 （feedback－related negativity， FRN）可以探寻由不同情景线索引发的情感动机差异（Jin et al.， 2015； Osinsky et al.， 2013）。 预测结果的线索会引发与反馈相关的负性波幅， 反映出对预期结果是否可能的初步评估（Zhang et al.， 2017）。 当出现的线索与个体预期产生冲突时，会引发更负的Cue－FRN 波幅。 奖励激励和对于满足／不满足即将到来的认知需求的任务信息线索， 会以一种主动或被动的准备方式影响认知控制（Chiew ＆ Braver， 2016）。因此，奖励相关的激励刺激可以改变注意力和其任务准备状态（Sawaki et al.， 2015）。在与动机相关的刺激等待期间（例如，目标和任务中间的这段时间），会出现一种广泛的缓慢的负向波，被称为刺激前负波（stimuluspreceding negativity，SPN）（Brunia et al.， 2011），其对任务的动机价值较为敏感。有研究表明，SPN 会受到激励线索变化的影响， 在有奖励可能的实验中SPN 的振幅比没有奖励可能的实验中更负（Pornpattananangkul ＆ Nusslock， 2015）。

正在进行的任务监控系统受到奖励预期系统的影响，但奖励和任务监控过程是相互分离的过程，当任务成功或不成功执行时， 个体将根据任务结果对该任务的未来执行进行重新调整 （Morie et al.，2014）。 FRN 成分的相关研究较为一致地认为，相较于良好绩效的反馈， 个体在糟糕的绩效下所产生的FRN 更负 （Walsh ＆ Anderson， 2012）。 这不仅反映出个体对损失敏感， 也体现出期望在下次任务中纠正行为相关的过程， 以此确保下一次反应更加进步， 这种个体行为的调整极具适应性动机作用。 此外，在之前的研究中，任务绩效反馈的同时给出奖励结果， 这可能会将任务监控与奖励反馈处理混为一谈。为了更加清晰地揭示动机水平的阶段性构成，我们的实验设计中将任务绩效监控与关于任务执行的奖励反馈分离开来， 这样在任务结果和奖励反馈之前会呈现一个奖励期待环节， 使被试能够对他们是否可能获得的奖励做出第二次预测。 当个体进行预期反馈刺激时，奖励的线索效应也会发生，会出现明显的SPN 波幅（Angus et al.， 2017），其在反馈结果呈现前达到最大 （Foti ＆ Hajcak，2012； Novak et al.， 2016；）。 有研究证实，在等待反馈结果呈现时，参与者在期望得到前期暗示将得到奖励或避免惩罚的反馈时， 会产生较负的SPN 波幅（Angus et al.，2017）。

综上所述， 本研究期望通过ERPs 技术考察奖励线索这一激励因素对个体外在动机的影响， 主要采用金钱奖励这一可以明显激发个体外动机的因素， 并基于MID 范式实现复杂动机过程的拆分，分别对个体在不同奖赏线索的任务中的情景线索加工阶段Cue－FRN 成分、 任务准备启动阶段Task－SPN成分、 任务绩效监控阶段dFRN 成分和奖励结果期待Outcome－SPN 成分进行分析，期望通过认知神经科学技术寻找能够更加直观和客观地表征个体动机水平的脑电信号， 并为企业在工作设计中更好地发挥金钱奖励激励效用提供借鉴。

2 方法

2.1 被试

通过同城网站发布招募被试信息以及滚雪球取样法， 选取具有工作经验的22 名成人参与实验，男性10 人。 他们的年龄范围在22～33 岁之间，平均年龄为26.45 岁；平均工作年限为3.63 年。工作单位性质：国有企业1 人、事业单位1 人、合资企业5 人，私营企业15 人。22 名被试符合脑电实验的基本要求，均为右利手，视力及矫正视力正常，无精神疾病史。实验开始前， 参与实验的人员首先阅读脑电实验介绍， 确认实验的无危害性后签署脑电实验的知情同意书。

2.2 实验设计与材料

采用单因素被试内设计， 自变量为不同奖赏概率的奖赏线索，分为高、中、低三个水平。因变量为三种奖励线索下的反应时和成功率， 情景线索加工中Cue－FRN 波幅、 在任务启动准备阶段中Task－SPN波幅、任务绩效监控阶段中差异波dFRN 波幅、奖励反馈结果期待的Outcome－SPN 波幅。

研究采用信号射击任务（Morie et al.， 2014； 郭婷 等，2016）。 具体任务为在电脑屏幕上出现一个蓝色方块目标物，要求被试在看到蓝色目标时快速按空格键进行射击反应，在目标消失前按键为击中，反之，则未击中。 三种奖赏概率水平下的任务难度没有差别，蓝色目标物的呈现时间根据被试的持续表现采用“变形阶梯法”（up and down transformed response rule， UDTR） 而变化 （Wetherill ＆ Levitt， 1965）。UDTR 用于调整任务的难度，在给定的任务中，确保所有参与者的任务表现不会受到个体反应速度的影响。 在当前实验任务中，蓝色目标物伴随着一个响应时间窗口出现，被试要在响应窗口关闭前尽可能快地做出响应。 本研究主要使用了一个简单的“one－uptwo－down”的UDTR 原则，也就是说，如果被试连续两次在响应时间窗口内成功地做出响应，那么窗口时间会缩小20 ms，使任务的下一次迭代更加困难（这就是所谓的“two－down”）；如果参与者在下一个迭代中错过了响应窗口（或者说只成功响应了一次），那么响应窗口将向外调整20 ms，使任务更简单（即“oneup”），此方法可保证被试的正确率达到70 % 左右。

2.3 实验程序

具体的实验流程如图1 所示， 首先在屏幕中央分别随机呈现1500 ms 的高、中、低水平的任务奖励线索：高奖励线索时呈现红色圆形图标代表“本轮任务成功有80%概率获得奖励”； 中奖励线索时呈现绿色圆形图标代表“本轮任务成功有50%概率获得奖励”；低奖励线索时呈现黑色圆形图标代表“本轮任务成功有20%概率获得奖励”。然后进入1500 ms的任务准备等待阶段，随后出现蓝色方块目标物，要求被试尽快地按空格键进行射击反应。按键反应后，呈现800 ms 的任务结果， 在蓝色目标物呈现的时间窗范围内进行按键反应，即为击中，呈现“√”，反之则为未击中，呈现“×”。 击中时，经过1000 ms 的奖励反馈等待阶段后呈现奖励结果， 有奖励的情况下显示“＋1”，无奖励时显示“＋0”，呈现时间为1200 ms；未击中时，经过600～800ms 的随机空屏后进入下一试次。为了让被试能够较好地熟悉实验流程，在正式实验开始前设置10 个trial 的练习实验。 正式实验中高、中、低奖励线索各120 个trial，共360 个trial，随机呈现，每进行60 个trial，设置一个由被试自由控制的休息时间。 实验基本报酬为50 元，任务成功奖励按照2∶1 的比率计入总报酬。

图1 实验流程图

2.4 行为和脑电记录与分析

使用E－prime2.0 软件呈现刺激材料，并记录保存行为数据结果。采用SPSS20.0 对被试反应时和任务成功率进行方差分析。

使用64 导Ag／Ag CL 电极帽来采集记录脑电信息。 脑电数据的采样频率为500 Hz，滤波带通为0.01～100Hz。参考电极位于Fz 与Cz 连线中点，同时记录垂直眼电（VEOG））和水平眼电（HEOG）。 被试头皮阻抗小于5kΩ。 实验完成后对记录的脑电数据进行离线分析， 采用独立成分分析法 （independent component analysis，ICA） 矫正眼电， 滤波带通为30Hz （24 dB／oct）。

如图1 所示，情景线索加工阶段分别为高、中、低三种概率奖励线索的随机呈现； 任务绩效监控阶段为被试射击任务击中与否的结果呈现， 以上两个阶段选取的分析时程为刺激呈现的-200ms～800ms，刺激呈现前-200ms～0ms 为基线进行矫正。 任务启动准备阶段为被试等待目标物出现进行射击的准备状态； 奖励结果期待阶段为被试了解到了成功击中目标物后，等待奖励结果呈现的过程，以上两个分析时程为刺激呈现前-800ms～0ms，刺激呈现前-800ms～-600ms 为基线进行矫正。

在情景线索加工阶段， 主要对由奖励线索加工中所诱发的Cue－FRN 成分进行统计分析。 FRN 最大波幅一般出现在头皮前额区矢状线 （Hajcak et al.， 2007）， 选 取Fz，FCz，Cz 点 对290 ～350ms 的Cue－FRN 平均波幅进行统计分析，任务启动准备阶段主要对任务开始前的刺激前负波Task－SPN 进行分析。 SPN 成分主要在刺激前－600～0ms 内出现，并在前额区达到最大波幅（Brunia， et al.， 2012）。 因此， 本研究主要选取前额区F1，Fz，F2，FC1，FCz，FC2 点对－400～0ms 的Task－SPN 的平均波幅进行统计分析。 由于在任务绩效监控阶段主要涉及三种奖励线索下任务成功和失败6 种类型的脑电数据，因此，为了更加清晰地呈现研究结果，对三种实验条件下任务成功和失败情景中FRN 成分的差异波dFRN 进行分析。 有研究表明，dFRN 可以作为个体动机水平的客观表征指标（Ma et al.， 2014）。 本研究主要选取Fz，FCz，Cz 点对三种奖励线索条件下250～350ms 的dFRN 波幅进行统计分析。 奖励结果期待阶段主要选取前额区F1，Fz，F2，FC1，FCz，FC2点对－400～0ms 的Outcome－SPN 平均波幅进行统计分析。 同时，为了使脑电分析结果更加清晰，仅报告含有三种实验条件下具有显著效应的统计结果。

3 结果

3.1 行为数据结果

3.1.1 反应时

对被试在高、中、低三种奖励线索下的反应时和成功率进行统计，结果如表1 所示。对被试在高、中、低三种奖励线索下的任务反应时进行单因素方差分析。 被试在三种奖励线索情景下的反应时具有显著差异，F（2，42）＝22.48，p＜0.001，η2p＝0.517。 事后比较结果显示， 被试在高奖励线索下的反应时 （M＝264.44 ms，SD＝62.56） 显著快于中奖励线索情景（M＝273.69 ms，SD＝66.98），且显著快于低奖励线索情景（M＝285.99 ms，SD＝77.86）。 由此可以看出，被试在高奖励线索下对目标物进行按键射击反应的反应时更快，在低奖励线索情景下其反应时显著延长。

表1 不同奖励线索条件下被试反应时（ms）及成功率（%）

对被试在高、中、低三种奖励线索下任务成功率（即在目标物出现时的击中率） 进行单因素方差分析。 在三种奖励线索情景下被试击中目标物的成功率具有显著差异，F（2，42）＝6.16，p<0.01，η2p＝0.227。 事后比较结果显示， 被试在高奖励线索情景下的任务击中成功率（M＝71.64%，SD＝6.70）显著高于低奖励线索情景（M＝66.05%，SD＝4.97），而中等奖励线索情景下的任务成功率（M＝68.95%，SD＝5.32）与高奖励线索及低奖励线索情景下的任务成功率不存在显著差异。 因此，相较于低奖励线索，被试在高奖励线索下能够更加快速地进行反应， 且任务击中的成功率更高。

3.2 脑电数据结果

（1）情景线索加工阶段的脑电数据分析

对高、中、低奖励线索的Cue-FRN成分的平均波幅进行单因素方差分析。 三种实验条件下Fz，FCz，Cz 点总平均波形图如图2A 所示。由于FRN 为负走向的脑电波， 因此波幅数值越小， 说明波幅越大。 重复测量方差分析结果表明，奖励情景线索主效应显著，F（2，42）＝4.617，p<0.05，η2p＝0.180。 进一步事后分析结果表明，低奖励线索情景下的Cue－FRN波幅（M＝－1.723μV，SD＝0.705）显著负于高奖励线索（M＝－0.712μV，SD＝0.706），与中奖励线索（M＝－1.290μV，SD＝0.743）相比差异不显著。 这说明相较于中等奖励线索和高奖励线索， 低奖励线索情景引发了个体更大的认知冲突， 表现出更加明显的情绪动机。

（2）任务启动准备阶段的脑电数据分析

对高、 中、 低3 种奖励线索与条件下的Task－SPN 成分的平均波幅进行单因素方差分析。 总平均波形图如图2B 所示，结果表明，奖励线索情景主效应显著，F（2，42）＝4.429，p＝0.024，η2p＝0.174。 进一步事后分析结果表明，高奖励线索情景下的Task－SPN波幅（M＝－0.051μV，SD＝0.641）显著负于低奖励线索（M ＝1.405μV，SD ＝0.724）， 与 中 奖 励 线 索 （M ＝0.791μV，SD＝0.833）不存在显著性差异。SPN 成分所表达的认知含义说明， 个体在高奖励线索条件下对将要进行的实验任务的期待程度更高。

图2 情景线索加工阶段（A）与任务启动准备阶段（B）总平均波形图

（3）任务绩效监控阶段的脑电数据分析

对高、中、低3 种奖励线索条件下的dFRN 成分的平均波幅进行单因素方差分析， 总平均波形图如图3A 所示。 统计结果表明，奖励线索情景主效应显著，F（2，42）＝5.152，p＝0.016， η2p＝0.197。 进一步事后分析结果表明， 高奖励线索情景下的dFRN 波幅（M＝－7.139μV，SD＝0.890）显著负于低奖励线索（M＝－3.228μV，SD＝1.178），与中奖励线索（M＝－5.315μV，SD＝0.994）差异不显著，说明在高奖励线索条件下个体对自己的任务结果关注度更高。

（4）奖励结果期待阶段的脑电数据分析

对高、中、低3 种奖励线索条件下的Outcome－SPN 成分的平均波幅进行单因素重复测量方差分析，总平均波形图如图3B 所示。 统计结果表明，奖励线索情景主效应显著，F （2，42）＝4.731，p＝0.022，η2p＝0.184。进一步事后分析结果表明，高奖励线索情景 下 的Outcome－SPN 波 幅 （M ＝－3.300μV，SD ＝0.925） 显著负于低奖励线索 （M＝－0.711μV，SD＝0.739），与中奖励线索（M＝－1.627μV，SD＝0.780）差异不显著。SPN 成分所表达的认知含义说明，个体在高奖励线索条件下任务成功会表现出更高程度的奖励期待。

4 讨论

4.1 行为数据

外部激励是指给员工下达工作的指令， 承诺员工在达到特定目标时给予奖励。因此，本研究设置了任务奖励线索， 告知被试在任务成功后分别有80%，50%和20%的概率获得奖励，用以考察奖励线索对个体外在动机的影响。 奖励不仅能够促使行为的改变， 也能够对个体的内部心理过程产生影响（Anderson ＆ Yantis， 2013）。 众多研究也证实了奖励作为动机可以促使个体产生相应的行为（Dodd ＆Flowers， 2012）。 在本研究中可以看出，与中、低奖励线索相比， 高奖励线索使得个体更加快速地对目标物进行响应。同时，奖励线索可以在不受奖励意识的影响下促进努力，但当个体意识到奖励时，才会对行为响应的速度产生影响（Bijleveld et al.， 2010）。Holroyd 等人（2011）的研究证实，预测未来奖励的概率为80%的线索比预测80%概率没有奖励的线索引发个体更大的奖励积极性。由此可以看出，本研究中对不同概率的奖励线索的操控也是有效的， 高奖励线索可以让个体明显产生奖励意识， 并促使其进行快速的反应。 同时，在高奖励线索下，个体的任务成功率更高， 说明奖励线索作为一种动机因素可以通过增强执行功能和任务集中对任务绩效产生影响（Chiew ＆ Braver， 2013）， 提供金钱奖励的承诺提升了外部动机的强度（Vol’f ＆ Tarasova， 2014）。当个体建立更好的行为表现能够获得更高的奖励时，这样的金钱奖励线索就成为了促使其产生优秀表现的动机，为了获得更多的奖励，个体会促使自己又快又准地进行反应（Levy ＆ Glimcher， 2012）。 奖励对学习行为影响的研究中指出， 学习过程中的奖励动机促使个体采用与奖励相关的检索定向来支持高激励信息的检索（Halsband et al.， 2012）。 同时，高奖励的目标刺激对个体记忆也能产生较强地影响，促使学习效果更好， 反应速度更快 （Chelazzi et al.， 2013）。 从本研究的行为结果来看，与中、低奖励线索相比， 高奖励线索信息激发了个体的外在奖励动机，增强了个体的感知和执行控制过程，进而实现了更有效的目标导向行为， 具体表现为更快的反应速度和更高的任务成功率。

4.2 脑电数据

（1）情景线索加工阶段脑电数据的讨论

本研究使用MID 范式将由奖励线索诱发的个体外在动机过程拆分成不同阶段。首先，在情景线索加工阶段， 奖励线索作为次级强化物具有明显的动机和情感意义 （Angus et al.， 2017）。 Padmala 和Pessoa（2011）研究在金钱激励或非激励的提示下，要求参与者执行一项反应冲突任务。结果显示，相对于非奖励情景， 奖励情景下参与者的冲突效果有所降低， 额顶叶注意力控制区域的线索相关反应显示内侧前额叶皮质（mPC）和前扣带回皮质（ACC）区域冲突相关信号减少。起源于ACC 的FRN 成分，反映出对结果是比预期好还是差的初始二元评估（Proudfit， 2015）。 FRN 的强化学习理论模型认为，它要么表示绝对预测错误（例如，结果与预期不同），要么具体表示奖励预测错误（例如，结果比预期差）（Holroyd ＆ Yeung， 2012）。而在本研究中，与高奖励线索相比， 低奖励线索引发了更负的FRN 波幅，由此， 可以看出低奖励线索会引发个体较大的认知冲突，与自己的预期不符，说明个体更期望出现符合其预期的高奖励线索。同时，奖励线索也被观察到可以减少冲突处理中的行为干扰（Krebs et al.， 2013），显著加快神经对新刺激的反应。 结合本研究的行为结果，这种效应也表现在不同奖励概率的线索中，高奖励线索中冲突减少，对任务目标反应也更加快速。

（2） 任务准备启动阶段脑电数据的讨论

由于奖励激励和任务信息线索会影响个体完成任务的准备状态， 而个体的任务准备状态具有明显的动机含义，因此，本研究在不同奖励线索呈现后，设置了任务准备阶段， 在这一阶段被试需要对即将出现的信号射击任务进行等待准备。 奖励线索与任务的分离， 使得我们可以更加清晰地对个体由奖励线索引发的认知过程进行探讨。 奖励效应中的准备前摄过程对于理解个体任务动机有重要的意义。 有研究发现， 在任务情景中提供有效性的奖励提示会影 响 个 体 的 准 备 状 态 （Greenhouse ＆ Wessel，2013； Rosell－Negre et al.， 2014 ）。 刺激前负波（SPN）是一种缓慢性负波，特征是前额和顶叶区域的缓慢、非运动负电位，其振幅随着动机刺激的到来而逐渐增加， 是动机／注意力参与程度的显著指标（Brunia et al.， 2011； Hackley et al.， 2014）。 因此， 我们对任务启动准备阶段的Task－SPN 成分进行了分析，结果发现，高奖励线索情景下，任务启动准备过程中出现了较负的Task－SPN 波幅。 SPN 被认为主要对与动机相关的刺激或具有情感效价的刺激的期望非常敏感， 其神经活动是由动机显著的奖励预期线索的存在而增强的。 高奖励线索下个体出于对高奖励获得的期望， 进而引发了高程度的任务准备状态，其注意力参与程度更高，表现出了明显的动机性。也正因为如此，被试才能在高奖励线索下对信号目标产生更快更准的行为反应。同时，也有研究证实，增益预期过程中产生的SPN 是趋近动机行为的一个重要预测因子（Zhang et al.， 2017）。 因此，在任务准备阶段表现出的Task－SPN 成分可以作为表征个体的动机水平脑电指标， 并且对任务执行中的表现具有明显的预测作用。

（3）任务绩效监控阶段脑电数据的讨论

个体对于任务完成情况的监控极具适应性价值，可以说，个体所从事的多数活动都是为了获得短期或长期的奖励。因此，个体会根据环境突发事件制定和调整奖励预期， 在这些奖励期望的背景下监测正在进行的活动并根据结果进行调整（Deci et al.，1999）。 功能磁共振成像研究显示，部分不同的大脑机制存在于任务监控和奖励处理中， 其中腹侧纹状体和前扣带皮层（ACC）参与了任务监控（Hare et al.， 2008）。 因此，本研究对三种奖励概率条件下成功和失败两种任务结果中的差异波dFRN 进行了分析。ERPs 研究通常使用差异波来分离两种实验类型中不同活动的神经过程， 在本研究中采用差异波进行分析消除了任务结果这一因素对神经活动的影响。它聚焦于实验条件，即不同奖励线索下任务监控阶段的脑电活动差异。本研究结果显示，在任务绩效监控阶段中，相较于低奖励线索，高奖励线索引发了更负的dFRN 波幅， 说明个体对高奖励线索下的任务结果关注度更高。在高奖励线索任务中，任务成功意味着被试有更大的可能性获得奖励， 而任务失败则会促使个体对自己的行为状态进行调整， 以期在下一次任务中努力获得成功。 这可能是由于高奖励线索引发了个体的高奖励期待，就其本质而言，激励刺激具有很强的奖励关联。最近的研究表明，当刺激与奖励结果相关联时， 它们会被更快地识别出来（O’Brien ＆ Raymond， 2012）， 也更容易吸引注意力（Anderson et al.， 2011），并产生一个持久的高级可视化表示（Raymond ＆ O’Brien， 2009）。

（4）奖励结果期待阶段脑电数据的讨论

先前的动物模型和人类研究表明， 奖励处理可以分为两个时间阶段：奖励预期和奖励结果（Liu et al.， 2011； Salamone ＆ Correa， 2012）。 这些阶段被认为在神经化学、 神经解剖学和神经生理学上是不同的。有研究指出，奖励预期和奖励结果神经活动之间关系的特异性程度， 在以前的研究中很大程度上被忽略了， 研究这种关系将有助于我们更好地理解大脑中奖励处理的时间动态（Pornpattananangkul＆ Nusslock， 2015）。 因此，不同于以往将任务反馈结果与奖励反馈结果同时呈现的实验范式， 本研究采用改编版的MID 任务范式， 在任务结果之后，奖励结果呈现之前，设置了奖励结果期待环节，可以明确地分离由奖励预期和结果引起的神经活动。 在本研究中， 个体对奖励预期的评估主要发生在两个阶段：第一阶段，个体评估自己所要完成的任务是否具有奖励性，要付出多少努力来完成任务，即任务启动准备阶段；第二阶段，在任务成功后对自己是否能够获得奖励的预期评估，即奖励结果期阶段，因此，在此阶段同样是对SPN 成分进行考察。 当个体等待与奖励反馈相关时， 会产生更负的SPN 成分（Foti ＆Hajcak， 2012； Fuentemilla et al.， 2013）。 有研究强调了SPN 在预测与奖励相关的反馈中起着重要作用， 而这种预期背后的神经活动是由具有显著动机性的奖励预期线索的存在而增强的（Pornpattananangkul ＆ Nusslock， 2015）。 在本阶段中，在高奖励线索任务成功时，个体产生了较负的Outcome－SPN 波幅，在高奖励线索情景下，个体任务成功会大概率地获得奖励。因此，在经过高努力投入的任务准备阶段成功完成任务后， 个体对自己即将获得的奖励表现出了较高程度的期待性， 所以引发了较大的Outcome－SPN 波幅。可以看出，在奖励结果反馈期待环节中，Outcome－SPN 也可以显著地表征个体的动机水平以及状态。

5 结论

本研究使用了改编版MID 任务，将个体任务过程划分为五个阶段， 重点考察了信号射击任务时的反应时和任务成功率以及四个阶段脑电成分， 分别是情景线索加工阶段的Cue－FRN 成分、任务启动准备阶段的Task－SPN 成分、 任务绩效监控阶段的dFRN 成分以及奖励结果期待阶段的Outcome－SPN成分，其主要结论如下：

（1） 个体在高奖励线索下对目标物进行按键射击反应的反应时更快， 在低奖励线索情景下其反应时显著延长。 并且，相较于低奖励线索，被试在高奖励线索下能够更加快速地进行反应， 且任务击中的成功率更高。

（2）在情景线索加工阶段，低奖励线索情景诱发了更负的Cue－FRN 波幅，因低奖励线索与自己的预期不符，所以引发个体较大的认知冲突。 相反，高奖励线索符合个体预期，认知冲突减少，因此对任务目标反应也更快。

（3）在任务启动准备阶段，高奖励线索下个体产生了较负的Task－SPN 波幅， 表明在任务启动准备阶段，高奖励线索下个体出于对高奖励获得的期望，进而引发了高程度的任务准备状态， 其注意力参与程度更高。

（4）在任务绩效监控阶段，相较于低奖励线索，高奖励线索引发了更负的dFRN 波幅， 说明个体对高奖励线索下的任务结果关注度更高。

（5）在奖励结果期待阶段，高奖励线索情景下任务成功后，产生了较负的Outcome－SPN 波幅，由于经过高努力投入的任务准备阶段， 因此个体对自己即将获得的奖励表现出了较高程度的期待性。