习惯性视频游戏体验预测多任务表现：认知能力的中介作用尚不明确

《Scientific Reports》：Habitual video gaming predicts multitasking performance while the role of cognitive capacity remains inconclusive

语 本研究针对视频游戏能否通过提升认知能力改善多任务表现这一争议问题，对59名不同游戏经验的个体进行理论视觉注意（TVA）建模和开放多属性任务电池（openMATB）测试。结构方程模型显示，游戏经验直接预测多任务表现（B=-0.52），但TVA信息处理速度（C）和短时记忆容量（K）未起中介作用。结果挑战了“认知能力是游戏效应核心机制”的传统观点，为多任务策略研究提供新方向。

　　

在数字化时代，视频游戏已成为全球超过60%人口的日常娱乐活动，但其对认知功能的影响始终充满争议。一方面，公众担忧游戏可能引发成瘾或社交障碍；另一方面，研究指出动作类游戏能增强视觉信息处理、注意力和工作记忆。然而，这些结论常因研究方法不一致而受到质疑——例如，基于游戏类型的玩家分类标准存在主观性，且不同游戏类型（如第一人称射击与实时策略游戏）可能共享相似的认知训练特性。更关键的是，视频游戏提升多任务表现的内在机制尚未明确：是源于注意力控制的优化，还是其他认知资源的协同作用？

为解开这一谜题，苏黎世大学与德国联邦国防军慕尼黑大学的研究团队在《Scientific Reports》发表最新研究，通过理论视觉注意（Theory of Visual Attention, TVA）计算建模与多任务模拟测试，探索游戏经验、认知能力与多任务表现之间的因果关系。研究招募59名具有不同游戏经验的年轻参与者（含14名女性），利用视觉短时记忆任务拟合TVA参数（信息处理速度C和短时记忆容量K），并采用开放多属性任务电池（openMATB）——一种低精度飞行模拟器——评估多任务表现。参与者需同步完成系统监控、追踪、通信和资源管理四项子任务，其表现通过失误数和误差值量化。

关键技术与方法

研究结合行爲测试与计算建模：首先通过TVA框架分析视觉短时记忆任务数据，提取C（信息编码速率）和K（记忆容量）参数；其次采用openMATB模拟多任务环境，生成四项性能指标；最后通过结构方程模型（SEM）检验游戏经验（基于游戏时间与专业度的潜变量）是否通过TVA认知能力影响多任务表现。对照组分析纳入军事经验、媒体多任务指数等变量，所有分析基于5000次Bootstrap抽样确保稳健性。

研究结果

游戏经验直接预测多任务表现

结构方程模型显示，游戏经验显著提升openMATB表现（B=-0.52, 95% CI [-0.92, -0.15]），即游戏经验越丰富，多任务失误越少。该效应独立于性别、年龄或飞行经验，且统计功效达94.54%。

认知能力的中介作用未获支持

尽管假设TVA参数（C和K）可能解释游戏经验与多任务表现的关系，但中介分析显示：游戏经验与TVA参数无显著关联（路径a），TVA参数与多任务表现亦无直接关联（路径b），间接效应不显著。即使单独检验C或K参数，结论依然不变。

对照组变量影响有限

军事服务年限与游戏经验相关（B=0.72），媒体多任务指数与多任务表现弱相关（B=0.17），但包含这些变量的模型拟合劣于仅含游戏经验的基准模型（BIC最低）。

讨论与意义

本研究首次在未对玩家进行类型分类的前提下，验证游戏经验对多任务表现的直接预测作用，暗示游戏效益可能超越传统的“动作游戏优势”范畴。然而，TVA认知能力未起中介作用，可能与多任务策略的灵活性有关：openMATB要求玩家在任务间动态分配注意资源（如注意力切换策略），而TVA任务强调短时间内最大化信息编码，二者认知需求不同。这一发现挑战了“注意力控制是游戏效益核心机制”的经典理论，支持了任务特异性策略的重要性。

结论

习惯性视频游戏体验可直接提升多任务表现，但该效应并非由TVA模型定义的基础认知能力（信息处理速度与短时记忆）中介。未来需更大样本验证认知能力的潜在作用，或深入探究多任务策略的个体差异。研究为理解游戏效益的边界条件提供了新视角，对飞行员、外科医生等需高效多任务处理的职业培训具有参考价值。