编辑推荐：
本综述聚焦主体间相关性（ISC）与注意力的关联，通过整合自然主义神经影像学、实验数据及行为测量，探讨 ISC 对注意力的预测作用。元分析显示，ISC 与注意力呈显著正相关（r=0.65，p<0.001），揭示其作为神经标记物的潜力，为教育、认知干预等提供新视角。
主体间相关性（ISC）与注意力关联的系统性研究
研究背景与核心概念
主体间相关性（ISC）是认知神经科学领域新兴指标，反映多个个体在相同任务中神经反应的相似性，被视为注意力集中和认知参与的标志。其应用场景广泛，涵盖教育领域学习成果评估、大众媒体受众参与度分析及音乐体验中的注意力和情感处理等。例如，教育场景中 ISC 可作为学习效果的代理指标，媒体环境下则能体现受众对信息的投入程度。
注意力在此研究中定义为认知资源对外部刺激的分配，包括持续专注和任务导向处理。研究聚焦于与注意力相关的认知参与，排除非相关代理指标（如单纯的学习绩效或唤醒水平）。超扫描技术的发展使同步记录多人神经活动成为可能，尤其在教育和团队协作中价值显著。脑电图（EEG）超扫描因能捕捉联合行动中的精细时间动态，成为探索社会协调神经机制的重要工具。
研究方法与数据整合
研究遵循 PRISMA 指南，通过 PubMed、Web of Science 等数据库，以 “ISC” 与 “注意力” 为核心关键词，检索 2000 年 1 月至 2024 年 7 月间英文实验性研究，排除临床人群、个体内同步等不相关研究，最终纳入 14 项研究（27 个效应量，619 名参与者）。
采用三级元分析模型，处理同一研究内效应量的相关性，避免传统方法对整体效应的高估。数据涵盖 EEG（相干性、锁相值、频谱功率相关性）和 fMRI（体素级或感兴趣区域（ROI）的血氧水平依赖（BOLD）信号相关性）等多模态神经数据，同时整合眼动追踪和行为测量等多维度指标。
关键研究结果
元分析显示，ISC 与注意力呈显著正相关（r=0.65，df=26，p<0.001，95% CI [0.46,0.78]），属大效应量（Cohen 标准），表明 ISC 可有效预测注意力水平。研究异质性显著（Q (df=26)=271.43，p<0.001），任务类型、测量方式和注意力结果类型为潜在影响因素。
任务类型方面，复杂或情感刺激（如音乐、悬疑视频）诱发更高 ISC，反映认知资源的更多投入。例如，听自然音乐时，脑电相干性在特定频段（如 α、θ 波）同步性增强，与节奏和节拍处理相关；观看悬疑电影片段时，扣带回中部、角回和前额叶皮层等区域的神经同步性与悬念 ratings 显著相关（r=0.70-0.79）。
测量工具上，EEG 的高时间分辨率适合动态认知过程（如注意力波动），而 fMRI 的高空间分辨率可定位前额叶皮层（注意力控制核心）、顶叶（信息处理）等关键脑区。多模态整合（如 EEG+fMRI + 眼动追踪）提升了注意力预测的准确性，例如眼动轨迹同步性与自我报告注意力水平显著相关（t (28)=17.36，p<0.001，d=3.22）。
应用前景与挑战
在教育领域，ISC 可实时监测学生注意力，优化 MOOC 内容设计或课堂互动策略。例如，在线视频学习中，眼动同步性高的学生自我报告注意力水平更高，且 ISC 与学习成绩呈正相关（r=0.172）。团队协作场景中，超扫描技术可评估合作效率，复杂任务下的脑同步性更强，反映认知协调需求。
广告与营销领域，观众面部表情同步性（ISC 的行为指标）与情感唤醒正相关（中性场景 r=0.59，快乐场景 r=0.60），为广告效果评估提供新维度。跨文化研究显示，ISC 在不同文化背景下的适用性需进一步验证，但初步证据支持其作为全球注意力指标的潜力。
然而，ISC 研究面临实验设计复杂性（生态效度与控制平衡）、数据采集成本（多设备同步）及分析方法标准化（如频谱分析 vs. 相位同步）等挑战。机器学习和虚拟现实（VR）技术的引入，为处理大规模数据和创建可控自然场景提供了解决方案。
结论与未来方向
本综述证实，ISC 是注意力的可靠神经标记物，尤其在前额叶和颞顶联合区的同步性与认知负荷、情感投入密切相关。未来研究需进一步探索不同任务类型（如跨文化叙事）和个体差异（如神经发育障碍）对 ISC 的影响，推动其在个性化教育、神经反馈干预等领域的应用。随着便携式设备（如 fNIRS）和多模态整合技术的发展，ISC 有望成为解析社会互动中神经机制的核心工具，为认知神经科学和临床干预提供新范式。
