数学焦虑人群数学回避行为的神经认知机制：基于任务难度敏感性与奖赏加工的脑机制研究

本研究针对高数学焦虑(HMA)人群的数学回避行为，通过结合计算建模与功能磁共振成像(fMRI)技术，揭示了其核心认知机制为任务难度敏感性增强而非奖赏加工缺陷。研究人员采用趋近-回避冲突范式(AAC)，发现HMA组在高难度数学任务中回避率显著升高，神经机制表现为腹侧价值网络(VVN)与认知控制脑区(如后扣带回皮层/MCC)的功能连接异常。该成果发表于《npj Science of Learning》，为针对性干预提供了新靶点。

　　

数学焦虑像一道无形的屏障，让许多人在面对数学问题时本能地选择逃避。这种回避行为形成恶性循环：越逃避练习，能力越薄弱，焦虑感越强烈。更令人担忧的是，这种现象正在STEM领域造成人才流失。以往研究多聚焦于数学焦虑对认知表现的直接影响，但对回避行为背后的"决策黑箱"——人们究竟如何在高难度数学任务与潜在奖赏间做出取舍——仍缺乏系统阐释。

深圳大学的研究团队在《npj Science of Learning》发表突破性成果，首次从神经认知双视角揭示了数学回避的机制。通过创新性地融合趋近-回避冲突范式(AAC)与分层漂移扩散模型(HDDM)，团队发现高数学焦虑(HMA)人群的回避行为主要源于对任务难度的高度敏感，而非传统认为的奖赏加工缺陷。当数学问题难度升高时，HMA组接受挑战的意愿显著降低，这种差异在低难度条件下却不明显。fMRI数据显示，这种特异性回避与腹侧价值网络(VVN)中伏隔核(NAc)的异常激活，以及后扣带回皮层(precuneus)、中扣带皮层(MCC)等认知控制脑区的功能失调密切相关。

研究采用多模态技术路线：1) 基于66名高低数学焦虑被试的分组，采用改进版AAC范式同步采集行为与fMRI数据；2) 运用HDDM模型解构决策过程中的任务难度与奖赏敏感性参数；3) 通过心理生理交互(PPI)分析关键脑区功能连接模式；4) 采用链式中介模型验证"焦虑-神经活动-行为"的因果路径。

数学焦虑组的回避行为特征

通过广义线性混合模型(GLME)分析发现，HMA组在高难度数学任务中的接受率比低焦虑组低7.44倍，而低难度条件下无组间差异。任务难度与奖赏的主效应均显著，但只有难度与焦虑组的交互作用达到显著性水平(p<0.001)。

计算建模揭示决策机制

漂移扩散模型显示，HMA组的决策偏差主要源于任务难度系数β_{task difficulty}的异常升高(p(HMA<>_reward无组间差异(p=0.46)。模型1(含交互项)的DIC值(11534)显著优于模型2(12167)，证实难度与奖赏存在拮抗作用。

神经中介通路解析

链式中介分析发现三条显著路径：1) 数学焦虑→任务难度敏感性→回避行为(效应值0.15)；2) 数学焦虑→海马(HPC)激活→回避行为(效应值0.09)；3) 数学焦虑→难度敏感性→后岛叶(PI)激活→回避行为(效应值0.02)。

脑功能连接分类

基于六个关键脑区(前扣带回、海马等)的功能连接模式，机器学习模型能以70.49%准确率区分高低焦虑组(p=0.009)。其中后岛叶-中扣带皮层的连接权重最大，成为最具鉴别力的特征。

这项研究首次系统阐释了数学回避的神经认知机制：对高数学焦虑者而言，大脑如同装错了"价值计算器"——过度放大任务难度的威胁信号，却无法有效整合奖赏信息。这种神经编码偏差导致其决策天平总是向回避倾斜。发现的关键脑区与神经环路为开发针对性干预措施(如神经反馈训练)提供了精确靶点。更深远的意义在于，该研究为理解焦虑相关回避行为建立了新范式，将传统认知心理学视角拓展至决策神经科学领域。未来研究可探索个性化奖赏方案能否"重新校准"HMA人群的价值计算系统，从根本上打破"逃避-能力下降"的恶性循环。