預期對路徑整合的影響*

張為威 黃建平 宛小昂

預期對路徑整合的影響

張為威 黃建平 宛小昂

(清華大學心理學系, 北京 100084)

人們通過整合自身運動信息進行的空間巡航稱為路徑整合。本研究采用頭盔式虛擬現(xiàn)實和分段式虛擬迷宮, 探究個體的預期如何影響其路徑整合的準確性。任務要求被試從包含4個或8個路段的外出路徑的起點出發(fā), 行經(jīng)所有路段后到達外出路徑的終點, 再從終點直接返回起點。三組被試在實驗前接受不同的指導語, 并因此對正確返航距離產(chǎn)生不同的預期。實驗結果表明, 個體返回起點的行為反應受到外出路徑特點的影響, 而且反應的準確性在實際情形違背預期時比符合預期時更低。這樣的研究結果表明, 預期作為一種非感知覺因素而影響人們進行路徑整合, 體現(xiàn)了人類路徑整合的高度適應性和策略性。

預期; 路徑整合; 空間巡航; 虛擬現(xiàn)實

1 引言

尋路是人類生存的重要技能。當環(huán)境中飽含豐富的路標及其他視覺線索時, 人們可以依賴這些環(huán)境線索完成空間巡航(navigation)。如果環(huán)境中缺少路標線索, 人們也可以通過整合自身運動信息來更新自身與行程起點之間的空間關系, 即進行路徑整合(李丹, 楊昭寧, 2015; 過繼成思, 宛小昂, 2014; 周佳樹, 張侃, 2005), 并通過多個相互獨立的路徑整合進行空間更新并獲得動態(tài)的認知地圖(Wang, 2016)。路徑整合所依賴的自身運動信息可以是來自于身體內(nèi)部的前庭覺和本體覺(Loomis et al., 1993; Sholl, 1989), 即非視覺路徑整合; 路徑整合也可以依賴于來自外部環(huán)境的光流(Riecke, van Veen, & Bülthoff, 2002), 即視覺路徑整合。當光流和體感信息同時存在時, 人們也可以將這兩類自身運動信息進行整合(Ellmore & Mcnaughton, 2004; Kearns, Warren, Duchon, & Tarr, 2002; Wan, Wang, & Crowell, 2010)。個體對自身運動信息進行認知加工, 主要依賴的腦區(qū)是位于頂葉的內(nèi)上顳區(qū)和頂內(nèi)溝腹側(cè)區(qū)(張弢, 李勝光, 2011)。具體到路徑整合, 右側(cè)顳葉對非視覺路徑整合非常重要(Worsley et al., 2001), 海馬和顳中回在視覺路徑整合中發(fā)揮重要作用(Wolbers, Wiener, Mallot, & Büchel, 2007), 壓部后皮層和海馬旁回在路徑整合的信息加工階段也很關鍵(Chrastil, Sherrill, Hasselmo, & Stern, 2016)。

人類路徑整合研究常常采用路徑完成(path completion)的范式, 也稱為返回起點任務(Klatzky et al., 1990; Loomis et al., 1993)。該任務采用多個路段組成的外出路徑, 要求被試從起點出發(fā)并行經(jīng)所有路段, 再從外出路徑的終點直線返回起點。也就是說, 該任務要求被試通過路徑整合來估計外出路徑終點與起點之間的相對距離與方向。但是, 被試返回起點的行為表現(xiàn)往往并不完美, 對距離和方向的估計都可能出現(xiàn)誤差, 而實際返回的地點往往并不是外出路徑真正的起點。因此, 路徑整合的準確性, 經(jīng)常通過被試進行路徑完成任務時的位置誤差(即外出路徑的真正起點到被試實際返回的地點之間的直線距離)來進行衡量。而被試在對距離和方向進行估計時也可能存在系統(tǒng)誤差, 即因為一種有偏差的傾向性而導致反應的誤差總是沿著一個方向的, 例如總是高估或總是低估(宛小昂, 2016)。這些系統(tǒng)誤差可以采用符號距離誤差(signed distance error)和符號角度誤差(signed angular error)來進行衡量。符號誤差是被試的實際反應與正確的反應之間的差值, 正值表示高估, 而負值表示低估。

早期的人類路徑整合研究更多感覺因素對路徑整合的影響, 而近期研究則揭示了人類路徑整合也受到非感覺因素的影響。首先, Philbeck和O’Leary (2005)發(fā)現(xiàn)如果讓被試在進行非視覺路徑整合前預覽并記憶路標的位置, 被試在其后進行路徑整合時的反應一致性會顯著提高。Zhao和Warren (2015)的研究也表明, 被試可以通過整合路標和路徑整合提供的信息提高自己行為反應中的一致性。因此, 預覽路標幫助被試更加準確地估計距離, 而對路標的記憶影響了被試其后進行的非視覺路徑整合。第二, 過繼成思和宛小昂(2015)讓被試在具有同樣空間結構的外出路徑上反復地進行路徑完成任務, 結果發(fā)現(xiàn)被試的路徑整合隨著重復的次數(shù)增加而變得更快、更準確, 表明了經(jīng)驗對路徑整合的影響。第三, 過繼成思等人(2019)通過指導語操縱了被試對于返回地點的預知, 結果表明預先知道返回地點使被試能夠采取更具有適應性的策略, 忽略路標出現(xiàn)或數(shù)量增加導致的干擾, 有效地減少工作記憶負荷, 改善路徑整合的表現(xiàn)。Guo, Huang和Wan (2019)探討了對外出路徑的選擇權如何影響路徑整合, 結果表明能夠自己選擇外出路徑會改善被試的路徑整合表現(xiàn), 而先前的路徑整合經(jīng)驗也會影響他們在選擇外出路徑時采用的策略。

這些研究均體現(xiàn)了非感覺因素對人類路徑整合的促進。路徑整合也可能受到了預期的影響。被試可能存在一種直覺的判斷, 認為如果外出路徑中包含路段個數(shù)越多, 則終點和起點之間的距離也就有可能更遠(Wan, Wang, & Crowell, 2012)。但是, 一些研究先后檢驗了外出路徑中的路段個數(shù)對路徑完成任務成績的影響, 卻獲得了不盡一致的結果。Klatzky等人(1990)請被試進行非視覺路徑完成任務, 結果表明被試在外出路徑的路段個數(shù)從一個上升到三個時對起點方向估計變得更不準確, 反應時也隨之增加。但是, Wiener和Mallot (2006)采用虛擬現(xiàn)實工具請被試進行基于光流的視覺路徑完成任務, 發(fā)現(xiàn)被試在外出路徑包含4或5個路段時的指出起點方向比外出路徑包含2或3個路段時更快、更準確。Wan等人(2013)采用虛擬現(xiàn)實工具讓被試完成基于混合的光流信息和身體感覺信息的路徑完成任務, 結果發(fā)現(xiàn)當外出路徑包含的路段從少變多時, 被試返回起點的誤差增加了, 而反應時沒有發(fā)生相應的變化。一種可能性是, 研究者為了獲得嚴格的實驗控制而對外出路徑進行的設置影響了實驗結果。Wiener和Mallot (2006)在控制外出路徑的總長度和旋轉(zhuǎn)的總角度的條件下將路段的個數(shù)從2個逐漸增加至5個。而Wan等(2013)在他們的實驗二中通過正交的實驗設計使包含4個或8個路段的外出路徑的終點和起點之間的直線距離(即正確返航距離)為3、6或9米, 使正確返航距離與路段的個數(shù)無關。這些設置與人們的日常生活經(jīng)驗不符。如果被試根據(jù)日常生活經(jīng)驗而產(chǎn)生“經(jīng)過的路段越多則距離起點也越遠”的預期(expectation), 而實驗的情形又反復違背這種預期(violation of expectation), 就有可能對被試返回起點的行為產(chǎn)生影響。

預期指人們對未來的事件、情感或結果的信念與預測。對預期違背事件的認知加工與紋狀體結構有關(D’Astolfo & Rief, 2017; Garrison,Erdeniz, & Done, 2013), 尤其是右側(cè)殼核(Huang, Wang, Sui, & Wan, 2019)。但是, 目前尚未有實驗研究系統(tǒng)探索過預期對人類路徑整合的影響, 也沒有檢驗過預期違背對返回起點行為的影響。因此, 本研究以虛擬現(xiàn)實為工具, 操縱被試對正確返航距離的預期, 分別設置符合和違背預期的實驗條件, 檢驗期望如何影響基于混合的光流信息和體感信息的路徑整合。在實驗開始前, 本研究分別給予三組被試不同的指導語, 即告知他們實驗中外出路徑包含的路段個數(shù)與正確返航距離存在正相關、負相關、或無相關的關系。而實際情況是, 實驗采用正交設計, 將包含4個或8個路段的外出路徑的正確返航距離設置為不同的水平(5、10、或15米), 即實驗中出現(xiàn)的路段個數(shù)與正確返航距離之間實際是無相關的。對于正相關信念和負相關信念這兩組被試, 實驗中會分別出現(xiàn)明顯的符合違背與違背預期的情況。具體而言, 對于正相關信念組, 4個路段的外出路徑的正確返航距離很短(5米)與8個路段的外出路徑的正確返航距離很長(15米)最符合預期; 而4個路段的外出路徑的正確返航距離很長(15米)與8個路段的外出路徑的正確返航距離很短(5米)是最明顯的違背預期。相反, 對于負相關信念組, 4個路段的外出路徑的正確返航距離很長(15米)與8個路段的外出路徑的正確返航距離很短(5米)最符合預期; 而4個路段的外出路徑的正確返航距離很短(5米)與8個路段的外出路徑的正確返航距離很長(15米)是最明顯的預期違背。

因此, 本研究的實驗設計允許我們比較符合預期和違背預期條件下被試的路徑整合成績。本研究的假設主要有4個。首先, 我們假設被試在預期違背條件下的路徑整合準確性低于預期符合條件下。第二, 當被試預期經(jīng)過的路段越多則與距離起點的距離也越遠(即持有正相關信念)時, 則他們在外出路徑包含8個路段時會比不具有這種預期的被試(即負相關信念組和無相關信念組)更加明顯地高估返航距離, 導致路徑整合的錯誤增加。第三, 當被試預期經(jīng)過的路段越多則與距離起點的距離也越近(即持有負相關信念)時, 則他們在外出路徑包含4個路段時會比不具有這種預期的被試(即正相關信念組和無相關信念組)更加明顯地高估返航距離, 導致路徑整合的錯誤增加。第四, 當被試預期路段和返航距離之間沒有關系(即持有無相關信念)時, 由于實際情況符合他們的預期, 他們的任務成績會優(yōu)于兩外兩組被試(即正相關信念組和負相關信念組)。

2 方法

2.1 被試

48名清華大學的學生參與了本實驗, 男女各半。他們的年齡在18至25歲之間, 平均19.8歲, 標準差為1.5歲。每位被試在完成實驗后會獲得心理學入門課程的實驗學分或40元人民幣作為實驗報酬。我們采用Gpower軟件對實驗樣本量進行估計, 預期效應量為0.25, 而統(tǒng)計效力1?β為0.95, 則預計總樣本為45人。實際樣本量與計劃樣本量基本一致。

2.2 儀器和材料

實驗在清華大學心理學系的虛擬現(xiàn)實實驗室進行, 實驗采用的設備是nVisor SX60頭盔式虛擬現(xiàn)實。頭盔內(nèi)的顯示器的刷新頻率為60 Hz, 分辨率為1280×1024像素, 視野為44°(水平) × 34°(豎直)。被試在實驗中手持羅技F710無線游戲手柄, 與虛擬場景進行交互。本實驗采用的外出路徑參數(shù)通過Matlab進行計算, 實驗進程通過Vizard軟件來控制并記錄數(shù)據(jù), 而虛擬場景則通過3D Studio Max軟件創(chuàng)建并渲染。

本研究參考了Wan等(2013)和過繼成思等(2015, 2019)對于虛擬場景的設置, 采用分段式迷宮作為路徑完成任務中的外出路徑。每個外出路徑包括4或8個路段, 每個路段長3或5米, 寬1米, 高2.2米, 兩端為半圓形。前后兩個路段的夾角在30到150度之間, 而外出路徑的起點和終點之間的直線距離(正確返航距離)為5、10或15米。如圖1所示, 被試從外出路徑的起點(H)出發(fā), 經(jīng)過包含4個或8個路段分別到達終點E4或E8, 而不同外出路徑的正確返航距離C4和C8是相同的。

圖1 外出路徑的平面俯瞰圖示例。H代表外出路徑的起點, E4和E8分別代表包含4個和8個路段的外出路徑的終點, 而這兩個外出路徑的正確返航距離是相同的, 即C4 = C8。

計算機按照實驗設置為每個試次隨機生成符合上述條件的外出路徑, 包括路段個數(shù)(4或8個)、正確返航距離(5、10或15米)、路段長度(3或5米), 以及兩個路段的夾角(30到150度之間, 順時針或逆時針均可)。實驗進行過程中, 每次只向被試呈現(xiàn)一個路段。每個試次中呈現(xiàn)的外出路徑均不相同, 且被試在前一個試次實際返回的地點則為下一個試次的起點。當被試到達外出路徑的終點之后, 在被試選擇的方向會出現(xiàn)100米長的走廊, 供被試返回起點。外出路徑和返航路徑分別通過灰色和土黃色的墻紙進行區(qū)別。

與過繼成思等(2015)和(2019)的研究類似, 本實驗由于頭盔式虛擬現(xiàn)實設備與空間的限制, 使得被試在本實驗中的直線前進是靠按鍵完成虛擬的運動, 因此對于直線運動的估計主要依賴于光流。但是, 被試身體的旋轉(zhuǎn)則是通過真實地旋轉(zhuǎn)身體而完成的, 使被試能結合光流和身體信息兩種信息來估計轉(zhuǎn)向。

2.3 設計和流程

本研究采用相關性信念(正相關、負相關、或無相關) × 2(路段個數(shù)：4或8) × 3(正確返航距離：5、10、或15米)的混合設計。相關性信念為組間變量, 路段個數(shù)和正確返航距離為組內(nèi)變量。被試被隨機分為三組, 每組男女各半, 在實驗前接受不同的指導語。第一組被試接受的指導語中指出, 路段個數(shù)與正確返航距離之間存在正相關, 這組被試被稱為正相關信念組; 第二組被試接受的指導語中指出, 路段個數(shù)與正確返航距離之間存在負相關, 這組被試被稱為負相關信念組; 第三組被試接受的指導語中指出, 路段個數(shù)與正確返航距離之間無相關, 這組被試被稱為無相關信念組。每位被試完成24個試次, 且所有試次以隨機順序呈現(xiàn)。被試在正式實驗開始前會進行練習, 但實驗的任何階段不對被試的反應正確與否提供反饋。

如圖2所示, 每個試次開始時, 被試位于外出路徑第一個路段的起點(見圖2A)。被試通過按鍵在該路段中以每秒1.5米的速度虛擬前進而身體保持不動, 并在到達該路段終點后按照面前出現(xiàn)的紅色箭頭指向轉(zhuǎn)動身體至面向下一個路段(見圖2B)。如此反復進行, 直至被試到達外出路徑的終點, 迷宮墻紙的顏色由灰色變?yōu)橥咙S色(見圖2C)。接下來, 任務要求被試轉(zhuǎn)動身體面向外出路徑的起點并按鍵確認。一條100米長的返回路徑會出現(xiàn)在被試選擇的方向(見圖2D), 然后被試通過按鍵在該路徑中虛擬地前進, 直至到達他所認為的起點位置并按鍵確認。因此, 被試通過光流信息感知運動的距離, 而通過光流信息和體感信息感知旋轉(zhuǎn), 并以這些自身運動信息為基礎進行路徑整合。

2.4 數(shù)據(jù)編碼

一方面, 本實驗主要通過位置誤差來衡量路徑整合的準確性, 并同時分析反應時以探明準確率——速度權衡的影響。位置誤差指被試實際回到的位置和外出路徑起點位置之間的直線距離, 這個距離越小則表明被試實際到達的地點越接近起點, 即路徑完成的成績越好。另一方面, 本實驗也通過符號距離誤差和符號角度誤差來衡量路徑整合的系統(tǒng)誤差。其中, 符號距離誤差是被試的反應距離(返航時實際行進的距離)和正確返航距離之間的差值, 正值說明被試高估了距離, 而負值說明低估了距離。而符號角度誤差則是被試的實際轉(zhuǎn)向(到達外出路徑終點后旋轉(zhuǎn)身體以面向起點的轉(zhuǎn)向角度)與正確轉(zhuǎn)向(要準確返回起點應該轉(zhuǎn)向的角度)之間的差值, 正值說明高估了轉(zhuǎn)向, 而負值說明低估了轉(zhuǎn)向。

3 結果

本實驗中所有被試均完成了全部實驗, 但有一位被試在某一實驗條件下的試次全部無效, 因此其數(shù)據(jù)沒有納入分析; 其他被試在個別試次中因提前誤按反應鍵(距離或方向反應為0)而導致數(shù)據(jù)無效, 這些無效試次沒有納入數(shù)據(jù)分析, 占總數(shù)據(jù)量的6.3%。

圖2 虛擬場景與路徑完成任務流程示意圖。(A)試次開始時被試面向第一個路段; (B)被試到達第一個路段的末端并按照提示箭頭向左旋轉(zhuǎn); (C)被試行經(jīng)所有路段后到達外出路徑的終點, 此時迷宮墻紙改變顏色; (D)被試做出方向反應后, 一條長走廊出現(xiàn)在其所選方向供被試做出距離反應。

3.1 路徑完成準確性的基本結果

各種實驗條件下的平均位置誤差和反應時如圖3所示, 誤差線表示標準誤。首先, 我們對平均誤差數(shù)據(jù)和反應時數(shù)據(jù)進行了相關性信念(路段個數(shù)與正確返航距離之間正相關、負相關、或無相關) × 2(路段個數(shù)：4或8) × 3(正確返航距離：5、10、或15米)的混合方差分析, 其中相關性信念為組間變量, 路段數(shù)和正確返航距離為組內(nèi)變量。路段個數(shù)在位置誤差上的主效應顯著,(1, 44) = 84.96,< 0.001, η= 0.66, 但是路段個數(shù)與相關性信念之間的交互作用也在位置誤差上顯著,(2, 44) = 3.57,= 0.04, η= 0.14。正確返航距離的主效應也在位置誤差上顯著,(2, 88) = 25.56,< 0.001, η= 0.37。經(jīng)Bonferroni校正后的成對比較表明, 被試的位置誤差在正確距離為5米時最小(12.1 m),s > 6.03,s < 0.001, Cohen’ss > 0.87, 差異的95% CI分別為 [1.3, 3.2]和[1.8, 4.3] ; 而后兩種條件下的位置誤差(14.4 m和15.2 m)之間沒有顯著差異,(46) = 1.64,= 0.11。其他主效應或交互作用在位置誤差數(shù)據(jù)上均未達到顯著水平,s < 2.69,s > 0.08, 且任何主效應或交互作用在反應時數(shù)據(jù)上均不顯著,s < 2.51,s > 0.08。

圖3 不同路段個數(shù)和正確返航距離的外出路徑的平均位置誤差和反應時

為了解釋路段個數(shù)與相關性信念在位置誤差數(shù)據(jù)上的交互作用, 我們合并了不同正確返航距離條件下的數(shù)據(jù), 然后對每種路段個數(shù)進行相關性信念的簡單效應分析。當外出路徑包含4個路段時, 相關性信念的主效應不顯著,(2, 44) = 1.32,= 0.28。當外出路徑包括8個路段時, 相關性信念的主效應顯著,(2, 44) = 3.49,= 0.04, η= 014。經(jīng)Bonferroni校正后的成對比較表明, 正相關信念組的位置誤差(20.7 m)顯著大于負相關信念組(14.1 m),(29) = 2.19,= 0.05, Cohen’s= 0.59, 差異的95% CI為 [0.0, 13.3], 而無相關信念組的位置誤差(15.4 m)與另外兩組之間的差異均不顯著,s < 1.12,s > 0.14。

3.2 預期對路徑完成準確性的影響

如前文所述, 4個路段的外出路徑的正確返航距離很短(5米)與8個路段的外出路徑的正確返航距離很長(15米)最符合正相關信念組的預期, 卻最為明顯地違背負相關信念組的預期; 4個路段的外出路徑的正確返航距離很長(15米)與8個路段的外出路徑的正確返航距離很短(5米)明顯違背預期正相關信念組的預期, 卻最符合負相關信念組的預期。因此, 我們對正相關信念組和負相關信念組在正確返航距離為5米和15米時的位置誤差和反應時數(shù)據(jù)進行了重新編碼、合并, 結果如圖4所示, 誤差線表示標準誤。我們對這些數(shù)據(jù)進行2(路段個數(shù)：4或8) × 2(預期：符合或違背)的重復測量方差分析。預期的主效應在位置誤差上顯著,(1, 30) = 5.51,= 0.026, η= 0.16, 表明位置誤差在預期違背時(14.9 m)顯著大于符合預期時(13.4 m), 差異的95% CI為 [0.2, 2.8] 。路段個數(shù)的主效應在位置誤差上也顯著,(1, 30) = 41.29,< 0.001, η= 0.58, 表明位置誤差在經(jīng)8個路段后(17.2 m)顯著大于經(jīng)4個路段后(11.2 m), 差異的95% CI為 [4.1, 7.9] 。但是, 預期與路段個數(shù)的交互作用在位置誤差上不顯著,(1, 30) = 0.02,= 0.89。任何主效應或交互作用在反應時數(shù)據(jù)上也均不顯著,s < 0.17,s > 0.68。

3.3 路徑完成系統(tǒng)誤差的基本結果

各種實驗條件下的平均符號距離誤差和符號角度誤差如圖5所示, 誤差線表示標準誤。

我們對符號距離誤差和符號角度誤差的數(shù)據(jù)進行了相關性信念 × 路段個數(shù) × 正確返航距離的混合方差分析。對于符號距離誤差而言, 路段個數(shù)的主效應顯著,(1, 44) = 35.84,< 0.001, η= 0.45, 正確返航距離的主效應顯著,(2, 88) = 187.79,< 0.001, η= 0.81, 路段個數(shù)與正確返航距離之間的交互作用顯著,(2, 88) = 9.17,< 0.001, η= 0.17, 而且路段個數(shù)與相關性信念之間的交互作用也顯著,(2, 44) = 10.67,< 0.001, η= 0.33。對于符號角度誤差而言, 路段個數(shù)的主效應顯著,(1, 44) = 18.04,< 0.001, η= 0.29。被試在外出路徑包括4個路段(18 deg)和8個路段(43 deg)時均高估了轉(zhuǎn)向(符號誤差顯著大于0),s > 4.69,s < 0.001, Cohen’ss > 1.38, 而這種高估傾向在外出路徑包含8個路段更大,(46) = 4.31,< 0.001, Cohen’s= 1.27, 差異的95% CI為[13, 36]。正確返航距離的主效應在符號角度誤差上也顯著,(2, 88) = 13.65,< 0.001, η= 0.24。被試在正確返航為5米(40 deg)、10米(39 deg)、15米(13 deg)時均高估了轉(zhuǎn)向,s > 3.35,s < 0.01, Cohen’ss > 0.99。這種高估轉(zhuǎn)向的傾向在正確距離為5米或10米時比15米時更大,s > 4.81,s < 0.001, Cohen’ss > 1.41, 差異的95% CI分別為 [13, 41]和[13, 39], 而正確距離為5米和10米時這種高估的趨勢差異不顯著,(46) = 0.15,> 0.99。其他主效應或交互作用均不顯著,s < 0.97,s > 0.43。

圖4 正相關信念組和負相關信念組在符合和違背預期條件下的平均位置誤差和反應時

圖5 不同路段個數(shù)和正確返航距離的外出路徑的平均符號距離誤差和符號角度誤差。

為了解釋路段個數(shù)與相關性信念在符號距離誤差數(shù)據(jù)上的交互作用, 我們合并了不同正確返航距離的數(shù)據(jù), 然后對每種路段個數(shù)進行了相關性信念的簡單效應分析。當外出路徑包含4個路段時, 相關性信念的主效應不顯著,(2, 44) = 2.29,= 0.11。當外出路徑包括8個路段時, 相關性信念的主效應顯著,(2, 44) = 6.22,= 0.004, η= 022。正相關信念組(10.2 m)和無相關信念組(3.0 m)均高估返回距離,s > 3.70,s < 0.01, Cohen’ss > 1.91, 而且前者的高估傾向更略為明顯,(30) = 2.13,= 0.06, Cohen’s= 0.80, 差異的95% CI為 [0.3, 12.5]。負相關信念組則沒有表現(xiàn)出顯著的高估傾向,(14) = 0.78,= 0.45。

為了解釋路段個數(shù)與正確返航距離在符號距離誤差數(shù)據(jù)上的交互作用, 我們合并了三組被試的數(shù)據(jù), 然后對每種路段個數(shù)進行了正確返航距離的簡單效應分析。當外出路徑包括4個路段時, 正確返航距離的主效應顯著,(2, 92) = 75.26,< 0.001, η= 0.62。被試在正確返航距離為5米時高估距離(4.4 m),(46) = 6.25,< 0.001, Cohen’s= 1.84; 在正確返航距離為15米時低估距離(?2.3 m),(46) = 2.67,= 0.01, Cohen’s= 0.79; 而在正確返航距離為10米時(1.3 m)表現(xiàn)出高估的趨勢但沒有達到顯著水平,(46) = 1.78,= 0.08。當外出路徑包括8個路段時, 正確返航距離的主效應顯著,(2, 92) = 154.49,< 0.001, η= 0.77。被試在正確返航距離為5米(9.8 m)和10米(5.3 m)時高估距離,s > 4.25,s < 0.001, Cohen’ss > 1.25, 而且在正確返航距離為5米時這種高估的趨勢更大,(46) = 6.99,< 0.001, Cohen’s= 1.02, 差異的95% CI為 [3.2, 5.7]; 被試在正確距離為15米(0.0 m)時則沒有表現(xiàn)出顯著的高估,(46) = 0.02,> 0.99.

3.4 預期對路徑完成系統(tǒng)誤差的影響

和前文中對于路徑完成準確性的分析一樣, 我們也對正相關信念組和負相關信念組在正確返航距離為5米和15米時的符號距離誤差和符號角度誤差數(shù)據(jù)進行了重新編碼、合并。結果如圖6所示, 誤差線表示標準誤。我們對這些數(shù)據(jù)進行2(路段個數(shù)：4或8) × 2(預期：符合或違背)的重復測量方差分析。路段個數(shù)的主效應在符號距離誤差上顯著,(1, 30) = 9.58,= 0.004, η= 0.24, 表明被試在外出路徑包括8個路段(5.6 m)時比4個路段(1.9 m)時更顯著地高估距離。對于符號角度誤差而言, 路段個數(shù)的主效應顯著,(1, 30) = 6.45,= 0.017, η= 0.18, 但預期與路段個數(shù)的交互作用也顯著,(1, 30) = 22.06,< 0.001, η= 0.42。其他主效應或交互作用均不顯著,s < 0.34,s > 0.56。

為了解釋路段個數(shù)與預期在符號角度誤差上的交互作用, 我們對預期情況進行了路段個數(shù)的簡單效應分析。被試在符合預期時對包括4個路段(27 deg)和8個路段(19 deg)的外出路徑均高估了轉(zhuǎn)向,s > 2.37,s < 0.03, Cohen’ss > 0.86, 但是高估的程度彼此相當,(1, 30) = 0.46,= 0.50。在預期違背時, 路段個數(shù)的主效應顯著,(1, 30) = 24.85,< 0.001, η= 0.45。被試在外出路徑包括8個路段時高估轉(zhuǎn)向(53 deg),(30) = 6.73,< 0.001, Cohen’s= 2.46, 而在外出路徑包括4個路段時則不存在這種傾向 (?1 deg),(30) = 0.09,= 0.93。

圖6 正相關信念組和負相關信念組在符合和違背預期條件下的平均符號距離誤差和符號角度誤差

4 討論

4.1 預期對路徑整合的影響

本研究通過在實驗開始前給予關于路段個數(shù)與正確返航距離之間相關性的指導語, 操縱了被試對正確返航距離的預期。組內(nèi)比較的結果表明, 被試返回起點的準確性在實際情形違背預期時比符合預期時更低, 支持本研究的假設一。組間比較的結果表明, 正相關信念組在經(jīng)過8個路段后比負相關信念組表現(xiàn)出更大的位置誤差, 部分支持本研究的假設二。將組間比較和組內(nèi)比較的結果結合起來看, 如果個體預期經(jīng)過的路段越多則與距離起點的距離也越遠(即持有正相關信念), 則個體面對復雜的外出路徑時會高估的路徑整合的錯誤就會增加。本研究分析系統(tǒng)誤差的結果表明, 被試在正確返航距離較小時容易高估返航距離, 而在正確返航距離較大時有可能會低估返航距離, 這與前人的研究結果是一致的(Loomis et al., 1993)。但是, 正相關信念組在面對正確返航距離很大的復雜外出路徑時, 仍會表現(xiàn)出顯著的高估距離傾向, 這可能是他們路徑整合錯誤增加的主要原因。

這一研究結果體現(xiàn)了非感知覺因素對于人類路徑整合的影響, 而這些非感知覺因素不僅包括本研究探討的預期, 也包括文獻中已涉及的記憶(Philbeck & O’Leary, 2005)、先前經(jīng)驗(過繼成思, 宛小昂, 2015)、對目標的預知(過繼成思等, 2019)、選路策略(Guo et al., 2019)等因素。關于空間巡航中貝葉斯知覺(Bayesian perception)的研究也表明, 巡航者可以把不同來源的信息進行整合并給予不同的權重, 當不同的線索之間差異較小時將結合這些線索做出空間判斷, 而在不同的線索之間差異較大時則只依賴其中一種線索(Cheng, Shettleworth, Huttenlocher, & Rieser, 2007)。個體對于未來將要發(fā)生的情況的預期并不一定得到現(xiàn)實的驗證(Loewenstein & Schkade, 1999), 而且個體對預期與實際情況之間差異的認識影響了人們的認知加工(Hovland, Harvey, & Sherif, 1957), 當實際體驗與預期差異較小時個體有可能會將體驗向預期進行同化(assimilation), 而在二者差異較大時個體才有可能意識到自己的預期已經(jīng)被打破了, 并且預期與實際情況并不相符合。因此, 本實驗中存在的一種可能性是, 當外出路徑包含的路段較少時(即4個路段), 個體可能會通過一定的試次, 例如正相關信念組在體驗了幾次包含4個外出路段但是正確返航距離特別長(15米)或負相關信念組在體驗了包含4個外出路段但是正確返航距離特別短(5米)之后, 而意識到自己對于正確返航距離的預期已經(jīng)被反復打破, 并因此就不再依賴預期作出行為反應。相較而言, 當外出路徑包含的路段較多時, 如此復雜的任務帶來的工作記憶負載可能使個體很難意識到預期已被反復打破, 而返回起點的行為也因此更多地受到預期的影響。

另一方面, 如果個體預期經(jīng)過的路段越多則與距離起點的距離反而越近(即持有負相關信念), 則個體在面對包括8個路段的復雜外出路徑時沒有表現(xiàn)出對于距離的高估傾向, 表現(xiàn)出比正相關信念組更好的路徑整合成績; 但是這種組間差異在外出路徑包含4個路段時并不顯著, 這樣的結果并不支持我們的研究假設三。一種可能性是, 這種由實驗指導語操縱而產(chǎn)生的預期與負相關信念組基于日常生活經(jīng)驗而產(chǎn)生的預期背道而馳, 相互抵消; 而另一種可能性是, 在任務開始前給予負相關的指導語就可能已經(jīng)打破了他們基于日常生活經(jīng)驗而產(chǎn)生的預期, 使他們在實驗中較少依賴預期做出反應。而無相關信念組的被試在實驗前就已經(jīng)被明確告知實驗中的路段個數(shù)與正確返航距離無關, 這是最符合實驗的真實情況的。但是, 無相關信念組在路徑完成任務中的表現(xiàn)并沒有顯著優(yōu)于另外兩組被試, 而且和另兩組被試一樣受到路段個數(shù)和正確返回距離等外出路徑特點的影響。這樣的結果與我們的研究假設四并不一致, 說明感知覺因素和非感知覺因素均會對路徑整合產(chǎn)生影響, 即使持有符合事實的預期也無法消除感知覺因素對路徑整合的影響。

4.2 路段個數(shù)對路徑整合的影響

本研究的結果也表明, 外出路徑所包括的路段個數(shù)的增加會損害被試返回起點的準確性, 但不影響被試的反應時。當外出路徑包含的路段從4個增加至8個時, 被試返回起點的位置誤差增加, 符號距離誤差減小, 符號角度誤差增加, 而反應時沒有發(fā)生顯著的變化。值得注意的是, Wan等(2013)的實驗二采用包含4或8個路段的外出路徑并將正確返航距離設置為3、6或9米, 結果表明路段個數(shù)增加時, 位置誤差隨之增加, 符號距離誤差減小, 而反應時和符號角度誤差不受影響。兩個研究關于位置誤差、符號距離誤差、反應時的結果一致, 而符號角度誤差上的結果則不一致。本研究與該實驗中, 被試均依賴于光流來估計自身的直線前進, 而結合光流和身體感覺信息來估計自身的轉(zhuǎn)動, 但是該實驗采用的是視角更大、沉浸感更高的虛擬立方體(virtual reality cube), 而本實驗采用的是頭盔式虛擬現(xiàn)實, 這種差異也許是符號角度誤差結果上有差異的根源之一。兩個研究的結果一致表明了外出路徑的路段個數(shù)對基于內(nèi)外部自身運動信息的路徑整合的影響。

路段個數(shù)的增加而反應時并不增加, 表明被試可能在途徑外出路徑的同時就以在線加工的方式連續(xù)地更新了自身與起點之間的空間關系, 而不是等最后到達外出終點時再計算起點的方向及距離自己終點的距離。這里需要指出的是, 為了進行路徑完成任務, 個體可以建立以自身為參照系的空間表征并以此為基礎進行非結構式的空間更新(nonconfigural updating), 也可能建立以環(huán)境為參照系的空間表征并以此為基礎進行結構式的空間更新(configural updating), 而這兩種類型的空間更新都可以支持路徑整合的進行(He & McNamara, 2018; Wiener, Berthoz, & Wolbers, 2011)。在非結構式的空間更新中, 人們在運動的過程中一直跟蹤記錄自身與外出路徑起點之間的空間關系, 而這一過程并不一定需要對外出路徑建立詳細的內(nèi)部表征(Wan, Wang, & Crowell, 2012)。相較而言, 結構式的空間更新則需要個體對外出路徑進行詳細的內(nèi)部表征(Klatzky, Loomis, & Golledge, 1997)。

但是, 對于復雜的外出路徑建立并保持內(nèi)部表征非常困難, 對工作記憶的要求也非常高。從圖1所示的外出路徑例圖可見, 本研究中空間環(huán)境的復雜多變性導致整個外出路徑的路型(configuration)可能是巡回曲折的, 行經(jīng)這樣的路徑就好像是在“兜圈子”, 而且經(jīng)過的路段個數(shù)多并不一定意味著距離起點的距離就會更遠。對于復雜的外出路徑, 連續(xù)地進行非結構式的空間更新可能是一種更為經(jīng)濟的方式(宛小昂, 2016)。采用這種非構型式的空間更新, 允許人們可以不對行經(jīng)的路線進行內(nèi)部表征、不必確認當前的具體位置, 而仍然好似“迷途知返”一般從當前的位置返回整個行程的起點。

當然, 本研究也存在一些值得探討的問題。首先, 本研究通過指導語而操縱被試對于正確返航距離的預期, 但是無法排除被試因需求特征等因素而不一定被指導語所左右。未來研究也可探討被試基于時間的預期(如“出發(fā)的時間越長而距離起點的距離就越遠”)對路徑整合的影響。第二, 當Wan等(2013)要求被試在虛擬立方體中進行路徑整合時, 即使外出路徑包含12個路段, 被試仍然可以更新自身與起點之間的空間關系; 而過繼成思等(2015, 2019)采用頭盔式虛擬現(xiàn)實的研究表明被試在包含5個路段的外出路徑上也可以進行路徑整合。相比之下, 本研究將外出路徑的復雜程序進一步提高到8個路段, 任務難度較大, 導致被試返回起點時的位置誤差也比較大, 尤其是當正確返航距離為5米時非常明顯地高估了該距離。但是, 本實驗的結果表明被試仍然可以在一定程度上對空間關系進行更新。第三, 本實驗中被試依賴于光流來估計自身的直線前進而結合光流和身體感覺信息來估計自身的轉(zhuǎn)動, 因此將本研究的結果推論至其他類型的路徑整合則需要謹慎, 其他空間巡航任務中的預期效應也需要進一步的研究來驗證。

總而言之, 本研究的結果表明了期望對路徑整合的影響, 揭示了人類路徑整合的高度適應性和策略性。未來研究可進一步探索預期等非感知覺因素影響視覺路徑整合的神經(jīng)機制, 尤其是空間巡航任務中個體對預期違背事件的認知加工是否仍與紋狀體結構有關(D’Astolfo & Rief, 2017; Garrison et al., 2013; Huang et al., 2019)。未來研究亦可探討預期如何影響空間巡航任務中認知資源的分配, 檢驗工作記憶對這類預期效應的影響并探討個體差異(Arnold, Burles, Bray, Levy, & Iaria, 2014)。

Arnold, A. E. G. F., Burles, F., Bray, S., Levy, R. M., & Iaria, G. (2014). Differential neural network configuration during human path integration.,, 263.

Cheng, K., Shettleworth, S. J., Huttenlocher, J., & Rieser, J. (2007). Bayesian integration of spatial information.(4), 625?637.

Chrastil, E. R., Sherrill, K. R., Hasselmo, M. E., & Stern, C. E. (2016). Which way and how far? Tracking of translation and rotation information for human path integration.(10)3636–3655.

D’Astolfo, L., & Rief, W. (2017). Learning about expectation violation from prediction error paradigms: A meta-analysis on brain processes following a prediction error.,, 1253.

Ellmore, T. M., & Mcnaughton, B. L. (2004). Human path integration by optic flow.(3), 255?272.

Garrison, J., Erdeniz, B., & Done, J. (2013). Prediction error in reinforcement learning: A meta-analysis of neuroimaging studies.,(7), 1297–1310.

Guo, J. C. S., Huang, J. P., & Wan, X. A. (2019). Influence of route decision-making and experience on human path integration., 66–72.

Guo, J. C. S., Huang, J. P., & Wan, X. A. (2019). The influence of target knowledge on path integration.,(2), 188–195.

[過繼成思, 黃建平, 宛小昂. (2019). 目標預知對路徑整合的影響.(2), 188–195。]

Guo, J. C. S., & Wan, X. A. (2014). Psychological and neural mechanisms of human path integration.494–498.

[過繼成思, 宛小昂. (2014). 人類路徑整合的心理機制與神經(jīng)基礎.(2)494–498。]

Guo, J. C. S., & Wan, X. A. (2015). The effect of learning in virtual path integration.(6)711–720.

[過繼成思, 宛小昂. (2015). 虛擬路徑整合的學習效應.(6)711–720。]

He, Q., & McNamara, T. P. (2018). Spatial updating strategy affects the reference frame in path integration.,(3), 1073–1079.

Hovland, C. I., Harvey, O. J., & Sherif, M. (1957). Assimilationand contrast effects in reactions to communication and attitude change.(2), 244–252.

Huang, J., Wang, F., Sui, J., & Wan, X. (2019). Functional and structural basis of the color-flavor incongruency effect in visual search.,, 66?74.

Kearns, M. J., Warren, W. H., Duchon, A. P., & Tarr, M. J. (2002). Path integration from optic flow and body senses in a homing task.(3), 349–374.

Klatzky, R. L., Loomis, J. M., & Golledge, R. G. (1997). Encoding spatial representations through nonvisually guided locomotion: Tests of human path integration., 41–84.

Klatzky, R. L., Loomis, J. M., Golledge, R. G., Cicinelli, J. G., Doherty, S., & Pellegrino, J. W. (1990). Acquisition of route and survey knowledge in the absence of vision.(1), 19–43.

Li, D., & Yang, Z. N. (2015). Spatial navigation: The relationship between landmark learning and path integration.(10)1755?1762.

[李丹, 楊昭寧 (2015). 空間導航: 路標學習和路徑整合的關系.,(10), 1755?1762.]

Loewenstein, G., & Schkade, D. (1999). Wouldn’t it be nice? Predicting future feelings. In D. Kahneman, E. Diener E, & N. Schwarz (Eds.),(pp. 85?105). New York, NY, US: Russell Sage Foundation.

Loomis, J. M., Klatzky, R. L., Golledge, R. G., Cicinelli, J. G., Pellegrino, J. W., & Fry, P. A. (1993). Nonvisual navigation by blind and sighted: assessment of path integration ability.,(1), 73–91.

Philbeck, J. W., & O’Leary, S. (2005). Remembered landmarks enhance the precision of path integration.,(1), 7–24.

Riecke, B. E., van Veen, H. A. H. C., & Bülthoff, H. H. (2002). Visual homing is possible without landmarks: A path integration study in Virtual Reality.(5), 443–473.

Sholl, M. J. (1989). The relation between horizontality, and rod-and-frame, and vestibular navigational performance.(1), 110?125.

Wan, X. (2016).Hangzhou: Zhejiang University Press.

[宛小昂. (2016).. 杭州：浙江大學出版社.]

Wan, X., Wang, R. F., & Crowell, J. A. (2010). The effect of active selection in human path integration.(11), 25.

Wan, X., Wang, R. F., & Crowell, J. A. (2012). The effect of landmarks in human path integration.,(1), 7–12.

Wan, X., Wang, R. F., & Crowell, J. A. (2013). Effects of basic path properties on human path integration.(1)79–101.

Wang, R. F. (2016). Building a cognitive map by assembling multiple path integration.(3)692–702.

Wiener, J. M., Berthoz, A., & Wolbers, T. (2011). Dissociable cognitive mechanisms underlying human path integration.(1)61–71.

Wiener, J. M., & Mallot, H. A. (2006). Path complexity does not impair visual path integration.(4), 333–346.

Wolbers, T., Wiener, J. M., Mallot, H. A., & Büchel, C. (2007). Differential recruitment of the hippocampus, medial prefrontal cortex, and the human motion complex during path integration in humans.(35), 9408?9416.

Worsley, C. L., Recce, M., Spiers, H. J., Marley, J., Polkey, C. E., & Morris, R. G. (2001). Path integration following temporal lobectomy in humans.(5), 452?464.

Zhang, T., & Li, S. G. (2011). Neural mechanism of self-motion perception.(10), 1405?1416.

[張弢, 李勝光. (2011). 自身運動認知的神經(jīng)機制.(10), 1405?1416.]

Zhao, M., & Warren, W. H. (2015). How you get there from here: Interaction of visual landmarks and path integration in human navigation.(6), 915?924.

Zhou, J. S., & Zhang, K. (2005). Kinestheic, irrelevant motion and path integration.(6), 1306–1308.

[周佳樹, 張侃. (2005). 運動覺、布局無關運動與路徑整合.,(6), 1306–1308.]

Influence of expectations on human path integration

ZHANG Weiwei; HUANG, Jianping; WAN Xiaoang

(Department of Psychology, Tsinghua University, Beijing 100084, China)

Path integration refers to a type of navigation in which navigators integrate information regarding self-motion in order to update the spatial relationship between themselves and the starting point of their journey. Human path integration has been often assessed via a path completion task in which the participants travel along several segments and then attempt to directly return to the origin of an outbound path. Previous research has revealed the influence of non-sensory factors on human path integration, such as memory, previous experience, target knowledge, and route decision-making. It remains unclear, however, how individuals’ expectations regarding the outbound paths influence their return-to-origin behavior.

In the present study, we used head-mounted display virtual reality to present hallway mazes and provided different instructions to 3 groups of participants in order to manipulate their expectations concerning the correct homing distance (i.e., the Euclidean distance between the starting and ending points of an outbound path) before they performed the path completion task. Specifically, the 3 groups were informed that the number of segments of each outbound path was positively correlated, negatively correlated, or uncorrelated with the correct homing distance. In actuality, we used an orthogonal design to make the correct homing distance uncorrelated to the number of segments.

The results revealed that the participants exhibited less accurate return-to-origin responses when their expectations concerning the correct homing distance were violated, compared to when these expectations were confirmed by the actual experiences. When the participants expected the correct homing distance to be positively correlated with the number of segments, they showed even greater errors for more complex outbound paths than those who expected a negative correlation. That being said, it should also be noted that all participants’ return-to-origin responses were subject to the influence of the number of segments and correct homing distance, even though only one group of participants was instructed to have valid expectations.

Taken together, these results demonstrate the influence of expectation on human path integration, although only having valid expectations cannot eliminate the influence of path properties on path integration. Moreover, individuals may rely more on expectation for more complex outbound paths. These findings therefore highlight the important roles that non-perceptual factors play in human path integration, and demonstrate that human path integration is an adaptive and strategic process.

expectation; path integration; spatial navigation; virtual reality

2019-02-25

* 國家自然科學基金項目(31200758)資助。

宛小昂, E-mail: wanxa@tsinghua.edu.cn

B842

10.3724/SP.J.1041.2019.01219