1 引言
竞技比赛中，运动员需要在时间紧迫或线索不充分的运动情境中，快速捕捉有效信息，进行准确的知觉预测，做出相应的动作反应。知觉预测(perceptual anticipation)是指个体对环境中出现的不完整信息和环境线索进行加工和有效利用的过程(赵洪朋, 周成林, 2010)。在排球接扣球情境中，球的时速最高可达160 km/h(杨江明, 2011)，运动员需要根据扣球队员的起跳姿势、技术动作、来球的速度、力量和飞行轨迹等信息，进行有效的知觉预测，做出正确的防守动作(De Waelle et al., 2021)。
“经验优势假说”认为，专家运动员拥有与项目特点匹配的知觉加工能力，在即时情境中，其依赖于大脑中已存储的技术、战术经验，能够更快、更准确地捕捉有效信息(崔运坤 等, 2016; 刘阳, 唐思洁, 2022; 支慧晶, 刘阳, 2024)。高水平排球运动员在知觉预测过程中，多采用简单而集中的视觉搜索模式(肖坤鹏, 孙建华, 2012)，能够精准捕捉到球员、球及防守空档，呈现出高效目标导向的注意控制策略(张海斌 等, 2018)，信息加工效率更高，具有专项认知优势。在注意力分配、视觉空间处理、工作记忆提取以及预判决策等认知任务中(Bishop et al., 2013; Qian et al., 2009; Tanaka et al., 2023)，专家运动员的视觉−动作过程更加高效，视觉扫描路径精准而明确，其对视觉信息的精准捕捉和高效处理进一步引导大脑神经活动发生相应的优化和变化(İşbilir et al., 2019)。例如，高水平运动员在网球接球任务中，腹外侧额叶皮层表现出了显著的激活(Balser et al., 2014)，而高水平羽毛球运动员则在背外侧和腹外侧额叶皮层区域表现出了更强的活动变化，研究者认为这些脑区不同的激活特征与特定内部感觉运动表征有关(Wright & Jackson, 2007; Wright et al., 2010)。上述不同的激活模式可能源于大脑认知加工的适应性，会根据视觉运动处理的具体需求，表现出各异的激活特征。在篮球罚球预测研究中发现，高水平运动员通过感知动作信息来判断结果，在双侧额下回表现出更高的激活水平，而新手组运动员更多地依赖于决策策略，在眶额区显示更大的激活(Abreu et al., 2012)。相较于专家，新手足球守门员在知觉预测任务中需要投入更多的认知资源来解析动作信息，这一过程使得背外侧前额叶区域的激活水平显著增高(康江辉 等, 2022)。本研究将背外侧前额叶、腹外侧前额叶、额极区和眶额区作为主要研究脑区，通过分析不同水平排球运动员在接扣球任务中的视觉搜索与大脑皮层激活特征，了解高水平运动员的知觉预测优势，探讨运动员眼−脑交互加工机制，对丰富专项训练理论及促进运动员竞技水平的提高具有重要意义。
综上，本研究旨在探讨运动经验促进知觉预测的眼−脑交互加工机制。同时联合使用功能性近红外光谱成像技术(functional near-infrared spectroscopy, fNIRS)与眼动设备，在一定程度上能够直观地反映被试视觉、认知、行为之间的关系，明确排球运动员接扣球信息的视觉搜索、知觉预测能力以及内在的神经机制。基于此，本研究使用眼动和fNIRS进行同步测量，探究排球运动员接扣球知觉预测过程的行为绩效、眼动特征及大脑血流动力学变化。研究假设：排球接扣球任务中，高水平运动员的知觉预测能力优于新手运动员，专家运动员具有独特的眼−脑加工特征。
2 研究方法
2.1 被试
采用单因素实验设计，根据G*Power 3.1计算实验计划样本量(Faul et al., 2009)，预期效应f设置为0.9，α设置为0.05，统计效力1−β设置为0.8，计算得出至少需要42名被试。最终选取21名运动员(技术等级为运动健将和一级运动员)，纳入专家组；21名无等级的高校体育教育专业大学生，纳入新手组(表1 )。受试者纳入标准：两组受试者具有良好的健康状况；受教育程度相符；皆为右利手；无脑部损伤或神经系统疾病记录；视力或矫正视力正常；色觉正常；在实验前无熬夜、饮酒、服用药物等情况。实验前，详细记录受试者的基本信息，提前一天告知他们实验内容，并签署实验知情同意书。完成实验后，受试者将获得相应酬劳。研究计划已获得陕西师范大学学术伦理委员会的批准(批准号：SNNU202416006)。
表1 被试基本信息 |
| 专家组 | 新手组 | |
| 人数 | 男15人；女6人 | 男12人；女9人 |
| 运动等级 | 运动健将及一级 | 无 |
| 平均年龄(岁) | 21.07±1.58 | 20.53±1.36 |
| 平均训练年限(年) | 8.27±1.75 | 1.87±0.53 |
| 每周训练频率(小时/周) | 10.2±1.5 | 1.2±1.5 |
2.2 实验仪器及材料
采用aSee Pro(7invensun, 北京)桌面式眼动仪，测量模式为瞳孔—角膜反射，采集频率为250 Hz，视场角(FOV)为110°，精度为0.5°，红外光波长为850 nm。实验中通过Dell显示器呈现刺激材料(22英寸，1920×1080像素，刷新率60 Hz)，将眼动仪附着显示器下方，实验过程中为避免被试在实验过程中因头部晃动而导致采样率过低，使用头托固定被试的头部。在刺激呈现之前进行9点校准程序，被试眼睛距离屏幕70±10 cm。采用岛津LIGHTNIRS连续波近红外系统(岛津公司，日本京都)，采样频率设为13.3 Hz。通过局域网连接方式实现功能性近红外光谱仪与眼动仪的同步记录。电脑A负责呈现刺激以及收集眼动数据，电脑B则负责收集fNIRS数据。当刺激呈现或被试响应时，眼动设备会发送一个精确的事件标记信号，确保功能性近红外光谱仪与眼动仪的同步。由于两种设备均使用近红外光，通过特殊设置以减少彼此之间的干扰：功能性近红外光谱仪传感器由隔热带固定以确保与皮肤的紧密接触，同时红外相机与功能性近红外光谱仪传感器分离，避免相互干扰。
实验使用高清实战场景视频，视频片段均源自国际排球联合会(FIVB)主办的官方国际赛事(2018—2019年世界男、女排世界杯、世界排球锦标赛)。根据以往的研究，选取运动员从二传传球开始，至扣球运动员手触球瞬间结束的视频片段作为刺激材料(刘运洲, 张忠秋, 2012)。见图1 。
使用视频编辑软件(EV, 一唯科技)录屏对比赛视频进行了剪辑，通过Ulead VideoStudio11(Ulead, 友立)图像分析处理软件进行了编辑和加工。在确保刺激视频材料播放流畅、画质清晰的前提条件下，按照排球场的左、中、右三个区域，分别设置“1”“2”“3”三个反应按键。为了控制无关变量对实验结果的潜在影响，实验在隔音、恒定照明的检查室中进行，实验程序及刺激控制通过aSee Pro系统软件实现。
2.3 实验程序
实验前，详细向被试解释实验的目的、具体流程和操作方法。重点强调被试需要以真实比赛的心理状态来观察接扣球场景，以确保实验数据的真实性。先进行预实验让被试熟悉键盘和按键操作。每名被试进行8次按键练习，以确保熟练掌握按键技巧(该阶段实验材料不会在正式实验中出现)。
正式实验前，先进行30 s静息态数据采集作为基线，确保被试处于相对稳定的状态。正式实验开始，红色的注视点(“+”)会出现在白色背景的中心，持续1000 ms，随后呈现一段接扣球视频，时长约为2000 ms(接扣球视频片段的顺序已被随机排列)。之后黑屏1000 ms，同时被试需在1000 ms内快速做出选择。在每个试次中，被试都需要根据接扣球视频片段中球的落点位置进行预判，快速按下相应的数字键(“1”、“2”或“3”)。每个试次为4000 ms，随后会自动进入下一个试次，每次完成7个试次(时间为28 s)会进入休息阶段(时间为30 s)，整个实验共28个试次。为进一步模拟运动员在高压的运动情境中，快速准确反应对比赛的关键作用，本研究设定被试需在1000 ms内完成落点判断，超时结果不计入统计分析(流程见图2 )。
2.4 探头布局
在通道布局方面(见图3 )，由8个发射光极(涵盖780、805、830 nm波长)和8个接收光极，共同构成22个测量通道。探头的布置参考10-20脑电系统，将帽子中线与CZ-OZ线重合，使用3D定位仪确定探头位置，通过概率配准方法把每个fNIRS通道位置与MNI空间坐标进行配准，获得与分区之间的对应关系。覆盖的脑区主要包括：背外侧前额叶皮层，对应通道：1，2，6，7，9，14；腹外侧前额叶，对应通道：8，15，16，22；额极区，对应通道：3，4，10，11；眶额区，对应通道：4，5，12，13。
2.5 数据分析
行为学指标为反应时间和正确率，计算所有被试各绩效指标的均值作为行为结果。
以整个视频画面作为ROI，采用aSee Studio软件分析眼动数据。在本研究中剔除了累积置信水平不足90%(最高置信水平为1)眼动数据，专家组(90.92±4.02)和新手组(91.69±4.73)均符合数据质量的要求。选取了眼跳幅度和瞳孔直径作为眼动指标，由于眨眼会引起的瞳孔直径数据缺失以及前后数据异常，本研究采用了线性插值法进行数据填充和修正。
fNIRS数据使用Matlab(R2013b)平台的NIRS_SPM工具包。具体分析过程如下：(1)将原始fNIRS数据转换为NIRS_SPM兼容格式，将原始数据转换为光密度的变化，通过修正的比尔−朗伯定律将光强数据转换为血氧数据。应用低通滤波器消除心脏和呼吸伪影以及低频漂移，基于小波分析的去趋势算法去除高频噪声。(2)基于一般线性模型的设计矩阵的构建，使用具有时间导数的血流动力学响应函数对fNIRS信号进行建模。(3)对任务条件下的β值进行评估，作为相应通道的激活指标，β值为正表示激活，β值为负表示负激活。根据通道构成的脑区，计算所有被试各通道β值的均值作为大脑激活指标。
利用SPSS26.0对测量的行为学、眼动和fNIRS数据进行夏皮罗−威尔克检验，p>0.05表示服从正态分布。通过独立样本t检验分别观察两组排球运动员在接扣球知觉预测任务中表现出的差异，对两组运动员在任务过程中的眼动指标和fNIRS数据进行Pearson相关分析，p值进行FDR校正以避免Type I错误。
3 结果
3.1 行为学结果
将专家组与新手组在接扣球知觉预测任务下行为学结果(正确率、反应时)的均值采用独立样本t检验结果显示(见表2 )：在正确率方面，新手组显著低于专家组[t(40)=2.63, p<0.05, Cohen’s d=0.81]；在反应时方面，新手组显著大于专家组[t(40)=3.28, p<0.05, Cohen’s d=1.01]。
表2 接扣球知觉预测任务正确率和反应时 |
| 专家组 | 新手组 | ||||
| M | SD | M | SD | ||
| 正确率(%) | 82.29 | 6.64 | 76.52 | 7.51 | |
| 反应时(ms) | 3472 | 97 | 3560 | 75 | |
3.2 眼动结果
采用独立样本t检验，对不同水平排球运动员接扣球知觉预测任务下的瞳孔直径和眼跳幅度进行比较，将所有被试的眼动数据进行均值化操作。瞳孔直径结果分析(见表3 )：新手组显著大于专家组[t(40)=2.83, p<0.05, Cohen’s d=0.87]。眼跳幅度结果分析：新手组显著大于专家组[t(40)=2.28, p<0.05, Cohen’s d=0.70]。
表3 接扣球知觉预测任务眼动指标平均数和标准差 |
| 专家组 | 新手组 | ||||
| M | SD | M | SD | ||
| 瞳孔直径(mm) | 2.78 | 0.32 | 3.13 | 0.47 | |
| 眼跳幅度(°) | 3.99 | 0.45 | 4.48 | 0.85 | |
3.3 fNIRS结果
对实验条件(专家组、新手组)进行独立样本t检验。结果发现(见图4 )，经FDR校正后，专家组在右侧背外侧前额叶[t(40)=2.66, p=0.011(after FDR, p<0.05), Cohen’s d=0.82]、左侧背外侧前额叶[t(40)=3.33, p=0.002(after FDR, p<0.05), Cohen’s d=1.02]和左侧腹外侧前额叶[t(40)=3.11, p=0.003(after FDR, p<0.05), Cohen’s d=0.96]的激活水平显著低于新手组。
3.4 眼动与fNIRS的相关性分析
进一步探究前额叶激活与眼动特征的关系。由于接扣球任务诱导的激活差异仅在左、右侧背外侧前额叶和左侧腹外侧前额叶区域明显，因此所有后续分析都集中在这三个区域，结果见表4 。专家组运动员右侧背外侧前额叶的激活水平和瞳孔直径(r=0.49, p=0.02)、左侧腹外侧前额叶的激活水平和瞳孔直径(r=0.51, p=0.02)与眼跳幅度(r=0.46, p=0.04)呈显著正相关性，结果表明，这些特定脑区的激活与视觉系统存在显著的耦合关系，反映了专家运动员高效的视觉搜索策略及认知加工特征。新手组相关分析结果均无统计学意义(ps>0.05)。
表4 接扣球知觉预测眼动结果和前额叶激活相关性分析 |
| 组别 | 指标 | R-DLPFC | L-DLPFC | L-VLPFC | |||||
| r | p | r | p | r | p | ||||
| 专家组 | 瞳孔直径 | 0.49 | 0.02 | 0.22 | 0.33 | 0.51 | 0.02 | ||
| 眼跳幅度 | 0.29 | 0.21 | 0.17 | 0.46 | 0.46 | 0.04 | |||
| 新手组 | 瞳孔直径 | 0.30 | 0.18 | 0.18 | 0.45 | 0.23 | 0.31 | ||
| 眼跳幅度 | 0.30 | 0.19 | 0.11 | 0.53 | 0.39 | 0.08 | |||
4 讨论
在行为学层面，本研究结果显示，专家组的知觉预测正确率显著高于新手组，反应时显著低于新手组。这与以往研究一致，在运动情境中，运动员对于临场信息的搜集与加工速度依赖于记忆储存系统中的先验知识和比赛经验(张海斌 等, 2018)。经过长期的专项训练，专家运动员构建了一个完善的内部信息加工模型(陆颖之 等, 2018)，使其能够充分利用复杂的运动情境及对手的动作等信息，迅速从大脑长时记忆中检索出相关的先验知识和比赛经验，与临场信息匹配，进行准确的知觉预测，从而完成动作反应(Zhao et al., 2018)。反之，新手运动员因比赛经验的匮乏和专项技术积累的不足，缺乏有效的信息搜索和处理能力，内部信息加工和思维预判过程相对较长，未能构建起完善的知觉预测机制(Kiesel et al., 2010)，只能依赖于运动情境中众多的刺激线索来进行判断，使其表现出信息处理量大、反应速度慢、准确性低的行为绩效特征。因此，积累丰富的运动技能经验并迅速捕捉关键信息对于确保运动任务中知觉预测的准确性至关重要，将知觉预测练习作为正常训练的一部分，有利于提升运动员的感知和处理相关刺激的能力，有利于在复杂的运动情境中做出快速而有效的运动反应。
眼动特征作为大脑信息处理和认知功能的直观体现，深刻反映了大脑加工区域在不同功能状态下的活跃程度。通过对这些特征的分析，能够了解大脑加工区域的功能状态及其工作机制(Cameron et al., 2015)。眼跳幅度能够有效反映运动员对运动信息的筛选范围和注意选择区域(康廷虎, 张会, 2020)。瞳孔的直径变化可以反映个体在认知任务中的心理努力程度(杨晓梦 等, 2020)。研究发现，在接扣球知觉预测过程中专家组运动员瞳孔直径和眼跳幅度显著低于新手组。这与以往在运动情境中发现专家运动员具有高效的视觉信息加工能力相一致(廖彦罡 等, 2015)，其能够快速调整对运动信息的筛选范围和注意选择区域，表现出精简、明确的视觉搜索模式(刘阳 等, 2024)。因此，在面临复杂的运动情境时专家运动员能够以更有效的方式引导视觉系统预测接扣球的细微变化，心理负荷程度较小(Piras et al.,2019; Zhang et al., 2022)。新手运动员缺乏运动场景和专业知识的积累，对比赛情境和对手动作的知觉预测能力容易受到场上无关视觉信息的干扰，在努力捕捉关键视觉信息后，加工来球速度、旋转、空间位移、击球落点等信息，需要投入更多的心理资源(Lee & An, 2023)。因此，相比专家组运动员，新手组眼跳幅度和瞳孔变化显著增大。
fNIRS研究结果发现，专家组运动员在左、右侧背外侧前额叶和左侧腹外侧前额叶的激活水平上显著低于新手组。个体面对复杂的视觉信息时，大脑首先会利用先验知识和经验构建其内部信息加工模型，以预判并准备应对未知动作或事件。研究证实，知觉预测任务中，个体需借助背外侧前额叶快速检索长期记忆中储存的专业知识和经验，与当前视觉系统捕获的信息进行高效匹配(Çakır et al., 2016)；腹外侧前额叶对感知到的有限信息进行快速整合，准确筛选出对决策至关重要的线索(Petrides, 2005)。在排球接扣球任务中，专家运动员投入的认知资源较少，表现出左右脑区协调加工的认知特征。专家运动员能够更好地将资源分配给任务的核心部分，从而减少无效线索造成的干扰，保证决策的准确性以及大脑资源的最佳控制(Guida et al., 2012)。然而，当现实情况与大脑的预测出现偏差，大脑会迅速调整策略，增加认知资源的投入，灵活应变意外情况(Friston, 2005)。新手组需调动更多认知资源来整合动作表象信息，更深层次地提取已有的专项知识，在大脑前额叶表现出更高的激活(Smith, 2016)。相关性分析发现，排球运动员的眼跳距离和瞳孔变化与大脑特定区域的激活水平显著相关。基于瞳孔心理反射的生理机制，个体在大脑准备加工特定信息时，眼睛捕捉并传递的信息与大脑内部的信息处理过程呈现出高度的耦合性(Alnæs et al., 2014)，具体体现在前额叶的激活水平和瞳孔大小的变化上(Joshi et al., 2016)。当大脑受到视觉信息的刺激时，中枢神经系统会迅速做出响应，来激活相关的大脑皮层区域。这种激活过程不仅应对了任务的变化，还影响了大脑皮层的整体激活水平(Duncan, 2010)。瞳孔直径的变化能够敏锐地捕捉到这些电信号的变化(于洋 等, 2020)。研究表明，专家运动员经过长期系统的训练，获得了较好的知觉预测能力，个体受益于视觉和前额叶区域之间的快速耦合，根据观察到的动作线索预测和选择适当运动反应的能力增强，与长期专项练习相关的脑区性能得到提升(Nemani et al., 2018)。在完成运动动作时，表现出更快、更流畅的动作执行，同时瞳孔变化幅度相对较低，显示出前额叶激活显著较低的趋势(朱泳 等, 2014)。由此可知，当大脑准备对信息进行加工时，眼睛所捕获的信息与大脑所处理的信息表现出一定程度的耦合。进一步证实了专家与新手在信息处理方面的差异，以及长期训练对大脑功能和视觉搜索模式及行为表现的影响。
5 结论
专家组运动员在接扣球知觉预测过程中展现出独特的认知优势，信息加工过程更加高效、明确，瞳孔直径和眼跳幅度变化小，并伴有前额叶皮层激活水平低的特征。这主要源于他们对专项经验的深度学习和视觉信息处理与大脑认知加工之间的快速耦合。