1 前言
儿童时期的攻击行为与较差的同伴关系、青少年犯罪、较差的学业、物质滥用等不良的社会适应密切相关(纪林芹 等, 2020; Kawabata & Crick, 2013; Maneiro et al., 2024)。根据Dodge和Coie(1987)的分类，攻击行为可分为反应性攻击和主动性攻击。反应性攻击(reactive aggressive)是一种“防卫性”或“报复性”的行为，旨在自我保护，减少外部威胁；而主动性攻击(proactive aggressive)则是在回报预期的引导下，为达成目标或获得权力，旨在控制他人，具有冷静、有计划的特点(Dodge & Coie, 1987)。有些儿童兼具两种攻击行为，称为混合型攻击儿童。
两种攻击类型的儿童在认知、情绪和人格特质上存在一定的差异(Fite et al., 2010; Vaughan et al., 2024)。在认知方面，反应性攻击儿童倾向于将模糊的情境判断为是敌意的、有威胁的，这种现象被称为“敌意归因偏差”(Arsenio et al., 2009; Crick & Dodge, 1996; Dodge & Coie, 1987; Evans et al., 2015)，其攻击行为是应对感知到的敌意，而主动性攻击儿童则认同攻击行为可以带来正性结果，将其视为达成目标的有效手段，从而获得财物、玩具或心理优越感(Dodge et al., 1997; Xu & Zhang, 2008)。在情绪方面，反应性攻击儿童往往表现为焦虑、抑郁、孤独、愤怒等(Fite et al., 2010; Fung et al., 2015; Jambon et al., 2019; Yang et al., 2024)，而主动性攻击儿童则会因为攻击达到的正性结果而产生积极情绪(Arsenio et al., 2009; Fite et al., 2010)。在人格特质方面，反应性攻击儿童往往表现出“冲动性特质”(Romero-Martínez et al., 2022)，而主动性攻击儿童往往有明显的“冷漠无情特质”(callous-unemotional traits, 简称CU特质)(Thomson & Centifanti, 2018; Urben et al., 2018; Vaughan et al., 2024)，即一种在情感上缺乏愧疚感和在人际交往上不能共情、为了自己的目的利用他人的人格特质(Frick et al., 2014)，因此主动性攻击儿童往往对他人的悲伤或痛苦视若无睹。
社会信息加工模型(social information-processing model)将社交中的信息加工分为编码、归因、目标澄清、反应通达、反应决策和行为实施六个阶段(Crick & Dodge, 1996)。研究发现，反应性攻击儿童的“敌意归因偏差”多出现在“归因”阶段，而主动性攻击儿童的“正性结果期待”则体现在“反应决策”阶段。然而，该模型仅描述了两类攻击儿童的认知偏差，并未深入解释为何反应性攻击儿童会产生“敌意归因”，以及为何主动性攻击儿童对攻击行为持正面态度，这是本研究关注的核心问题。
本研究推断，反应性攻击儿童的敌意归因偏差可能与其注意偏差有关。研究表明，反应性攻击与注意缺陷和多动冲动障碍高度相关(Jakobi et al., 2022; Puiu et al., 2018)。早期有研究发现，反应性攻击儿童对社交中的拒绝、嘲笑和失败线索存在注意偏差，他们倾向于抑制对这些线索的注意(Schippell et al., 2003)，但又对表达愤怒的面部表情非常敏感(van Bockstaele, 2024)。基于此，本研究认为，反应性攻击儿童的注意偏差可能在社交信息的编码阶段就已显现，导致归因偏差。一项情绪Stroop任务研究显示，具有反应性攻击的成人在面对情绪性词汇时反应比中性词汇更慢，说明他们需分配更多注意资源处理情绪性词汇(Chan et al., 2010)。然而，这与反应性攻击儿童的冲动、快速反应特点存在矛盾，提示他们的信息加工可能更倾向于“解释优先”而非“注意优先”。由于解释优先，造成了反应性攻击高的个体注意脱离困难，所以反应时更长。社会信息加工模型支持“注意优先”，即先有注意过程，然后是解释过程；而一般攻击模型(general aggression model, GAM)支持“解释优先”，即认为攻击者在面对社会情境时会首先对其进行解释，判断这种情境是敌意性的还是非敌意性的，然后再进行认知过程。
对于主动性攻击儿童，他们与“冷漠无情特质”高相关(Thomson & Centifanti, 2018; Urben et al., 2018; Vaughan et al., 2024)，即主动性攻击儿童对被攻击对象的“冷漠”是促成攻击行为频繁发生的重要维持因素。近期有研究表明，主动性攻击儿童在加工悲伤情绪时存在困难(Acland et al., 2024)，原因也可能与“冷漠无情特质”相关，使得他们对其他儿童的悲伤情绪不敏感，但他们在注意他人的其他社交线索中并无偏差。因此本研究假设：主动性攻击儿童在社会信息加工过程中也存在针对悲伤情绪的注意偏差，即主动性攻击儿童的社会加工过程符合“注意优先模型”。
本研究旨在填补以往未考察儿童不同攻击性类型在社会信息注意阶段的差异的空白，拟探讨反应性和主动性攻击儿童对社交信息的注意偏差及差异。实验将选用情绪面孔为材料，结合情绪Stroop和表情识别范式，从无意识和意识层面探讨两类儿童的注意特点，并引入眼动指标，以便多渠道探究二者注意特点的不同。根据上述分析，本研究假设：(1)反应性攻击儿童对愤怒面孔的注意符合解释优先模型，即在情绪Stroop范式中受到愤怒表情的干扰更大，在表情识别范式中识别愤怒表情的时间更慢；(2)主动性攻击儿童对悲伤表情的注意符合注意优先模型，在Stroop任务中受干扰更小，识别任务中反应更慢。
2 实验1：反应性与主动性攻击儿童表情识别差异的行为实验
本实验旨在运用情绪Stroop实验范式，探讨不同攻击类型儿童在情绪面孔加工中的差异。
2.1 研究方法
2.1.1 被试
依据Crick和Dodge(1996)提出的参考标准，反应性攻击儿童应符合其反应性攻击得分高于+1标准差，同时主动性攻击得分都低于+1标准差；主动性攻击儿童应符合其主动性攻击得分高于+1标准差，同时其反应性攻击得分都低于+1标准差；混合型攻击儿童应符合其反应性攻击和主动性攻击得分均高于+1标准差；正常儿童应符合其反应性和主动性攻击得分均低于+1标准差。在天津市某小学四、五年级622名小学生中进行筛选，最终筛选出83人作为被试。删除正确率未达到95%的11人，最后数据分析阶段的被试为72名儿童：其中，正常儿童25名(8名男生，M年龄=10.5岁)、反应性攻击儿童21名(15名男生，M年龄=10.45岁)、主动性攻击儿童9名(1名男生，M年龄=10.78岁)以及混合型攻击儿童17名(13名男生，M年龄=10.82岁)。
2.1.2 实验设计
采用4(被试类型：正常儿童、反应性攻击儿童、主动性攻击儿童、混合型攻击儿童)×3(面孔表情：平静、愤怒、悲伤)两因素混合设计，被试类别为被试间变量，面孔表情为被试内变量，因变量为被试对每种面孔表情图片颜色判断的反应时。
2.1.3 实验材料
在另一小学四年级儿童中共招募35名小学生(20名男生)拍摄面孔表情照片，拍摄前与孩子的父母沟通了拍摄内容并签订知情同意书。每名小学生拍摄了平静、愤怒、悲伤三种表情，每种表情35张，共105张。随后用Adobe Photoshop CC 2018软件对照片进行处理，将背景处理为白色并且将照片处理为黑白，作为后续图片评估的材料。
选取天津某小学共51名正常儿童数据进行认同度分析。结果得出，共有73张图片认同度达到60%(中性33张，愤怒20张，悲伤20张)，参考van Honk等(2001)研究，在73张图片中选取10张中性图片，10张愤怒图片及10张悲伤面孔作为实验的最终材料(男女各半)。对这三类图片的强度及唤醒度进行差异检验，结果发现，最后作为实验材料的30张图片中，三类图片在强度及唤醒度上均差异显著(F强度=6.47, p<0.05; F唤醒度=9.94, p<0.01)，LSD事后检验表明，愤怒及悲伤图片的强度和唤醒度均与中性图片有显著差异(ps<0.05)，但悲伤与愤怒的强度和唤醒度均没有显著差异(ps>0.05)。说明这30张照片(每种情绪各10张)均可以作为最终的实验材料(白学军 等, 2016; 龚栩 等, 2011)。
2.1.4 实验程序
改编经典的情绪Stroop范式来探测被试对不同情绪面孔的注意偏向。将原范式中的情绪词语转换为面孔表情图片(平静、愤怒、悲伤)。每张图片用Adobe Photoshop CC 2018软件进行颜色滤镜处理(红色、蓝色)。用E-Prime 2.0编写实验程序(刘爽, 2019)。
实验开始前，用医用色盲筛查图片进行筛查，排除色盲或色弱的被试。之后进行情绪Stroop任务。被试在练习中反应的正确率达到95%之后进入正式实验(白学军 等, 2016)。
2.2 结果
运用统计软件SPSS24.0，控制图片颜色、被试性别和图片面孔性别，以不同面孔表情为组内变量，不同被试类型为组间变量，在三类面孔表情图片上的颜色判断反应时均值为因变量进行重复测量方差分析。见表1 。
表1 不同攻击类型被试在不同面孔表情上的颜色判断反应时比较 |
| 水平 | 反应时(毫秒) | df | F | p | η | ||
| 面孔表情 | 平静 | 639(117) | 2 | 3.99 | 0.021 | 0.056 | |
| 愤怒 | 648(123) | ||||||
| 悲伤 | 640(117) | ||||||
| 被试类型 | 正常 | 640(187) | 3 | 2.57 | 0.061 | 0.103 | |
| 反应性攻击 | 668(202) | ||||||
| 主动性攻击 | 572(162) | ||||||
| 混合型攻击 | 651(184) | ||||||
| 面孔表情×被试类型 | 6 | 0.37 | 0.896 | 0.016 | |||
注：括号外为平均值，括号内为标准差，以下同。 |
如表1 所示，面孔表情主效应显著(p=0.021)，被试类型主效应边缘显著(p=0.061)，但面孔表情与被试类型的交互作用不显著(p=0.896)。
进一步对面孔表情进行LSD事后检验，结果显示，所有儿童对愤怒面孔表情的反应时显著长于平静面孔(p<0.05)和悲伤面孔的反应时(p<0.05)，但悲伤面孔与平静面孔的颜色判断反应时之间没有显著差异(p>0.05)。
3 实验2：反应性与主动性攻击儿童表情识别差异的眼动实验
实验1表明各类儿童对愤怒面孔表情的反应时间较长，显示出对威胁性线索的注意偏向，但情绪Stroop范式未发现显著的攻击性偏向，可能因其无意识探测的限制。因此，实验2将采用表情识别范式，同时运用眼动技术，考察反应性和主动性攻击儿童在表情识别上的注意差异，为了消除性别不平衡可能带来的差异，在实验2中尽量平衡性别在各组的分布。
3.1 研究方法
3.1.1 被试
由于主动性攻击儿童的被试量较少，为平衡各组被试量，在参与实验1的被试中随机选择33名儿童，其中8名正常儿童(4名男生)，8名反应性攻击儿童(4名男生)，8名主动性攻击儿童(1名男生)以及9名混合型攻击儿童(5名男生)作为实验2的被试。
3.1.2 实验仪器
采用SR Research公司的EyeLink 1000Plus桌面眼动追踪仪，实验时，显示器距离被试60 cm，单眼采样率为2000 Hz，电脑屏幕分辨率为1024×768像素，整个过程中采集被试右眼的眼动轨迹。
3.1.3 实验材料
继续选用实验1中所用的30张面孔表情图片，但不对图片进行红、蓝滤镜的处理，只进行了黑白处理。
3.1.4 实验设计
采用4(被试类型：正常儿童、反应性攻击儿童、主动性攻击儿童、混合型攻击儿童)×3(面孔表情：平静、愤怒、悲伤)两因素混合设计，被试类型为被试间变量，面孔表情为被试内变量，因变量为被试对不同面孔表情图片的表情识别反应时以及所选的各项眼动指标。
3.1.5 实验程序
由于实验2与实验1实验材料相似，所以实验1与实验2的施测相隔两周时间，以免出现练习效应。实验2要求被试对每张图片上的面孔表情进行识别。实验开始前，向被试说明操作流程和注意事项，之后进行九点校正，通过两次校准后开始实验。正式实验包括30张实验图片及6张练习图片，为了确保被试真正明白实验目的以及按键正确率，练习图片放置在前六个出现，但被试并不知道练习图片的存在。
3.2 结果
用Data Viewer进行数据整理及导出，后采用SPSS24.0进行数据分析，在参考眼动常用指标的基础上，筛选出适合本研究主题的三个眼动指标进行数据分析，即总注视时间、总注视次数、平均眼跳次数(闫国利 等, 2013)。
3.2.1 表情识别反应时
以不同面孔表情为组内变量，不同被试类型为组间变量，图片表情识别的反应时均值为因变量进行重复测量方差分析，结果见表2 。
表2 不同攻击类型被试对不同面孔表情的识别反应时比较 |
| 水平 | 反应时(毫秒) | df | F | p | η | |
| 面孔表情 | 平静 | 1282(505) | 2 | 22.77 | <0.001 | 0.440 |
| 愤怒 | 1633(1103) | |||||
| 悲伤 | 1825(1035) | |||||
| 被试类型 | 正常 | 1552(1010) | 3 | 2.81 | 0.057 | 0.225 |
| 反应性攻击 | 1878(1278) | |||||
| 主动性攻击 | 1410(604) | |||||
| 混合型攻击 | 1493(709) | |||||
| 面孔表情×被试类型 | 6 | 2.62 | 0.026 | 0.213 | ||
结果表明，面孔表情的主效应显著(p<0.001)，并且面孔表情和被试类型交互作用显著(p<0.05)。
对面孔表情的识别反应时进行LSD事后检验，结果发现，对悲伤表情识别反应时显著长于愤怒表情及平静表情的反应时(ps<0.05)，同时，愤怒表情识别反应时显著长于平静表情的反应时(p<0.001)。
被试类型和面孔表情的交互作用显著，进一步进行简单效应分析，结果发现在平静面孔表情的识别反应时上，不同类型儿童之间并没有显著差异(ps>0.05)；在愤怒面孔表情的识别反应时上，反应性攻击儿童的反应时显著长于主动性攻击儿童和混合型攻击儿童(ps<0.05)。另外，在悲伤面孔表情的识别上，反应性攻击儿童的反应时显著长于主动性和混合型攻击儿童(ps<0.05)。在不同被试类型中，对三种面孔表情识别的反应时进行比较，结果发现，对于反应性攻击儿童，识别愤怒和悲伤的反应时显著长于平静面孔表情(ps<0.05)；对于正常儿童，其识别愤怒和悲伤的反应时显著长于平静面孔表情(ps<0.05)；对于主动性攻击儿童，识别悲伤面孔表情的反应时显著长于平静面孔表情(p<0.001)；对混合型攻击儿童来说，三种面孔表情的识别反应时均没有显著差异(ps>0.05)。
3.2.2 总注视时间
以不同面孔表情为组内变量，不同被试类型为组间变量，总注视时间为因变量进行重复测量方差分析，结果见表3 。
表3 不同攻击类型被试对不同面孔表情的总注视时间比较 |
| 水平 | 总注视时间(毫秒) | df | F | p | η | |
| 面孔表情 | 平静 | 1355(505) | 2 | 22.82 | <0.001 | 0.440 |
| 愤怒 | 1706(1104) | |||||
| 悲伤 | 1897(1046) | |||||
| 被试类型 | 正常 | 1625(1010) | 3 | 2.79 | 0.058 | 0.224 |
| 反应性攻击 | 1950(1233) | |||||
| 主动性攻击 | 1482(605) | |||||
| 混合型攻击 | 1565(709) | |||||
| 面孔表情×被试类型 | 6 | 2.62 | 0.026 | 0.213 | ||
如表3 所示，面孔表情的总注视时间的主效应显著(p<0.001)，面孔表情与被试类型的交互作用显著(p<0.05)。
进一步对面孔表情的总注视时间进行LSD事后检验，结果显示，不论哪种类型的儿童，对悲伤的总注视时间均显著长于愤怒和平静面孔表情的注视时间(ps<0.05)，同时，愤怒面孔表情的总注视时间也显著长于平静面孔表情的总注视时间(p<0.001)。
因为被试类型和面孔表情的交互作用显著，进一步进行简单效应分析。对三种表情上不同类型儿童的总注视时间进行比较，不同被试类型之间没有出现显著差异(ps>0.05)。对不同类型儿童在三种表情上的总注视时间进行比较，结果表明对反应性攻击儿童来说，对愤怒和悲伤的总注视时间显著长于平静面孔表情(ps<0.05)。另外，正常儿童对愤怒和悲伤的总注视时间显著长于平静面孔表情(ps<0.05)。而对于主动性攻击和混合型攻击的儿童来说，对不同面孔表情的总注视时间没有显著差异。
3.2.3 总注视次数
以不同面孔表情为组内变量，不同被试类型为组间变量，总注视次数为因变量进行方差分析，结果见表4 。
表4 不同攻击类型被试对不同面孔表情的总注视次数比较 |
| 水平 | 总注视次数(次) | df | F | p | η | |
| 面孔表情 | 平静 | 4.04(1.95) | 2 | 17.61 | <0.001 | 0.38 |
| 愤怒 | 5.00(3.35) | |||||
| 悲伤 | 5.30(3.24) | |||||
| 被试类型 | 正常 | 4.62(2.82) | 3 | 1.24 | 0.312 | 0.11 |
| 反应性攻击 | 5.54(4.06) | |||||
| 主动性攻击 | 4.47(1.94) | |||||
| 混合型攻击 | 4.53(2.57) | |||||
| 面孔表情×被试类型 | 6 | 2.15 | 0.061 | 0.18 | ||
如表4 所示，面孔表情总注视次数的主效应显著(p<0.001)，被试类型的主效应和二者的交互作用均不显著(ps>0.05)。
进一步对面孔表情的总注视次数进行LSD事后检验，结果发现被试对愤怒和悲伤的总注视次数都显著多于对平静面孔表情的总注视次数(ps<0.01)。
3.2.4 平均眼跳次数
以不同面孔表情为组内变量，不同被试类型为组间变量，平均眼跳次数为因变量进行方差分析，结果见表5 。
表5 不同攻击类型被试对不同面孔表情的平均眼跳次数比较 |
| 水平 | 平均眼跳次数(次) | n | F | p | η | |
| 面孔表情 | 平静 | 3.14(1.96) | 2 | 18.54 | <0.001 | 0.39 |
| 愤怒 | 4.13(3.37) | |||||
| 悲伤 | 4.47(3.23) | |||||
| 被试类型 | 正常 | 3.72(2.84) | 3 | 1.45 | 0.248 | 0.13 |
| 反应性攻击 | 4.73(4.03) | |||||
| 主动性攻击 | 3.54(1.98) | |||||
| 混合型攻击 | 3.70(2.56) | |||||
| 面孔表情×被试类型 | 6 | 1.93 | 0.092 | 0.17 | ||
如表5 所示，面孔表情的平均眼跳次数主效应显著(p<0.001)，被试类型及二者的交互作用均不显著(ps>0.05)。
进一步对面孔表情的平均眼跳次数进行LSD事后检验，结果显示被试对愤怒和悲伤的平均眼跳次数均显著多于平静面孔表情(ps<0.001)。
4 讨论
本研究通过情绪Stroop范式和表情识别范式，以儿童情绪面孔作为实验材料，在眼动技术的支持下，重点探究了反应性攻击儿童与主动性攻击儿童在加工情绪面孔时的注意特点及两者之间的差异。
4.1 反应性攻击儿童情绪面孔表情的加工特点
反应性攻击儿童在以往研究中被证实有显著的“敌意归因偏差”，按照解释优先的一般攻击模型，敌意归因偏差可能源于他们头脑中本来就有的成熟的攻击脚本(Wilkowski & Robinson, 2007)，即环境信息中有威胁信息存在时，攻击者会直接运用头脑中成熟的攻击脚本进行解释，产生即刻评价。实验2的部分结果证实了一般攻击模型的预测(Allen et al., 2018)，比如反应性攻击儿童对愤怒面孔表情的总注视时间更长、总注视次数更多。这一结果可能有两方面原因：一方面，反应性攻击儿童面对威胁刺激时倾向于冲动快速地反应(Romero-Martínez et al., 2022)，他们周围充斥着更多的敌意环境，比如独裁的教养方式、被同伴排斥、暴力威胁等(周广东, 周广敏, 2021; Li et al., 2022; Xu et al., 2009)，这可能成为他们面对威胁刺激即刻做出敌意解释并快速发动攻击的潜在因素；另一方面，反应性攻击儿童在实验中因需准确判断愤怒表情，导致反应时间较长。然而在实际社交中，他们往往不会花费过多注意力，而是借助“敌意脚本”快速解读威胁并做出防御性攻击。研究表明，这类儿童在面对拒绝或嘲笑等威胁性社交线索时，倾向于压抑注意，从而产生“敌意归因偏差”(Arsenio et al., 2009; Schippell et al., 2003)。这些结果支持了“解释优先模型”(Allen et al., 2018)。
另外，实验2也出现了一些动摇有关反应性攻击儿童假设的证据，比如，反应性攻击儿童对悲伤和愤怒表情的识别反应时长于主动性攻击儿童。这说明，反应性攻击儿童不仅在加工愤怒表情上需要更长时间，其在加工悲伤表情上同样如此。从这一点来看，反应性和主动性攻击儿童在表情注意上的差异并未能如假设般清晰。
4.2 主动性攻击儿童情绪面孔表情的加工特点
本研究假设主动性攻击儿童对悲伤表情不敏感，识别更困难，实验2部分结果证实了这一假设，这与以往研究是一致的(Acland et al., 2024)，比如反应性攻击儿童与注意缺陷和多动冲动障碍显著相关，但这种相关在主动性攻击群体中并不显著(Puiu et al., 2018)。
在对悲伤、愤怒表情的识别中，主动性攻击儿童的反应时显著短于反应性攻击儿童，这说明主动性攻击儿童对情绪性刺激的识别能力整体上优于反应性攻击儿童，但相对来讲，其识别悲伤表情的能力要更弱一些，这一结果与Acland等人(2024)的研究一致，这可能与他们的“冷漠无情特质”有关(王孟成 等, 2014; Deschamps et al., 2018; Urben et al., 2018; Vaughan et al., 2024)，这种特质让他们对被攻击者受到的伤害无法产生共情，进而可以维持其主动性攻击的发生。然而，其对悲伤情绪的不敏感并不是引发攻击行为的原因，引发主动性攻击的原因还是他们对攻击行为的正向结果期待(Dodge et al., 1997; Xu & Zhang, 2008)。因此有理由认为，主动性攻击儿童是解释优先，这里的“解释”主要是指对引发攻击的情绪表情的解释。即便如此，本研究的结论仍然不能视为对解释优先模型的直接证明(Crick & Dodge, 1996)。
4.3 其他类型儿童情绪面孔表情的加工特点
在本研究中，除了反应性和主动性攻击儿童，还设置了正常儿童和混合型攻击儿童作为对照组。混合型攻击儿童可能同时具有反应性和主动性攻击儿童的特性，但实验2中的一些结果可能需要进一步深究，比如在反应时结果上，混合型攻击儿童对表情识别的模式既不像反应性攻击儿童，又不像主动性攻击儿童；另外，正常儿童的表情识别模式在反应时上和反应性攻击儿童相似。出现这些结果的原因可能是实验2的被试量较少，在代表性上还有待提高；另外，现实生活中的攻击行为发生在动态的社交生活中，表情识别是否能作为有效区分不同攻击类型儿童的有效范式，也需要进一步探究。
本研究发现，解释优先的一般攻击模型更能说明反应性攻击儿童对情绪面孔的注意特点；而“冷漠无情特质”更能解释为何主动性攻击儿童对悲伤情绪相对不敏感。本研究结果有利于进一步区分反应性和主动性攻击儿童对情绪面孔表情的注意差异，并有利于在理论上解释二者社会认知加工为何不同；在实践上可为不同攻击类型儿童的干预提供实证依据。
本研究也存在一定问题：首先，被试量较少，尤其是实验2，后续研究可以增加被试量，有利于提高研究结论的生态效度；其次，本研究中出现了一些动摇假设的结果，需要后续研究进一步深究；最后，本研究结果在理论上仍无法直接证明“注意优先”还是“解释优先”的理论分歧，后续研究若能提供更直接的证据，将有利于进一步解释反应性和主动性攻击儿童的社会认知差异。
5 结论
反应性和主动性攻击儿童在情绪面孔的注意加工方面存在区别，表现为反应性攻击儿童识别愤怒表情和悲伤表情均需要更多的注意资源，而主动性攻击儿童对悲伤表情的识别更加困难。