1. 引言
自我相关信息(self-related information, SRI)是与自我相关而和他人无关的信息(Jankowski et al., 2023)。SRI具有个体意义和社会性价值，表现出不同于他人的加工特征(Żochowska et al., 2023)。长期以来，心理学家们一直争论SRI加工方式的本质(Cheng et al., 2022)。自我相关性不仅影响高阶功能，还激活感知、情感和奖励等基本功能(Zhang et al., 2022a)。从60多年前“鸡尾酒会效应”被提出至今(Lin & Liang, 2021)，许多研究证实人具有自我加工“偏向”现象。SRI可被快速可靠地获取，甚至遗忘症患者的SRI也优于他人(Savostyanov et al., 2020a; Savostyanov et al., 2020b)。SRI存在注意朝向的优势，使个体更迅速地把注意力转移到自我信息(Mao et al., 2017)。研究发现，SRI在捕获注意上存在朝向优势，有限的注意资源被优先分配给SRI，优先进入意识加工(Scholz et al., 2023)。无论是刺激相关还是无关任务条件下，SRI(自我面孔、名字甚至网名)都比其他信息占用更多的注意资源，能够被更快、更准确地识别出来(Jelić, 2022)。在搜索或配对实验中，SRI的搜索或配对反应时更快、准确率更高(Ten et al., 2023; Li et al., 2022)。当SRI作为分心物出现时会更自动地吸引注意，从而引起任务绩效的下降(Dignath et al., 2022)。
近年来，选拔合适的应征青年进入部队是当代军事心理学自诞生之日起一直以来的重要课题，如何进一步提高选拔的准确性是现代军事心理测量领域尚需破开的瓶颈。随着我军遂行多样化任务日益增加，军人心理选拔评估的研究越来越深入、应用越来越广泛、要求也越来越精准，这都对军人心理选拔评估技术提出了更高标准和要求。本研究以军人心理选拔中涉及的不同程度的SRI为研究对象，以脑电时域、频域等技术的交叉验证为结合点，用不同指标不同视角依次对SRI加工进行了注意朝向加工研究、注意分配特征研究和该注意加工机制在军人心理选拔过程中的实验研究，以期找到SRI加工时注意的脑电特征，SRI加工优势的研究成果为开辟一条提高军人心理选拔评估准确性的道路提供了坚实的理论基础。本研究从SRI的认知加工角度出发，采用组内设计认知实验范式，探讨SRI的注意自动化加工神经机制，从而探讨在军人心理选拔人格评估中应用的可行性。
2. 研究方法
2.1. 研究对象
共招募空军某部战士35人，其中30名男性，5名女性，年龄18~25 (20.09 ± 1.85)岁，军龄1~5年，均为右利手。所有被试均自愿参加实验，裸眼或矫正视力正常，心理健康状况正常。所有研究对象签署知情同意书并发放相应报酬。
2.2. 实验程序与材料
实验材料是双字的城市名。首先请每名被试列出包含出生地在内的25个城市名称，共得到161个城市名称，编制《城市相关度与熟悉度调查表》；然后请每名被试对这些城市的自我相关度和熟悉度进行评定，均为1~7分评价(非常不熟悉到非常熟悉)。所有35名被试的出生地共包含12个城市，分别为日照、句容、安阳、镇江、济南、无锡、南京、泰州、盐城、延安、丹阳、广安。
视觉失匹配负波(visual mismatch negativity, vMMN)实验采用经典的Oddball范式，中自我相关为标准刺激，呈现360个trails，呈现概率75%，高SRI为偏差刺激，各呈现60个trails，呈现概率均为12.5%。为了建立感觉记忆模板，Oddball序列的前10个trail为标准刺激，之后连续出现的偏差刺激之间不少于两个标准刺激。每个trail为一对刺激(AB)，刺激A为呈现在视野中央的“+”和位于屏幕四个象限角(上左、上右、下左、下右)的城市名称组成的图片，刺激B为呈现在视野中央的“+”。刺激A呈现150 ms，刺激B呈现450 ms，图片视角为7.36˚ × 4.90˚。实验中，要求被试注意刺激A视野中央的“+”，当“+”发生大小变化时，尽快尽准确地按“/”键，“+”大小不变化则不需要按键(实验流程示意图见图1)。正式实验前，被试完成一个由24个trail组成的练习序列，这些刺激在正式实验中不使用。使用E-Prime 3.0软件编程。被试在实验开始前均先签署了知情同意书，并进行了头皮清洁和头发吹干；阅读指导语，待其理解后进入练习，正式实验约需5 min。
根据本实验的目的与假设以及实验范式的要求，需要6个标准刺激和2个偏差刺激。其中1个偏差刺激为出生地城市名称，另一个偏差刺激为与出生地熟悉度相近且自我相关度相对较低的城市名称，而标准刺激均为熟悉度相近且自我相关度均低于偏差刺激的城市名称。因此，除了每名被试的出生地以外，最终选出7个非出生地的城市名称，分别为西安、东莞、喀什、锦州、武威、周口和琼海。
出生地自我相关度最高，与其它城市自我相关度差异均具有统计学意义(F = 124.92, p < 0.001)，为“高SRI”；西安自我相关度居中，与出生地之外城市的自我相关度差异均具有统计学意义(F = 50.54, p < 0.001)，定义为“中SRI”。同时，三类自我相关城市的熟悉度差异均具有统计学意义(F = 126.35, p > 0.05)。见表1。
Figure 1. Schematic diagram of the experimental procedure
图1. 实验流程示意图
Table 1. Assessment results of urban autocorrelation and familiarity
表1. 城市自我相关度和熟悉度评定结果
2.3. 实验设备
脑电设备采集为MitSar系统，采用10-20系统标准Ag/AgCI电极帽记录了34个电极位置(FP1、FP2、AFz、F7、F3、Fz、F4、F8、FP3、FPz、FP4、T3、C3、Cz、C4、T4、CP3、CPz、CP4、P3、Pz、P4、P7、P8、PO7、PO3、POz、PO4、PO8、O1、Oz、O2、M1和M2)。参考电极为左右乳突平均，实验中各电极的阻抗保持在5 KΩ以下。采样率1000 Hz，DC采集，带宽0.01~100 Hz。
2.4. 数据分析
2.4.1. 脑电数据处理
使用WinEEG软件离线分析脑电数据。将EDF格式数据导入Matlab 2013b。用EEGLab12.0软件对脑电数据预览导入数据，电极定位，剔除无用电极，再重参考，双侧乳突平均做参考，后滤波(30 Hz低通滤波，高通滤波1 Hz)，消除50 Hz工频干扰，再做分段(−200 ms, 800 ms)后做基线校正，剔除坏段和插值坏导，接着再做独立成分分析(independent component analysis, ICA)：记录垂直眼电(vertical electrooculogram, VEOG)、水平眼电(horizontal electrooculogram, HEOG)、心电图(electrocardiogram, ECG)和肌电图(electromyography, EMG)。最后叠加平均。其中每类刺激至少包括40个试次。以2 s为1个时间单位，将任务状态下的脑电数据分段；预处理后的脑电原始信号采用傅里叶变换进行频域分析，得到脑电各频带的功率谱(单位：mV2)。
2.4.2. 离线分析
数据结果高和中SRI的P3a并未表现出显著的不同，即均未诱发与朝向注意相关的P3a。因此，本实验重点分析反映了早期加工的颞枕区分布的N170和P2。N170峰值和潜伏期的测量电极包括P3、P4、P7、P8、O1和O2共6个导联，测量时间窗为刺激后120~200 ms。由于P2在每个被试中并未表现出清晰的波峰，因此对P2仅进行平均波幅的测量和分析，测量时间窗为刺激后230~280 ms。对上述测量结果均进行分析：相关度(高、中度SRI) × 脑区(左侧和右侧) × 电极位置(P3/4、P7/8、O1/2)。必要时进行自由度G-G矫正。
2.4.3. 统计分析
数据使用SPSS 25.0统计软件进行分析。采用Shapiro-Wilk法进行正态性检验，计量资料符合正态分布的以均数 ± 标准差(
)表示，两组间比较采用t检验，多组间比较采用方差分析；不符合正态分布的资料采用中位数(四分位间距) [M (Q1, Q3)]表示，采用Wilcoxon signed-rank检验。对数据结果进行相关性分析，符合正态性假设的数据采用Pearson相关方法，不符合正态性假设的数据采Spearman相关方法。显著性水平α = 0.05。
3. 结果
3.1. 时域结果
本研究探讨了自我相关信息注意加工的脑电机制，得到三个主要结果：高自我相关信息诱发出的vMMN (−0.76 μV)显著高于中自我相关信息(0.08 μV; F = 5.51, p < 0.05)。电极主效应显著，(F = 6.84, p < 0.01)，以颞枕区P7/8位置的vMMN幅值最大(−0.53 μV)。其他效应均不显著。
不同程度自我相关信息均诱发出了明显的反映早期知觉加工颞枕区分布的N170和P2以及晚期P3，但与低自我相关信息相比，高和中自我相关信息的P3并未表现出显著的不同，即均未诱发与朝向注意相关的P3a。高自我相关信息诱发右侧颞枕叶N170成分，而中自我相关信息诱发左侧颞枕叶N170成分；自我相关主效应显著(F = 5.09, p < 0.05, ηp2 = 0.15)，中自我相关信息诱发的P2平均波幅(7.10 μV)显著高于高自我相关信息诱发的P2 (5.46 μV)。
高自我相关信息(437.12 ± 45.24 ms)的反应时显著小于中自我相关信息(466.74 ± 46.92 ms, p< 0.05)和低自我相关信息(492.01 ± 50.07 ms, p < 0.05)，且中自我相关信息反应时显著小于低自我相关信息(p < 0.05)；高自我相关信息诱发的N2平均波幅(−0.78 μV)显著高于中自我相关信息(0.87 μV, p < 0.01)和低自我相关信息(0.31 μV, p = 0.04)，中自我相关信息和低自我相关信息的N2没有显著差异；高自我相关信息诱发的P3平均波幅(6.21 μV)显著高于中自我相关信息(5.06 μV, p < 0.05)和低自我相关信息(3.17 μV, p < 0.001)，而中自我相关信息P3显著高于低自我相关信息P3 (p < 0.01)。
Table 2. The average amplitude of vMMN induced by high and medium self correlation information is 180~300 ms (n = 35)
表2. 高、中SRI诱发的vMMN平均波幅180~300 ms (n = 35)
表2展示出高、中SRI诱发的vMMN平均波幅，对180~300 ms中晚期成分的中线电极(Fz、Cz、Pz)平均波幅进行方差分析，结果发现：
另外，为进一步确定vMMN诱发的可能性，将左侧P7和右侧P8颞枕区的vMMN分别合并为左侧vMMN和右侧vMMN，对高自我相关信息和中自我相关信息的vMMN平均幅值进行T检验，验证诱发vMMN的可能性。中线vMMN平均波幅：180~300 ms时间窗的平均波幅：高自我相关信息(1.14 ± 0.48 μV)诱发出的vMMN显著高于中自我相关信息(−0.76 ± 0.57μV; F = 5.51, p < 0.05, ηp2 = 0.02)。电极主效应显著(F = 6.84, p < 0.01, ηp2 = 0.026)以前额叶Fz位置的vMMN幅值最大(−2.55 ± 0.48 μV)，且额叶Fz (−2.55 ± 0.48 μV) > 中央区Cz (−1.65 ± 0.60 μV) > 顶叶Pz (−0.47 ± 0.62 μV)。前额叶激活最强，在颞枕叶区出现vMMN。其他效应均不显著(见图2)。
Figure 2. The overall average graph of ERPs induced by different degrees of self related information
图2. 不同程度自我相关信息诱发的ERPs总平均图
Figure 3. The overall average graph of ERPs induced by different degrees of self related information
图3. 不同程度SRI诱发的ERPs总平均图
左右脑区vMMN平均波幅：高自我相关信息在左侧P7 (−0.88 ± 0.68 μV; T = −3.10, p < 0.01)和右侧(−0.90 ± 0.67 μV; T = −2.78, p = 0.01)颞枕区均诱发出显著的vMMN。而在中自我相关信息在左侧P7 (−1.77 ± 0.58 μV)、右侧P8 (−2.29 ± 0.64 μV)颞枕区诱发的平均波幅均无显著差异，即没有vMMN产生(见图2)，脑电地形图(见图3)。vMMN主要出现在左右颞枕叶区，高自我相关信息在全程均出现明显的脑区激活效应，而在中自我相关信息的激活度相对较弱，或未出现vMMN成分。
3.2. 频域结果
频域分析又叫功率谱密度分析。通过傅里叶变换把基线为−200~0 ms的信号转换成频率范围的频谱，对于每一个被试每一个条件每一个电极的脑电信号矩阵做傅里叶变换，时域转换成频域。预处理后的脑电原始信号采用傅里叶变换进行频域分析，得到脑电各频带的功率谱(单位：μV2)。脑电图包含不同生理意义的特定频段，不同频段的特征对于表征不同大脑活动具有十分重要的意义。本研究将脑电预处理后的信号定义为六个频段。分别为：delta (1~3 Hz)、theta (4~7 Hz)、alpha1 (8~10 Hz)、alpha2 (10~12 Hz)、beta1 (14~20 Hz)和beta2 (20~30 Hz)。
为了深入了解整体脑区频域FFT的变化，进一步平均了六个频段16个电极的FFT值(见图4)。分别采用传统ANOVA的方式与数据驱动的点对点t检验两种方法进行统计分析，见表2。
频域结果表明，Alpha1频段组内主效应差异显著(T = 7.40, p < 0.001, d = −10.25)，高自我相关(6.16 ± 0.61) μV高于低自我相关(5.22 ± 0.73 ) μV。Alpha2频段组间主效应差异显著(t = 21.77, p < 0.001, d = −14.89)，高自我相关(2.25 ± 0.07) μV高于低自我相关(2.23 ± 0.08) μV。Beta1频段组内主效应差异显著(T = 10.29, p < 0.001, d = −11.52)，高自我相关(1.16 ± 0.02) μV高于低自我相关(1.14 ± 0.01) μV。Beta2频段组内主效应差异显著(T = 4.01, p < 0.01, d = −7.89)，高自我相关(0.85 ± 0.03) μV高于低自我相关(0.81 ± 0.01) μV。结果：① 在Delta与Beta2频段两组自我相关信息FFT幅值差异显著。其他频段FFT的变化趋势相似，且组内差异不显著。② 在delta频段，高自我相关信息FFT值大于中低自我相关信息。③ 脑区delta频段在额叶(FP1, FP2; F3, F4, F7, F8)和颞叶(T3, T4, T5, T6)。
Figure 4. Distribution of FFT frequency domain in different frequency bands of electrodes induced by different degrees of self-relevant information
图4. 不同程度自我相关信息诱发的FFT频域在不同频段电极分布图
Table 2. FFT amplitude test results for six frequency bands between three different self-correlation messages (μV,
, n= 35 )
表2. 三种不同自我相关信息之间六个频段FFT幅值t检验结果(μV,
, n = 35 )
注：*p < 0.05；***p < 0.001。
4. 讨论
非注意条件下，相对于低自我相关信息形成的感觉记忆模板，高自我相关信息可以诱发出显著的颞枕区分布的vMMN，表明高自我相关信息可以得到有效的前注意自动加工。已有研究表明，听觉MMN可以作为自我相关信息的敏感性指标，相较陌生和熟悉信息，自我相关信息(如自我声音、自我名字)在前注意阶段自动捕获注意，诱发了波幅更大的MMN (Potvin et al., 2019)，与本研究结果一致。本研究发现，虽然高自我相关信息可诱发vMMN，但中自我相关信息并没有产生明显的vMMN，表明中度相关的熟悉城市刺激没有得到有效的基于记忆比较的前注意自动化加工。可能是由于涉及自我相关信息的刺激在生物进化上具有重要的意义，因此会自动的吸引注意。出生地是高自我相关城市，包含了指向自我概念的信息，会引起注意的自动化加工，而其他中、低自我相关城市的自我相关程度不够，因此不能引起注意的自动化加工。也有研究发现，熟悉的名字或声音也可诱发MMN，这可能与人们对听觉信息变化的觉察相对于视觉更为敏感有关。研究发现(Xia et al., 2021)，人们往往最先搜索到自己的面孔，且自我面孔将对他人面孔的搜索造成干扰。研究者将自我名字作为线索提示目标出现位置(Zhang et al., 2022b)，发现自我相关信息具有很高的提示效应，且这种提示效应在非随意注意条件下也会发生。自我相关信息可以影响注意的定位，自我名字的出现可导致偏向名字出现定位错误，证明了自我相关信息在注意捕获过程中是自动化加工的。自我相关信息在捕获注意力上潜力惊人，优先进入意识阶段。以自我名字作为无意识的启动刺激在目标出现之前呈现，发现自我名字可对后面名字的识别起到易化作用(Zhang et al., 2022c)。发现自我面孔作为分心物时会更加吸引注意力，影响后面的任务(Tortora et al., 2021; Xu et al., 2022)。以上提示，自我相关信息在视觉加工过程中可被自动化加工，具有优先性和凸显特征。
本研究结果发现加工高自我相关信息在Alpha与beta频段的功率变异性高于低自我相关信息，表明高自我相关信息加工过程在低频带EEG产生更强的活动性，在高频段EEG产生较低的活动性，这与神经元同步放电以低频频段功率增高和高频频段功率降低的EEG特征相吻合。不同波段的EEG功率反映了特定的认知加工过程，而在变化趋势上，高低自我相关信息得功率皆随静息态时间的延长而降低，下降趋势相同。
研究发现高自我相关信息在Alpha频段功率显著增高，Alpha和Beta波段功率分别反映了注意朝向内部和外部的不同过程，而静息态过程中Alpha功率的增高与注意力朝向内部自我相关(Vuoriainen et al., 2022; Martínez et al., 2020)。冥想过程中，顶叶部位的Alpha功率反映了自我意识，Alpha功率在做自我相关的冥想时更高，Fz和Pz之间的Alpha相干性也更高。并且那些以具体的认知和行为来冥想自己的个体表现出较低的Alpha和较高的Beta功率，而那些用一种抽象的、独立的、潜在的自我意识冥想自己的个体，表现出较高的Alpha和Beta能力。高自我相关信息Alpha功率显著高于低自我相关信息，说明高自我相关信息在加工时的思维意识较低自我相关信息而言更朝向于自我内部世界，这或许与先占观念有关，说明内在产生的思维导致的内向体验使患者的现实定向和适应能力受损。
既往研究表明，Beta1频段具有跨状态、跨样本量的稳定性。Beta频段的增强与自我相关有一定相关性(Smith & Bulman-Fleming 2005)，本研究的结果与其一致。Beta频段功率降低，表明Beta频段与安静且注意资源集中的任务相关，此结果同样符合高频频段与高级认知任务相关的总体规律。本研究属于高级认知任务，需要被试稳定地利用注意力资源完成Eprime实验，与Beta1频段所反映的认知活动相符。研究指出，在完成oddball范式时，Broca区处的Beta1频段可以作为诊断注意力缺陷/多动症的诊断指标(Shah et al., 2018)。美国食品药物管理局将Cz电极作为采集Beta频段脑电诊断注意力缺陷/多动症的标准电极(Chien et al., 2019)。低频慢速振荡与高频快速振荡的耦合可能反映皮层下的相互作用。
结果表明，不论是低频功率的增高还是高频功率的降低，高自我相关信息显示出较快的适应性特征，本研究的样本量较小，由于多种担忧造成心理压力大、认知负荷较重，使得EEG信号受到其他心理因素的影响。最后，本研究能够在征兵心理检测前加入30 s的静息态EEG检测，若将指标投入应用，需扩大被试结合机器学习等研究方法进行辅助诊断。
实验结果还发现，高自我相关信息诱发的vMMN成分发生源主要位于左侧颞枕区。研究表明，人对文字材料的加工主要在左侧颞枕区，而对面孔的加工在右侧颞枕区(Glim et al., 2023)。验证MMN的产生是基于感觉记忆的记忆痕迹假说，即当一个刺激作用于机体后，会在脑内形成记忆痕迹，不同刺激的记忆痕迹不同(Sawada et al., 2019)，记忆产生的最主要区域是在颞枕区，而我们的研究结果也为这一假说提供了证据。
5. 结论
本研究通过对不同相关度的时频域进行分析，结果发现，在Delta与Beta2频段三组自我相关信息FFT幅值差异显著。高自我相关信息幅值高于中低自我相关信息。且主要在颞叶与额叶分布。说明频域结果为本实验提供新的依据与指标。本研究以军人心理选拔中涉及的不同程度的自我相关信息为研究对象，采用经典的Oddball范式，以脑电时频域等技术的交叉验证为结合点，用不同指标不同视角依次对自我相关信息加工进行了注意朝向加工研究，以期找到自我相关信息加工时注意的脑电特征，为军人心理选拔与评估技术提供技术检验指标、为心理选拔提供理论和技术支撑。
总结与展望：出生地作为自我相关信息的实验研究很少，出生地对于国人来说有着特殊的意义，研究发现是否具有普适意义还需要进一步的比较验证。二是刺激材料的选择，除了面孔、人名、城市名外，应尝试逐步将各类不同的自我相关信息纳入实验研究范畴，进一步验证自我相关信息加工的独特优势。三是在研究对象上，选取全部是军校学员和战士，以便于本研究在军人心理选拔的应用，被试身份具有重叠性，被试的选择上可适当拓宽范围。四是在自我相关信息与熟悉度上还存在一定程度的混淆，可对两者进行加工机制的差异进行深入研究，有助于系统性地理解人类对注意加工的脑机制。