数学焦虑个体在数值加工中对知觉与概念任务需求的预期性学习

基于摘要分析。本研究考察数学焦虑如何影响数值加工中对概率性任务需求的预期准备，结合强化学习漂移扩散建模（RLDDM）、EEG 振幅分析和多变量模式分析（MVPA），区分知觉与概念任务中的学习更新及预期控制机制。 参与者学习概率性线索—任务关联，利用线索预测即将执行的数值颜色判断（知觉任务）或大小判断（概念任务）。作者报告，RLDDM 显示，高数学焦虑（HMA）个体对知觉任务关联的学习率降低，而概念任务中的更新保持完好。这支持任务类型相关的选择性差异，而非所有任务结构学习均受损的解释。 在 EEG 振幅层面，作者报告 HMA 个体的线索诱发 P3 和关联负变异（CNV）振幅降低，并将其解释为预期阶段资源分配的总体减弱。在表征层面，作者报告，知觉条件的早期预期阶段，MVPA 区分 HMA 与低数学焦虑（LMA）个体的解码准确率更高；摘要未提供具体数值、比较参照或验证划分，因此不能据此判断个体识别或泛化能力。 作者据此提出，数学焦虑可能选择性干扰不确定条件下的主动控制，使个体较难利用概率线索更新知觉任务需求表征；与数学更直接相关的概念加工则可能通过优先分配有限资源得以保留。这是作者对结果的机制解释，尚不能视为资源分配因果机制或干预效果已获验证。 研究主要对象是数学焦虑与数值认知，并非 BCI 解码方法。摘要未提供被试数量、焦虑分组标准、任务概率设置、RLDDM 拟合与参数可辨识性检验、EEG 处理及 MVPA 验证细节；实验协议、消融及统计信息尚未验证。线索利用、预期注意和主动控制是作者提出的潜在干预靶点，不构成已验证的干预建议。