Блог

Теории селективного внимания в психологии - Модели и доказательства

Автор: Irina Zhuravleva
13 мин чтения
05 декабря 2025 г.
Теории селективного внимания в психологии - Модели и доказательства

Selective Attention Theories in Psychology: Models and Evidence

Рекомендация: Внедрите короткие, целенаправленные тренировки исполнительного контроля для детского возраста: 20 сессий по 25 минут, сосредоточенных на задачах разрешения конфликтов; применяйте протоколы attention-training, которые постепенно снижают заметность distractors, поскольку повторная практика смещает контроль в сторону доменно-общего подавления, приводя к измеримым улучшениям в скорости реакции и точности.

В недавнем сравнении mccandliss сообщил примерно о 30% улучшении в задачах focused-response после attention-training; tsujimoto наблюдал примерно половину этого улучшения, когда вмешательства начинались позже в развитии, что указывает на эффективность, ориентированную на более ранние сенситивные периоды в низкоуровневых перцептивных системах.

Нейронные находки в текущей литературе показывают повышенную активацию исполнительных функций вблизи sensory fringe при внезапном переключении правил задачи; такие паттерны поддерживают модели, которые придают приоритет top-down gating по сравнению с чисто stimulus-driven фильтрацией.

Для оценки используйте сравнения effect-size, меры signal-detection, half-split reliability, распределения reaction-time; сообщайте pre-post различия с помощью mixed-effects models, поскольку сырые сдвиги средних могут скрывать латентные улучшения в control-oriented процессах.

Направления на будущее: сочетайте fringe-sensory стимуляцию с executive training в доменно-общем протоколе, измеряйте перенос на real-world задачи, ориентированные на цели; представляйте результаты в простых таблицах, включайте subgroup analyses по onset в детстве, сообщайте null effects abruptly, а не сглаживайте сдвиги, имитирующие false positives; обращайтесь к verywell-style summaries только для быстрого сравнения, а не как к primary source.

Treisman's Attenuation Theory: Core Concepts and Practical Implications

Снижайте gain non-target канала до -20…-30 дB относительно target в multi-stream мониторинге; проверяйте улучшение detection rate в течение 60 с после корректировки.

Модель attenuation Трейсман предлагает градуированное ослабление unattended inputs, а не абсолютное подавление; salient tokens, такие как собственное имя или task-relevant symbols, сохраняют более низкие пороги для распознавания. Эмпирические обзоры william подчёркивают, что partial transmission объясняет быстрые переключения perceived priority; паттерны fluctuation показывают кратковременные повышения recognizability для salient стимулов.

Неврологические корреляты: функциональная визуализация локализует эффекты модуляции вблизи superior temporal sulcus; исследования ERP сообщают о снижении амплитуды P3b на ~15–25% при attenuation потоков, с увеличением latency P3b на ~30–40 мс в условиях high-noise. Данные, полученные от bentin, klein, указывают на модуляцию N400 для semantic cues, пересекающих attenuated threshold; morey сообщает об увеличении frontal theta, связанном с процессами reallocation.

Практические рекомендации для прикладных контекстов: дизайн cockpit audio — направляйте critical alarms через high-gain каналы; назначайте noncritical radio chatter на attenuated каналы с периодическими bursts на +6 dB для sampling. Для вмешательств при дислексии — используйте amplification orthographic symbols в focused streams; структурированные паузы каждые 20–30 с снижают processing fluctuations, давая измеримые gains в точности распознавания слов (~12% в trials по стилю atkinson).

Предложения по измерениям для экспериментов: предъявляйте target frequency на 65 dB SPL; устанавливайте competing stream на 40–45 dB SPL; используйте 1 с probe intervals для захвата transient shifts в detection. Применяйте metrics information-processing, такие как reaction time, hit rate, ERP latency; регистрируйте baseline variance минимум 5 мин для учёта spontaneous fluctuations, возникающих из-за изменений arousal.

Клинические импликации: в неврологических клиниках используйте задачи на основе attenuation для исследования residual semantic access у пациентов с cortical lesions вблизи sulcus; наблюдение preserved name detection несмотря на reduced awareness указывает на partial channel throughput. Кроме того, применяйте парадигмы attenuation для дифференциации sensory gating deficits от higher-order selection failures; bottom-up salience effects обеспечивают diagnostic contrast.

MeasureTypical change under attenuationRepresentative source
P3b amplitude-15% to -25%bentin
P3b latency+30 ms to +40 msklein
N400 amplitude (semantic probes)reduced when below threshold; preserved if salientmorey
Detection hit rate (secondary stream)drops 20%–50% without periodic burstsatkinson, william
Word recognition gains (dyslexia interventions)+10% to +15% with targeted amplificationreceived, latest clinical trials

Чек-лист дизайна: калибруйте relative gains перед тестированием; включайте periodic high-salience probes; регистрируйте ERP markers плюс behavioral RTs; контролируйте arousal fluctuations с помощью short breaks. Используйте эти процедуры для перевода концепции attenuation Трейсман в robust assessment protocols, применимые к cockpit safety, reading interventions, neurology research.

Operationalizing Attenuation in Dichotic Listening Tasks

Рекомендация: Рассматривайте attenuation как continuous independent variable; варьируйте non-target-ear intensity шагами по 5 dB от 0 до 30 dB, собирайте минимум 120 trials на уровень для стабилизации оценок detection-rate.

Используйте dichotic presentation с двумя simultaneous auditory streams: target stream букв, предъявляемый attended ear, distractor stream — opposite ear; stimulus duration 300 мс, ISI 500 мс, randomized intertrial interval 800–1200 мс, 10% catch trials для оценки guessing rates.

Primary outcome metrics: hit rate, reaction-time distribution, false-alarm proportion, signal-detection indices, такие как d' и criterion; вычисляйте pearson correlations между attenuation level и response bias для количественной оценки dose-response relationships.

Включайте semantic probes, известные elicitation breakthrough phenomena; treismans, keane, castel показали, что low attenuation допускает semantic processing unattended material, с Cohen's d ~0.5–0.8 для own-name probes в диапазонах medium attenuation.

Регистрируйте supplemental neural measures, где возможно: EEG markers, time-locked к probe onset, EOG для контроля ocular artifacts; brem изучал изменения ERP amplitude, опосредованные distractor salience, в то время как dazzle effects наблюдались, когда high-salience distractors вызывали transient increases в false alarms.

Рекомендации по контролю: рандомизируйте ear assignment, counterbalance instruction sets между участниками, используйте separate blocks для tones versus letters, чтобы избежать cross-stimulus interference; проверяйте, что visual cues не вызывают cross-modal processing, который мог бы confound оценки attenuation.

Руководство по популяциям: нейротипичные популяции обычно демонстрируют graded detection curves, клинические популяции склонны показывать reduced attenuation; существуют subgroups, способные обнаруживать low-level distractors, сообщайте group portions отдельно, чтобы предотвратить averaging artifacts, скрывающие эффекты.

Аналитические шаги: подбирайте logistic mixed-effects models с attenuation как continuous predictor, включайте participant-level random slopes для учёта individual differences; тестируйте mediation models, где behavioral differences опосредованы working-memory load, сообщайте pearson effect sizes, включайте pre-registered thresholds для significance.

Практические замечания: supplemental pilot testing настроек SNR снижает wasted data; учитывайте время эксперимента на участника ~15–25 минут дополнительно при добавлении neural recordings; документируйте все stimulus levels точно, чтобы другие лаборатории могли replicate их attenuation curves.

ERP and EEG Markers of Attenuation in Real-Time Attention

ERP and EEG Markers of Attenuation in Real-Time Attention

Квантифицируйте N1 attenuation относительно attended baseline: сообщайте изменение амплитуды в µV, процентное снижение, сдвиг latency в мс, within-subject confidence intervals, Cohen's d, Bayes factor для каждого contrast.

Используйте временные окна P1/N1 для захвата early sensory influences; сообщайте P3b positivity отдельно, со scalp maps, показывающими superimposed sources. Изначально извлекайте single-trial amplitudes; применяйте jittered baseline correction, отбраковывайте trials с артефактами >100 µV, запускайте ICA для удаления ocular components. Включите раздел методов, который указывает filter settings, epoch length, trial counts per condition, statistical thresholds.

Сравнивайте ERP markers по multiple streams с помощью cluster-based permutation tests; показывайте, как theta power и alpha lateralization влияют на behavioral filtering, перечисляйте точные frequency bands, сообщайте baseline-normalized power values. Цитируйте miller для temporal dynamics, maurer для developmental shifts в подростковом возрасте, cherrys для classic dichotic paradigms; отмечайте, что некоторые эффекты не были реплицированы в последних replication attempts, другие были скрыты low signal-to-noise.

Моделируйте connectivity: вычисляйте directed influence metrics, чтобы показать, какие networks работают во время suppression distractors; предоставляйте adjacency matrices для cortical structures, коррелируйте connectivity strength с per-trial ERP attenuation. Явно указывайте ограничения: small N не может разрешить fine-grained source structure, ICA residuals могут confound deep sources, cross-subject anatomical variance влияет на accuracy source localization.

Представляйте diagnostic plots: grand-average waveforms per condition, topographic maps на peak latency, single-trial distributions, bootstrapped effect size CIs. Рекомендуйте pre-registering contrasts, sharing raw EEG плюс preprocessing scripts для возможности reanalysis, supplying variety task variants, таких как passive listening, target detection, oddball, complex games для оценки generalizability across stimulus streams.

Design Guidelines for Attention-Supportive Interfaces

Ограничивайте concurrent visual items до 3 на display region; устанавливайте exogenous cue duration 100–150 мс; поддерживайте inter-stimulus interval >=250 мс; sperling показал, что iconic trace сохраняется ~250 мс, поэтому рассматривайте items, ignored >300 мс, как candidates для fading; deployment transient highlights должен оставаться <200 мс, чтобы избежать protracted capture.

Снижайте label complexity: ограничивайте syllables per label до 3; spoken prompts не должны превышать 2 syllables на 500 мс window; позиционируйте short text blocks там, где vwfa circuitry обрабатывает слова быстрее всего; обеспечивайте contrast ratios >=7:1 для шрифтов ниже 16 px.

Внедряйте lightweight monitoring user state через brief probes; измеряйте pupil size, blink rate, microsaccades; когда metrics указывают на overloaded condition, throttle updates до lower levels; allocate frontal resources task-critical items, оцениваемая доля 30–40% working capacity; используйте rate-limited queues для управления event streams, с max burst 3 items.

Следуйте практикам deployment, согласованным с литературой по неврологии: summaries gazzaniga описывают lateralization effects; volumes erlbaum документируют benefits от protracted training; исследователи из umeå находят, что sustained practice формирует network sensitivity; предоставляйте user control над signal gain для соответствия sensitive thresholds; добавление simple icons снижает cognitive cost per item примерно на 15% в controlled tests; labels, matching goals, engage memory associates, снижая required amount exposure.

Experimental Distinctions: Attenuation vs Early vs Late Selection in Practice

Experimental Distinctions: Attenuation vs Early vs Late Selection in Practice

Используйте mixed-design dichotic/liston task с ERP probes плюс behavioral probes как primary test для диссоциации accounts attenuation, early-filter и late-filter.

  • Спецификации дизайна

    • Участники: N=40 within-subjects предпочтительно; power 0.80 для обнаружения d=0.5 при α=0.05; oversample +15% для artifact rejection в EEG.
    • Trials: минимум 48 trials per condition, blocked by instruction set (attend-left, attend-right, divided); inter-trial interval 1000–1500 мс; диапазон probe SOA 100–500 мс.
    • Стимулы: auditory streams для hearing domain (dichotic/liston), visual streams для visuo-spatial domain (moving vs stationary objects), child-friendly material при тестировании developmental samples (cartoon characters, short words).
    • Контроли: уравнивайте signal-to-noise across streams, предъявляйте primary stream на +6 dB, secondary на 0 dB для clear primary bias.
  • Dependent measures и единицы

    • Behavioral: probe detection hit rate, false alarm rate, reaction time (мс), dual-task cost (∆RT, ∆accuracy).
    • Physiological: ERP N1 amplitude (~80–120 мс), P3b amplitude (~300 мс), late positive complex (400–600 мс); time-frequency power в alpha band (8–12 Гц) как gating index.
    • Сообщайте raw units и normalized change scores; предоставляйте per-subject correlations между ERP amplitudes и behavioral cost.
  • Predicted signatures по account

    1. Early-filter (Broadbent-like): near-zero detection unattended probes, strong reduction N1 к unattended streams, minimal late P3 differences; ожидаются correlations между N1 suppression и behavioral misses.

    2. Attenuation (Treisman-like): partial detection unattended probes с reduced amplitude, N1 reduced, но P3 всё ещё присутствует для salient unattended tokens (own-name); гипотезируются moderate correlations между probe salience и P3 amplitude.

    3. Late-filter (Deutsch & Deutsch-like): comparable early sensory responses (N1) across streams, larger P3 differences, tied к task relevance, behavioral selection отражается в late components; correlations strongest между P3 amplitude и task performance.

  • Аналитический план

    • Mixed-effects models с fixed factors: instruction, stream (primary vs secondary), probe salience; random intercepts для subjects и items.
    • Сообщайте effect sizes (Cohen’s d, partial η²), 95% CIs и Bayes factors для null vs alternative contrasts.
    • Вычисляйте subject-level correlations между ERP markers и behavioral cost; тестируйте, различаются ли correlations across domains с помощью Fisher’s z.
  • Cross-domain contrasts

    • Проводите parallel hearing и visuo-spatial sessions с identical temporal structure для оценки generality across domains и обнаружения domain-specific gating principles.
    • Используйте stationary versus moving objects для исследования object-based versus location-based selection; moving stimuli должны увеличивать late-component involvement, если selection post-perceptual.
  • Manipulations, диссоциирующие accounts

    • Манипуляция salience: включайте occasional semantic oddballs (own-name, high-frequency words); attenuation предсказывает некоторый semantic access для high-salience tokens, early-filter предсказывает none, late-filter предсказывает semantic processing независимо от early suppression.
    • Манипуляция load: увеличивайте perceptual load в primary stream; early-filter предсказывает stronger suppression secondary stream при higher load, late-filter предсказывает little change в early markers, но increased late conflict signatures.
    • Stationary vs dynamic: stationary objects снижают spatial reorienting; dynamic objects увеличивают conflict и должны amplify late components, если selection происходит после full perceptual analysis.
  • Правила интерпретации

    • Если N1 показывает consistent attenuation для unattended streams и P3 отсутствует для этих probes, отдавайте предпочтение early-filter account; если N1 reduced, но P3 присутствует для salient probes, отдавайте предпочтение attenuation account.
    • Если early sensory markers эквивалентны across streams, в то время как P3 и behavioral differences проявляются, отдавайте предпочтение late-filter account; коррелируйте P3 с behavioral cost для усиления inference.
    • Документируйте случаи, когда паттерны mixed; включайте hypothesis testing, контрастирующее predicted patterns, а не полагающееся на qualitative labels.
  • Чек-лист отчётности

    • Pre-register predicted signatures (N1 vs P3) и statistical thresholds.
    • Предоставляйте single-subject plots, artifact rejection rates, exact trial counts per condition и raw correlation matrices.
    • Цитируйте prior empirical anchors от rossion, adleman, tsujimoto и операционализируйте, как current data converge или opposed их findings; liston paradigms приемлемы для replication attempts.
  • Заметки и предосторожности

    • Многие учёные гипотезировали mixed outcomes; избегайте labelling результатов как purely one account без тестирования alternative contrasts, включающих conflict measures и cross-domain correlations.
    • Учитывайте, что developmental samples требуют child-friendly timing и shorter blocks; paying attention resources различаются с возрастом и могут изменять effect magnitudes.
    • Сообщайте null effects с Bayes factors; stationary stimuli иногда mask late selection signatures, поэтому включайте минимум одно dynamic condition.
  • Practical follow-up

    • Проводите small pilot (N=12) для оценки ERP SNR и behavioral effect sizes перед commitment к full sample.
    • Публикуйте analysis scripts и unit definitions для reproducibility; вычисляйте correlations across units (ERP amplitudes, RT, accuracy) и тестируйте, что theoretical predictions о gating principles выполняются across many objects и items.

Relation to Other Theories: When to Favor Attenuation over Alternatives

Используйте accounts на основе attenuation, когда эмпирические markers показывают graded suppression, а не binary exclusion; конкретно отдавайте предпочтение attenuation, если neurophysiology выявляет reduced early sensory responses, behavioral recognition падает без complete loss, задачи с competing modalities производят poorer secondary-item recall, особенно при high distractor load.

Ключевые бенчмарки нейрофизиологии: снижения ERP N1 на ~20–40% для unattended streams, diminished fMRI BOLD в primary sensory cortex на 10–25% для degraded channels, preserved late P3 responses для некоторых fringe stimuli. Если эксперимент сообщает эти паттерны, attenuation лучше объясняет форму изменений neural signal, чем all-or-none gate, предложенный classic filter accounts, связанными с donald.

Behavioral diagnostics для применения: используйте digits recall, dichotic listening, cross-modal cueing; измеряйте размер drop hit rate, shifts response time, false alarm profile. Dyslexics часто показывают poorer suppression irrelevant input, slower gating, irregular mapping между sensory input и recognition; attenuation подходит, когда performance dyslexic улучшается с explicit self-regulation strategies, training, которое boosts top-down gain, а не eliminates competing streams.

Правила дизайна для исследователей: включайте independent probes focal versus fringe items, interleaving unimodal trials с multimodal trials, recording ERPs плюс behavioral metrics. Цитируйте results split-processing в стиле gazzaniga, если channels operate independently; если stimuli либо fully undetected, либо fully perceived across participants, выбирайте alternative account. Предпочитайте attenuation, когда peripheral appearance stimuli предсказывает partial reporting, когда участники иногда могут слышать low-salience cues, потому что residual activation crosses threshold, когда cross-modal mapping показывает graded transfer across sensory modalities.

Практические рекомендации для прикладной работы: тренируйте self-regulation strategies, которые modulate gain, а не suppress whole streams, мониторьте poorer performers с finer-grained measures, избегайте assumption uniform filtering across individuals. Используйте attenuation как default hypothesis, когда neural data показывают graded suppression, behavioral data показывают variable recognition across digits или items, experimental manipulations оставляют fringe stimuli partially accessible, а не absent.