“硬控“ 你的注意力：RM 任务为何能成为工作记忆评估的

摘要：你是否曾好奇过，为什么有些人能同时处理多项任务而游刃有余，而你却常常丢三落四？这背后的秘密，就藏在我们大脑的 “临时存储空间”—— 工作记忆里。

来源Lifespan Development and Mental Health

你是否曾好奇过，为什么有些人能同时处理多项任务而游刃有余，而你却常常丢三落四？这背后的秘密，就藏在我们大脑的 “临时存储空间”—— 工作记忆里。

最近，一项发表在Lifespan Development and Mental Health的研究引发热议：两种主流的记忆更新任务（RM 和 n-back）在测量工作记忆时效果差异显著。研究通过分析 76 项实验（覆盖 16,000 + 参与者）发现，回忆型任务（RM）能更准确地反映工作记忆能力，而判断型任务（n-back）的效果则受 “刺激呈现速度” 直接影响。这一发现不仅刷新了学界认知，也为教育、职场等场景的认知评估提供了重要参考。

工作记忆（WM）作为一个动态系统，其核心功能在于不断更新信息，即用新的相关信息替换旧的无关信息。尽管记忆更新（MU）被视为 WM 的关键过程，但目前常用的 MU 任务在测量 WM 的有效性上仍存在争议。例如，运行记忆（RM）任务要求参与者回忆最近呈现的固定数量项目，其与 WM 的关联虽被广泛认可，但缺乏系统性验证；而 n-back 任务要求参与者判断当前刺激是否与 n 项前匹配，其与工作记忆容量（WMC）的相关性却表现出不一致性，导致其作为 WM 测量工具的有效性受到质疑。因此，本研究旨在通过元分析系统评估 RM 和 n-back 任务与 WMC 及流体智力（Gf）的相关性，并探讨任务内变量（如记忆负荷、刺激呈现时间 SOA）对这些关联的调节作用。

一、研究方法

1. 文献筛选流程

- 数据库与时间范围：

- 2023年6月至2024年11月期间，通过APA PsycInfo、PubMed和Google Scholar检索相关文献。

- 纳入标准：

- 研究包含RM任务或n-back任务，以及复杂广度任务（WMC）或流体智力（Gf）测量。

- 参与者为健康成年人（≥18岁），且研究报告了任务间的Pearson相关系数（r）或可转换为r的数据。

- 排除标准：

- n-back任务仅使用1-back或4-back以上版本。

- RM任务存在核心参数改编（如SOA>500ms）。

- 最终纳入：76项研究（总样本量N=16,184），包含27项n-back与WMC、34项n-back与Gf、22项RM与WMC、21项RM与Gf的相关性数据。

2. 变量编码

- 任务特征：

- 记忆负荷：n-back分为2-back、3-back或混合；RM分为固定负荷（3或4项）或混合负荷。

- 刺激呈现时间（SOA）：n-back分为≤2500ms或>2500ms；RM分为≤1000ms或>1000ms。

- 刺激类型：言语（文字、数字）或非言语（面孔、形状）。

- 反应方式：n-back任务中按键数量（1键或2键）。

- 效应量计算：

- 将原始r转换为Fisher’s Z分数，通过逆方差加权计算汇总效应量（r）。

3. 统计分析

- 模型选择：因研究间存在显著异质性（I²≥40%），采用随机效应模型。

- 异质性检验：通过Cochran’s Q检验和I²指数评估。

- 调节因素分析：比较子组间的置信区间（CI），非重叠CI视为存在显著差异。

- 发表偏倚检验：使用Fail-safe数、Egger检验和Trim-and-Fill分析。

二、研究结果

1. 总体相关性分析

- RM任务：

- 与WMC呈中等相关（r=中等），与Gf呈中等相关（r=中等）。

- n-back任务：

- 与WMC呈弱相关（r=弱），与Gf呈中等相关（r=中等）。

- 差异对比：

- RM与WMC的相关性显著高于n-back（置信区间不重叠）。

2. 调节因素分析

- RM任务：

- 记忆负荷：混合负荷条件下相关性更高（r=较高），固定负荷条件下相关性较低（r=较低）。

- n-back任务：

- 刺激呈现时间（SOA）：SOA≤2500ms时相关性较高（r=较高），SOA>2500ms时相关性显著降低（r=较低）。

- 其他变量：

- 刺激类型（言语/非言语）和反应方式（1键/2键）对相关性无显著影响。

3. 发表偏倚检验

- Fail-safe数：所有任务组合的Fail-safe数均远大于5k+10（k为研究数量），表明发表偏倚风险低。

- Egger检验：截距无显著偏离（p>0.05），支持结果稳健性。

三、关键数据表格

四、理论解释

1. RM任务：

- 依赖注意焦点（FoA）的动态更新，与复杂广度任务（WMC）的机制高度一致。

- 记忆负荷越高，对FoA更新的要求越高，与WMC的共享方差越大。

2. n-back任务：

- 依赖长时记忆激活，刺激呈现时间过长时更侧重信息维持而非更新，导致与WMC的相关性减弱。

3. 与Gf的关联：

- 两者均依赖控制注意和认知抑制，抑制无关信息并维持相关信息的能力与Gf核心机制重叠。

本研究通过元分析揭示，运行记忆（RM）任务因其与工作记忆容量（WMC）的中等相关性及对记忆负荷的敏感性，被确认为更有效的WM测量工具；而n-back任务虽与WMC仅弱相关，但在刺激呈现时间（SOA）≤2500ms的条件下可增强其关联，仍可作为特定领域WM（如短时记忆激活）的测量工具。尽管研究通过严格的文献筛选和发表偏倚检验确保了结果的稳健性，但仍存在两方面局限性：其一，基于关键词的搜索策略可能遗漏非典型研究，且未纳入灰色文献；其二，部分子组分析因样本量较小导致统计效力受限，且未探讨复杂广度任务的负荷和模态对结果的影响。因此，未来研究需进一步探索任务参数（如刺激类型、反应方式）对测量效度的影响，并采用更全面的搜索策略以提升研究的普适性。

这项研究告诉我们，工作记忆的测量并非 “一刀切”。如果你是研究者或教育工作者，或许可以优先选择 RM 任务来评估个体差异；如果你在设计认知训练方案，缩短 n-back 任务的刺激间隔（如控制在 2.5 秒内）可能会让结果更可靠。

不过，科学探索永无止境。研究也指出，未来还需进一步验证刺激类型、反应方式等细节对任务效果的影响。你的大脑是否也在 “动态更新” 中不断进化？欢迎在评论区分享你的记忆小技巧，让更多人了解科学评估记忆的方法！

论文原文信息：

Wang C, Wang J, Zeng X, Yu NX, Chen T. Are Memory Updating Tasks Valid Working Memory Measures? A Meta-Analysis. Lifespan Development and Mental Health 2025, 1, 10003.

本文内容不代表三仓心理学界观点，如有侵权请联系后台。