北京
● 认知神经科学前沿文献分享
从被动追踪到主动避险，MOA多目标躲避任务
Hello！大家好呀~我是手绘认知神经科学知识的博主 一只小TU ，非常开心又见面啦！
之前我们陆续介绍了经典的注意、抑制类实验范式，很多都是被动观察、按键反应的任务模式。
今天我们来点不一样的！分享一个更贴近真实生活场景的动态实验范式——MOA多目标躲避任务。
生活里的注意，从来不是“静静盯着看”，而是一边感知环境、一边主动做出行为。MOA范式，研究的就是这种动态场景下的视觉注意与主动控制能力。
先认识MOA的前身：经典MOT多目标追踪任务
在了解MOA之前，我们先回顾它的基础范式——MOT多目标追踪任务，这是视觉注意领域的经典范式，相信大家都不陌生。
实验流程非常简单：
屏幕中会出现多个相同的运动小球，初始时会高亮标记出一部分目标球，短暂提示后，所有小球开始随机、无规律运动。被试需要全程盯住并记住最初的目标球，运动结束后精准选出目标。
MOA（Multiple Object Avoidance），也就是多目标躲避任务，是在MOT基础上升级而来的交互式动态注意范式。
和纯被动观察的MOT不同，MOA加入了主动操控与避险行为，更贴合真实生活中的注意调控场景。
它的实验逻辑很好理解：
屏幕内会出现多个随机运动的小球，被试需要操控自己的专属小球，在复杂的动态环境中持续移动，全程躲避所有随机碰撞的干扰小球，尽可能保持长时间不碰撞。
整个任务过程中，被试需要同时完成三件事：第一，持续注意多个动态运动的目标，捕捉环境变化；第二，实时预判小球的运动轨迹；第三，主动操控、灵活调整位置，规避碰撞风险。
MOT vs MOA：核心区别在哪里？
很多新手容易把两个范式混淆，其实二者的核心差异非常清晰：
MOT（多目标追踪）是被动观察型任务，核心测量动态视觉注意、持续追踪和工作记忆；被试不需要主动操作，只需要视觉分辨与记忆。
MOA（多目标躲避）是主动交互型任务，核心测量动态注意、运动预判、行为控制和风险规避能力，需要感知、认知、运动控制多个系统协同工作。
简单来说：MOT是“看着追踪”，MOA是“一边看、一边预判、一边主动躲避”。
MOA范式的研究应用场景
因为高度贴合真实动态场景，MOA被广泛应用在多个研究领域，实用性极强：
第一，驾驶行为研究
模拟行车过程中，驾驶员实时观察路况、躲避车辆、规避障碍物的状态，测量动态注意与避险能力，比传统MOT更能预测真实驾驶表现。
第二，运动认知研究
球类运动、竞技运动中，运动员需要实时预判对手、球体运动轨迹并快速调整动作，MOA可以精准测量这类动态认知能力。
第三，特殊人群认知评估
可用于评估注意力缺陷、认知老化、脑损伤人群的动态注意与行为调控能力，生态效度远高于传统静态范式。
省流总结
MOA多目标躲避任务，是MOT范式的进阶升级版本。
不同于传统被动观察的视觉追踪任务，MOA将动态视觉注意、轨迹预判、主动行为控制、风险规避相结合，更贴近真实生活中的认知场景，生态效度更高。
如果说MOT测的是“静态环境下的动态追踪能力”，那MOA测的就是复杂动态环境中，大脑实时感知、预判和调控行为的综合认知能力。
后续还会更新更多经典&前沿的实验范式，想要系统学习认知神经范式知识，记得持续关注我们哦✨
分享人：小TU
审核：PsyBrain 脑心前沿编辑部
● 原文信息与获取方式
获取原文：
1. 三连后添加小助手：PSY-Brain-Frontier 获取
2. 点击文中各篇论文的 DOI 链接，查看对应原文。
版权归属作者团队和出版社，本文仅做分享
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
