不同难度任务下自我调节机制对心理负荷水平的影响.pdf

不同难度任务下自我调节机制对心理负荷水平的影响闫佳庆李丹邓金钊顾恒孙文浩龙舟李小俚*(北方工业大学电气与控制工程学院北京100144)(北京师范大学认知神经科学与学习国家重点实验室北京100875)摘要：持续的高水平心理负荷会导致不良的自我调节行为，但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务，基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下，不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明，在不同任务难度下，自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关，表现出P300振幅及theta,alpha频带功率增大，P600振幅减小。在中等难度任务下，自我调节引发的额外负荷较小，且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中，应考虑适合被试者的任务难度，减少不良自我调节行为的发生，提升被试者的绩效水平。关键词：心理负荷；自我调节；事件相关电位；功率谱密度；脑电微状态中图分类号：TN911.7;R318文献标识码：A文章编号：1009-5896(2023)08-2780-08DOI:10.11999/JEIT221260Impact of Self-regulation on Mental Workload underDifferent Difficulty TasksYANJiaqingLIDanDENGJinzhaoGUHengSUNWenhaoLONGZhouLIXiaoli(College of Electrical and Control Engineering,North China University of Technology,Beijing 100144,China)(State Key Laboratory of Cognitive Neuroscience and Learning,Beijing Normal University,Beijing 100875,China)Abstract:Ithasbeenshownthatsustainedhighmentalworkloadwillleadtopoorself-regulationbehaviors,buttheeffectofself-regulationbehavioronmentalworkloadisnotclearwhenfacingdifferentdifficultytasks.Anarithmeticparadigmbasedonself-regulatingbehaviorfortasksofvaryingdifficultyisproposed.Thesubjectscanchoosethequestionsaccordingtotheirowndecisionsbeforethestartofeachround.Theparadigmcanobservetheeffectofdifferentdifficultytasksonthesubjectsmentalworkloadunderself-regulation.TheanalysiscanbeperformedusingEvent-RelatedPotential(ERP),PowerSpectralDensity(PSD),andmicrostates.Theresultsshowthatunderdifferenttasks,self-regulationbehaviorscausemorementalworkload.Theself-regulationbehaviorismainlyrelatedtothefrontal,whichshowsstrongerP300amplitudesandthetaandalphabandpower,andsmallerP600amplitudes.Onthemoderatelydifficulttask,thementalworkloadinducedbyself-regulationissmallerandpromptsthesubjectstoexhibitbetterperformancelevels.Thisparadigmcaneffectivelyidentifythetaskdifficultysuitableforthesubjects.Intheactualtaskdesign,thedifficultyofthetasksuitableforthesubjectsshouldbeconsidered,soastoreducetheoccurrenceofpoorself-regulationbehaviorsandimprovetheperformancelevelofthesubjects.Key words:Mentalworkload;Self-regulation;Event-RelatedPotential(ERP);PowerSpectralDensity(PSD);Microstates收稿日期：2022-09-29；改回日期：2023-04-18；网络出版：2023-04-27*通信作者：李小俚基金项目：北京市教委科技一般项目(KM202010009006)FoundationItem:TheScientificResearchProjectofBeijingEducationalCommittee(KM202010009006)第45卷第8期电子与信息学报Vol.45No.82023年8月JournalofElectronics&InformationTechnologyAug.20231 引言自我调节指人们为实现当前的认知任务而改变自己的思想、情感、认知资源分配等的行为1,2。自我调节有助于人类达到认知任务的个人预期，帮助我们适应不同的外界环境3。抑制行为是自我调节的核心特征，指人们为了达成认知任务的个人预期而改变认知资源分配的过程4。在此过程中，需要认知控制的参与，以个人预期为导向分配注意力5。尽管自我调节过程中认知资源分配情况的研究存在争议，但模型均提到自我调节过程中认知控制过程的重要性1。认知神经科学研究表明，各种皮层区域均与自我调节有关，其中额叶皮层最显著的执行功能是参与自我调节的各种认知过程4。此外，额叶区域的前扣带回(AnteriorCingulateCortex,ACC)与自我调节过程中的冲突检测和表明认知过程重要性有关6,7。研究表明，自我调节能力的缺乏与许多压力相关的精神障碍有关，如抑郁症、饮食障碍和广泛性焦虑障碍3。此外压力与心理负荷也存在相互作用8。心理负荷是人类完成任务时所需认知资源评估指标，体现当前有限的信息处理能力和可变认知需求之间的动态关系9。主要用来量化执行认知任务相关的成本，描述人类完成任务所需的全部认知工作量。已有研究指出，当人类面临的心理负荷过大时，人类会使用适应不良的自我调节策略(回避、自我破坏)，不能使用适应性自我调节(恢复，任务塑造)10,11。当心理负荷水平提升时，顶区的P300及P600振幅降低12。功率谱密度分析相关研究指出，心理负荷水平提升alpha频带在额叶、中央和枕叶功率降低，theta频带在额叶功率升高13。但不同任务强度下，自我调节行为对心理负荷的影响尚不明确。因此探究心理负荷和自我调节的内在联系有助于提升人类工作过程中的绩效水平。为了探讨这一问题，我们采用生理学脑电信号与行为学数据相结合，检验基于不同任务难度下，自我调节对心理负荷的影响情况。本文将自我调节行为作为单一变量，随机将被试者划分为实验组(任务中含有自我调节行为)与对照组(任务中不含有自我调节行为；见2.3节)。在任务中被试者判断计算题答案是否正确，在被试者决策过程中诱发被试者产生心理负荷。实验组在每轮开始前可以根据自己决策自行选择题目难度，对照组则根据事先规定的顺序随机完成不同难度任务。本文分别对两组被试者的绩效水平及决策时长进行分析。考虑到心理负荷水平与决策行为密切相关，脑电信号将锁定结果判断部分进行分析，通过对比两组结果判断部分数据可以进一步分析自我调节对心理负荷水平是否造成影响。结果判断部分诱发出P300与P600，本文对结果判断部分不同脑区的晚期事件相关电位P300和P600进行了分析。此外本文还对脑电信号进行频域分析以及微状态分析14,15。微状态分析在时域和频域都可以很好地应用。这种分析方法比传统的频谱分析更适合研究快速和动态的大脑活动16。2 方法2.1 被试者40名健康被试者自愿参加了本研究，实验开始前被试者签写了知情同意书。其中4名被试者因未遵循实验指示被排除在外。其余36名健康志愿者(大学生，8名女性，年龄：M=23.75,SD=1.62)，均为右利手，视力正常或矫正视力正常，听力正常。根据他们在实验中的任务表现，最终会得到任务奖励(50100元不等)。2.2 刺激材料经过实验反复测试，本文总结出150道面向中国大学生不同难度等级的计算测试题。题目分为简单、中等、困难3种难度等级(简单难度：50道，中等难度：50道，困难难度：50道)。其中每类正确与错误题目数量相同。3类题目难度梯度明确，且难度符合实验要求，可以诱发一定程度的心理负荷。(例如：简单难度：4+75=9？中等难度：405+23=31？困难难度：(357276)3=27？)2.3 研究设计在实验过程中，被试者坐在一个隔音、光线昏暗的房间里。要求被试者坐在距离电脑屏幕前100cm并且全程使用双手答题。实验分为实验组和对照组，每组均需要完成150轮任务(简单难度：50道，中等难度：50道，困难难度：50道)。实验组可以在每轮开始前可以根据自己的决策自行选择题目难度任务，对照组则按照事先规定的随机顺序完成。被试者被随机划分到两组，每组参与人数为18人。实验开始前要求被试者尽可能多得分。对照组随机展示不同难度的150道试题。每轮实验包括以下一系列事件。首先，屏幕中心出现一个固定十字，持续时间为2 000ms。随后屏幕中心出现本轮判断试题，持续时间为2 000ms。题目呈现结束后屏幕中间出现“=”，有利于被试注意到接下来呈现的答案，持续时间为500ms。在答案持续出现500ms后，屏幕中央呈现提示语：答案是否正确？是：“F键”；否：“J键”。判断决策过程不设时间限制。实验组每轮任务与对照组答题过程类似，但是实验组的被试者可以在每轮任务开始第8期闫佳庆等：不同难度任务下自我调节机制对心理负荷水平的影响2781前选择本轮题目的难易程度。允许被试者可以根据现有状态动态调整每轮题目的难易程度。两组被试者在实验开始前均需完成两轮预实验，以便熟悉后续正式任务的答题速度。见图1。2.4 脑电图记录本实验的脑电(ElectroEncephaloGraphEEG)信号采集设备为BrainProductantiAmp64(BrainProductsGmbH，德国)，采样频率5 000Hz。本文采用的是64导电极帽(1通道为参考电极)，其电极位置按照国际1020导联标准排列。参考电极选为TP9。所有电极间阻抗保持在5kW以下。2.5 数据预处理和清理所有数据都经过平均参考。使用频率通带为0.530Hz的FIR滤波器进行滤波处理。提取信号从结果判断选择呈现前的1 000ms(作为基线)到呈现后的2 000ms。本文将被试者完成3类不同难度的脑电数据进行分开分析。对单个时间片段进行视觉扫描，并手动丢弃包含伪像的时间片段。独立成分分析(IndependentComponentAnalysis,ICA)被用于去除由眼部通道拾取的眼电和侧向眼球运动，通过手动方式剔除数据中的伪迹17,18(FP1与FP2处产生的电活动)。3 数据分析本文对每个被试者不同任务难度下每次诱发的脑电电位进行了统计计算。根据已有研究19，将脑区分为5个感兴趣区域。额叶(frontal):Fz,F1,F2,F3,F4；额叶-中央头顶区(fronto-central):FCz,FC1,FC2,FC3,FC4；中央头顶区(central):Cz,C1,C2,C3,C4；中央头顶区-顶叶(centro-parietal):CPz,CP1,CP2,CP3,CP4；顶叶(parietal):Pz,P1,P2,P3,P4。在以下时间窗口内，本文分别统计了每名被试者在每种情况下峰值(150350ms(P300),500700ms(P600)。频域分析部分使用快速傅里叶变换(FastFourierTransformation,FFT)计算功率谱密度(Delta:0.54Hz,theta:48Hz,alpha:813Hz,Beta:1430Hz)。使用微状态分析方法，每组(决策部分02000ms信号)分别计算产生3个EEG微状态图。将自我调节作为被试者内因素，分别对两组被试者的每个时间窗进行反复方差分析(ANalysisOfVAriance,ANOVA)测量。所有分析的显著性水平设定为0.05。4 结果4.1 行为学分析结果2p本文首先分析了两组的行为学数据，见表1。结果发现，在完成中等任务时，实验组的正确个数为(M=41.17,SD=3.22)，对照组(M=44.22,SD=4.97)，形成显著差异(F(1,35)=4.781,p=0.036,=0.14)。答题所用时间，在3种不同难度下均形成显著差异(p0.001)。在简单情况时，实验组用时(s)(M=1.49,SD=2.38)显著低于对照组用时表 1 行为学数据分析结果正确数简单难度任务答题用时中等难度任务答题用时困难难度任务答题用时均值(n)方差(n)P值均值(s)方差(s)P值均值(s)方差(s)P值均值(s)方差(s)P值实验组41.173.220.0361.492.380.0012.593.580.0014.636.680.001对照组44.224.972.743.851.642.192.793.85图1范式流程图2782电子与信息学报第45卷(s)(M=2.74,SD=3.85)。而在中等及困难任务时，实验组用时(s)(中等任务：M=2.59,SD=3.58；困难任务：M=4.63,SD=6.68)显著高于对照组用时(s)(M=1.64,SD=2.19;M=2.74,SD=3.85)。4.2 EEG分析结果针对EEG分别进行事件相关电位、功率谱密度及微状态分析，如图2图7所示。2p2p在完成简单任务时，P300在额叶形成显著差异(F(1,178)=10.229,p0.001,=0.05)，实验组的振幅显著高于对照组。而在额叶-中央头顶区(F(1,178)=6.661,p=0.011,=0.04)，顶叶区域2p2p2p2p2p(F(1,178)=16.058,p0.001,=0.09)，实验组的振幅显著低于对照组，如表2所示。与对照组相比，实验组的P600波幅在额叶更大(F(1,178)=9.147,p=0.03,=0.05)。在中央头顶区(F(1,178)=12.433,p=0.001,=0.07)，中央头顶区-顶叶(F(1,178)=12.370,p=0.001,=0.07)，顶叶区域(F(1,178)=7.570,p=0.007,=0.04)P600波幅更小，如表3所示。功率谱分析结果显示，实验组相比对照组theta及alpha频带有所增加。微状态结果显示两组主要在额叶形成差异。在完成中等难度任务时，实验组P300的振幅图2CPz处事件相关电位图3Pz处事件相关电位图4脑电地形图第8期闫佳庆等：不同难度任务下自我调节机制对心理负荷水平的影响27832p2p2p在额叶显著高于对照组(F(1,178)=11.358,p=0.001,=0.07)。而在中央头顶区-顶叶(F(1,178)=1.431,p=0.035,=0.03)，顶叶(F(1,178)=4.419,p=0.037,=0.03)实验组的振幅显著低于对照组，2p2p如表4所示。与对照组相比，实验组的P600波幅在额叶更大(F(1,178)=8.018,p=0.005,=0.05)。在中央头顶区(F(1,178)=6.305,p=0.013,=0.04)，中央头顶区-顶叶(F(1,178)=8.952,p=0.003,图5CPz处功率谱密度图6Pz处功率谱密度图7脑电微状态2784电子与信息学报第45卷2p2p=0.05)，顶叶(F(1,178)=8.675,p=0.004,=0.05)P600波幅更小，如表5所示。相比对照组，实验组theta频带减小，alpha频带小幅度增加。微状态结果显示两组主要在顶叶形成差异。在完成困难任务时，ERP分析并未形成显著差异。功率谱密度分析结果显示，相比对照组，实验组theta频带小幅度减小，alpha频带增加。微状态结果显示两组在额叶、顶叶形成差异。并且相比简单及中等任务下，差异更为明显。5 结束语通过对比被试者的行为学数据，本文发现自我调节水平增加心理负荷水平的同时也会对被试者的绩效产生影响。在面向简单难度任务时，自我调节行为促使被试者更快做出决策，这也导致被试者的注意力不集中。而面向中等难度及困难难度任务时，自我调节行为促使被试者耗费更长时间20。并且在难度适中时，自我调节行为可以有效提升被试者绩效水平。但任务难度简单或者困难时，自我调节行为不能很好地调整我们认知分配，甚至使得绩效水平降低。研究指出当心理负荷水平升高时，theta频带功率增加并且alpha频带功率降低12,21,22。P300则在高心理负荷水平时振幅较低。此外，P600被认为是P300的延迟成分，当心理负荷提升时，P600振幅下降23。基于微状态结果显示，两组被试者在前额叶及顶叶区域形成差异，表明自我调节行为造成了认知资源分配的改变。基于EEG分析结果显示，自我调节行为在所有难度任务中均形成了额外的心理负荷，表现出额叶区域P300及P600波幅更大，在中央头顶区P300及P600波幅更小。其中，在简单任务中造成的负荷最大，此外theta及alpha频带功率增加24,25。这一现象表明自我调节行为受外界环境影响，在面向简单难度任务时会分配更多的资源制定策略，这也导致被试者对任务的注意力不集中致使alpha节律增加26。在任务难度适中时，实验组的心理负荷水平有所降低表现为theta频带降低及alpha频带增加，自我调节行为促使被试者做出更好的绩效表现。仅在面向困难难度任务时，实验组与对照组无显著差异。表明被试者受到感知影响，实验组为了适应困难难度的任务减少制定策略的资源分配27。实验证明不同任务难度下，自我调节行为对心理负荷水平有不同程度的提升。基于目前的研究结表 2 完成简单难度任务时P300分析结果额叶中央头顶区-顶叶顶叶均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值实验组4.172.780.0022.811.860.0112.362.120.001对照组2.982.183.662.53.92.97表 3 完成简单难度任务时P600分析结果额叶中央头顶区中央头顶区-顶叶顶叶均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值实验组0.881.910.032.122.540.0013.192.50.0072.532.790.001对照组0.212.813.452.514.43.374.163.4表 4 完成中等难度任务时P300分析结果额叶中央头顶区-顶叶顶叶均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值实验组4.331.750.0012.652.030.0352.672.510.037对照组2.913.493.422.683.542.91表 5 完成中等难度任务时P600分析结果额叶中央头顶区中央头顶区-顶叶顶叶均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值均值(mV)方差(mV)P值实验组0.632.730.0052.782.510.0133.482.90.0033.273.280.004对照组0.743.543.762.574.983.484.843.6第8期闫佳庆等：不同难度任务下自我调节机制对心理负荷水平的影响2785果，当任务难度相对于被试者适中时自我调节行为可以促使被试者表现出更好的绩效水平。本文认为在任务设计中，需要考虑到被试者对任务难度的适应程度，以减少因不当的调节行为产生的不良影响。参 考 文 献INZLICHTM,WERNERKM,BRISKINJL,et al.Integratingmodelsofself-regulationJ.Annual Review ofPsychology,2021,72:319345.doi:10.1146/annurev-psych-061020-105721.1文书锋,汤冬玲,俞国良.情绪调节自我效能感的应用研究J.心理科学进展,2009,32(3):666668.doi:10.16719/ki.1671-6981.2009.03.025.WENShufeng,TANGDongling,andYUGuoliang.Thecharacteristicsofregulatoryemotionalself-efficacyinChinesegraduatestudentsJ.Psychological Science,2009,32(3):666668.doi:10.16719/ki.1671-6981.2009.03.025.2NIGGJT.Annualresearchreview:Ontherelationsamongself-regulation,self-control,executivefunctioning,effortfulcontrol,cognitivecontrol,impulsivity,risk-taking,andinhibitionfordevelopmentalpsychopathologyJ.Journal ofChild Psychology and Psychiatry,2017,58(4):361383.doi:10.1111/jcpp.12675.3HEATHERTON T F.Neuroscience of self and self-regulationJ.Annual Review of Psychology,2011,62:363390.doi:10.1146/annurev.psych.121208.131616.4PAULK,POURTOISG,VANSTEENBERGENH,et al.Findingabalance:ModulatoryeffectsofpositiveaffectonattentionalandcognitivecontrolJ.Current Opinion inBehavioral Sciences,2021,39:136141.doi:10.1016/j.cobeha.2021.03.002.5MACDONALDIIIAW,COHENJD,STENGERVA,et al.DissociatingtheroleofthedorsolateralprefrontalandanteriorcingulatecortexincognitivecontrolJ.Science,2000,288(5472):18351838.doi:10.1126/science.288.5472.1835.6王益文,林崇德.额叶参与执行控制的ERP负荷效应J.心理学报,2005,37(6):723728.WANGYiwenandLINChongde.Frontalinvolvementtoexecutivecontrol:LoadeffectsreflectedbyERPsJ.ActaPsychologica Sinica,2005,37(6):723728.7GALYEandMLANC.EffectsofcognitiveappraisalandmentalworkloadfactorsonperformanceinanarithmetictaskJ.Applied Psychophysiology and Biofeedback,2015,40(4):313325.doi:10.1007/s10484-015-9302-0.8DEHAISF,LAFONTA,ROYR,et al.Aneuroergonomicsapproachtomentalworkload,engagementandhumanperformanceJ.Frontiers in Neuroscience,2020,14:268.doi:10.3389/fnins.2020.00268.9BAKKER A B and DE VRIES J D.Job Demands-Resourcestheoryandself-regulation:NewexplanationsandremediesforjobburnoutJ.Anxiety,Stress&Coping,2021,34(1):121.doi:10.1080/10615806.2020.1797695.10范伟,杨博,刘娟,等.自我欺骗:为了调节个体心理状态J.心理科学进展,2017,25(8):13491359.doi:10.3724/sp.J.1042.2017.01349.FANWei,YANGBo,LIUJuan,et al.Self-deception:ForadjustingindividualpsychologicalstatesJ.Advances inPsychological Science,2017,25(8):13491359.doi:10.3724/sp.J.1042.2017.01349.11KTHNERI,WRIESSNEGGERSC,MLLER-PUTZGR,et al.EffectsofmentalworkloadandfatigueontheP300,alphaandthetabandpowerduringoperationofanERP(P300)brain-computer interfaceJ.BiologicalPsychology,2014,102:118129.doi:10.1016/j.biopsycho.2014.07.014.12DEHAISF,DUPRSA,BLUMS,et al.MonitoringPilotsmentalworkloadusingERPsandspectralpowerwithasix-dry-electrodeEEGsysteminrealflightconditionsJ.Sensors,2019,19(6):1324.doi:10.3390/s19061324.13DEMURU M,LA CAVA S M,PANI S M,et al.Acomparisonbetweenpowerspectraldensityandnetworkmetrics:AnEEGstudyJ.Biomedical Signal Processingand Control,2020,57:101760.doi:10.1016/j.bspc.2019.101760.14MICHELCMandKOENIGT.EEGmicrostatesasatoolforstudyingthetemporaldynamicsofwhole-brainneuronalnetworks:AreviewJ.NeuroImage,2018,180:577593.doi:10.1016/j.neuroimage.2017.11.062.15KHANNAA,PASCUAL-LEONEA,andFARZANF.Reliability of resting-state microstate features inelectroencephalographyJ.PLoS One,2014,9(12):e114163.doi:10.1371/journal.pone.0114163.16SUBASIAandGURSOYMI.EEGsignalclassificationusingPCA,ICA,LDAandsupportvectormachinesJ.Expert Systems with Applications,2010,37(12):86598666.doi:10.1016/j.eswa.2010.06.065.17陈强,陈勋,余凤琼.基于独立向量分析的脑电信号中肌电伪迹的去除方法J.电子与信息学报,2016,38(11):28402847.doi:10.11999/JEIT160209.CHENQiang,CHENXun,andYUFengqiong.RemovalofmuscleartifactfromEEGdatabasedonindependentvectoranalysisJ.Journal of Electronics&InformationTechnology,2016,38(11):28402847.doi:10.11999/JEIT160209.18YANGQiwei,TANGPing,GURuolei,et al.ImplicitemotionregulationaffectsoutcomeevaluationJ.SocialCognitive and Affective Neuroscience,2015,10(6):824831.192786电子与信息学报第45卷doi:10.1093/scan/nsu124.BLISSETTS,SIBBALDM,KOKE,et al.Optimizingself-regulation of performance:Is mental effort a cueJ.Advances in Health Sciences Education,2018,23(5):891898.doi:10.1007/s10459-018-9838-x.20RON-ANGEVIN R,GARCIA L,FERNNDEZ-RODRGUEZ,et al.ImpactofspellersizeonavisualP300brain-computerinterface(BCI)systemundertwoconditionsofconstraintforeyemovementJ.ComputationalIntelligence and Neuroscience,2019,2019:7876248.doi:10.1155/2019/7876248.21ZHANG Zhonglu,LUO Yu,WANG Chaolun,et al.Identificationandtransformationdifficultyinproblemsolving:Electrophysiological evidence from chunkdecompositionJ.Biological Psychology,2019,143:1021.doi:10.1016/j.biopsycho.2019.02.004.22MUNS,WHANGM,PARKS,et al.Effectsofmentalworkloadoninvoluntaryattention:AsomatosensoryERPstudyJ.Neuropsychologia,2017,106:720.doi:10.1016/j.neuropsychologia.2017.08.021.23PERGHERV,WITTEVRONGELB,TOURNOYJ,et al.MentalworkloadofyoungandolderadultsgaugedwithERPs and spectral power during N-Back taskperformanceJ.Biological Psychology,2019,146:107726.doi:10.1016/j.biopsycho.2019.107726.24HUANGYihao,HEFeng,XUMinpeng,et al.OperateP300spellerwhenperformingothertaskJ.Journal of NeuralEngineering,2020,17(5):056022.doi:10.1088/1741-2552/abb4a6.25PUMAS,MATTONN,PAUBELPV,et al.UsingthetaandalphabandpowertoassesscognitiveworkloadinmultitaskingenvironmentsJ.International Journal ofPsychophysiology,2018,123:111120.doi:10.1016/j.ijpsycho.2017.10.004.26RAAIJMAKERSSF,BAARSM,SCHAAPL,et al.EffectsofperformancefeedbackvalenceonperceptionsofinvestedmentaleffortJ.Learning and Instruction,2017,51:3646.doi:10.1016/j.learninstruc.2016.12.002.27闫佳庆：男，博士，副教授，研究方向为神经信息与工程、计算神经科学.李丹：女，硕士生，研究方向为神经信号处理.邓金钊：男，硕士生，研究方向为计算神经科学.顾恒：男，博士，研究方向为认知工效学.孙文浩：男，硕士生，研究方向为神经信号处理.龙舟：男，硕士生，研究方向为神经信号处理.李小俚：男，教授，研究方向为神经工程、信号处理与计算神经科学.责任编辑：余蓉第8期闫佳庆等：不同难度任务下自我调节机制对心理负荷水平的影响2787