《BMC Psychology》：Intersubject correlation as a predictor of attention: a systematic review
編輯推薦：
本綜述聚焦主體間相關性（ISC）與注意力的關聯，通過整合自然主義神經影像學、實驗數據及行為測量，探討 ISC 對注意力的預測作用。元分析顯示，ISC 與注意力呈顯著正相關（r=0.65，p<0.001），揭示其作為神經標記物的潛力，為教育、認知干預等提供新視角。
主體間相關性（ISC）與注意力關聯的系統性研究
研究背景與核心概念
主體間相關性（ISC）是認知神經科學領域新興指標，反映多個個體在相同任務中神經反應的相似性，被視為注意力集中和認知參與的標志。其應用場景廣泛，涵蓋教育領域學習成果評估、大眾媒體受眾參與度分析及音樂體驗中的注意力和情感處理等。例如，教育場景中 ISC 可作為學習效果的代理指標，媒體環境下則能體現受眾對信息的投入程度。
注意力在此研究中定義為認知資源對外部刺激的分配，包括持續專注和任務導向處理。研究聚焦于與注意力相關的認知參與，排除非相關代理指標（如單純的學習績效或喚醒水平）。超掃描技術的發展使同步記錄多人神經活動成為可能，尤其在教育和團隊協作中價值顯著。腦電圖（EEG）超掃描因能捕捉聯合行動中的精細時間動態，成為探索社會協調神經機制的重要工具。
研究方法與數據整合
研究遵循 PRISMA 指南，通過 PubMed、Web of Science 等數據庫，以 “ISC” 與 “注意力” 為核心關鍵詞，檢索 2000 年 1 月至 2024 年 7 月間英文實驗性研究，排除臨床人群、個體內同步等不相關研究，最終納入 14 項研究（27 個效應量，619 名參與者）。
采用三級元分析模型，處理同一研究內效應量的相關性，避免傳統方法對整體效應的高估。數據涵蓋 EEG（相干性、鎖相值、頻譜功率相關性）和 fMRI（體素級或感興趣區域（ROI）的血氧水平依賴（BOLD）信號相關性）等多模態神經數據，同時整合眼動追蹤和行為測量等多維度指標。
關鍵研究結果
元分析顯示，ISC 與注意力呈顯著正相關（r=0.65，df=26，p<0.001，95% CI [0.46,0.78]），屬大效應量（Cohen 標準），表明 ISC 可有效預測注意力水平。研究異質性顯著（Q (df=26)=271.43，p<0.001），任務類型、測量方式和注意力結果類型為潛在影響因素。
任務類型方面，復雜或情感刺激（如音樂、懸疑視頻）誘發更高 ISC，反映認知資源的更多投入。例如，聽自然音樂時，腦電相干性在特定頻段（如 α、θ 波）同步性增強，與節奏和節拍處理相關；觀看懸疑電影片段時，扣帶回中部、角回和前額葉皮層等區域的神經同步性與懸念 ratings 顯著相關（r=0.70-0.79）。
測量工具上，EEG 的高時間分辨率適合動態認知過程（如注意力波動），而 fMRI 的高空間分辨率可定位前額葉皮層（注意力控制核心）、頂葉（信息處理）等關鍵腦區。多模態整合（如 EEG+fMRI + 眼動追蹤）提升了注意力預測的準確性，例如眼動軌跡同步性與自我報告注意力水平顯著相關（t (28)=17.36，p<0.001，d=3.22）。
應用前景與挑戰
在教育領域，ISC 可實時監測學生注意力，優化 MOOC 內容設計或課堂互動策略。例如，在線視頻學習中，眼動同步性高的學生自我報告注意力水平更高，且 ISC 與學習成績呈正相關（r=0.172）。團隊協作場景中，超掃描技術可評估合作效率，復雜任務下的腦同步性更強，反映認知協調需求。
廣告與營銷領域，觀眾面部表情同步性（ISC 的行為指標）與情感喚醒正相關（中性場景 r=0.59，快樂場景 r=0.60），為廣告效果評估提供新維度�？缥幕芯匡@示，ISC 在不同文化背景下的適用性需進一步驗證，但初步證據支持其作為全球注意力指標的潛力。
然而，ISC 研究面臨實驗設計復雜性（生態效度與控制平衡）、數據采集成本（多設備同步）及分析方法標準化（如頻譜分析 vs. 相位同步）等挑戰。機器學習和虛擬現實（VR）技術的引入，為處理大規模數據和創建可控自然場景提供了解決方案。
結論與未來方向
本綜述證實，ISC 是注意力的可靠神經標記物，尤其在前額葉和顳頂聯合區的同步性與認知負荷、情感投入密切相關。未來研究需進一步探索不同任務類型（如跨文化敘事）和個體差異（如神經發育障礙）對 ISC 的影響，推動其在個性化教育、神經反饋干預等領域的應用。隨著便攜式設備（如 fNIRS）和多模態整合技術的發展，ISC 有望成為解析社會互動中神經機制的核心工具，為認知神經科學和臨床干預提供新范式。
