注意力一

注意力一介绍注意力研究在历史性、理论性以及应用性上都体现出其重要性。

从历史的角度看，一个世纪以前美国心理学奠基人詹姆斯.威廉曾在他的经典教科书《心理学原则》上花费了一整章去阐述注意力（1890）。

兴趣注意力研究作为心理学研究的一个领域在人文主义时期第一个世纪的前半个世纪走向衰落，与此同时，注意力被视为一个不能直接测量的精神调解变量被错误的摈弃也因此被看作是科学研究范围之外的事情。

然而，尽管处于这样的一个时期，还是有少数有关注意力转换的经典研究如《杰西德著作》（1927）和《科莱克著作》（1947）出版。

之后，随着第二次世界大战的结束，正如在下一章讨论的那样兴趣注意力逐渐成为心理学研究的主题，因此到目前为止兴趣注意力仍然是心理学研究的基本要素。

我们可以从两个方面上来看注意力的理论重要性。

第一，作为人类信息处理上三大主要限制之一（另外两大限制是存储记忆和反应速度），注意力处理能力研究是它自身的根本利益：我们一次能做多少任务呢？我们从一个任务转换到另一个任务需要多少时间呢？在视野上我们又能够把注意力部署的有多宽呢？第二，注意力属性的研究是研究其他心理学现象的基础：注意力对于保持信息的短时记忆和将短时记忆转换成长期记忆是不可缺少的，也就是说必须要重视注意力。

注意力又是影响决策和感知处理的一种潜在的至关重要的成分。

注意力的应用重要性显然也体现在几个方面。

例如，上述记忆，学习，决策的领域全部都扩展成现实问题，比如目击证人的证词，培训，选择和展示设计等，因此在这些问题下的有关注意力的成分也都自然的按比例放大。

但是注意力挑战和问题不仅仅只存在于实验室中：分心司机的危险，为了对大量数据的理解分析而导致的注意力的超负载，在电子工作中对注意力极速转换的要求，假警报捕获注意力的成功或失败，以及患有注意力缺失症的孩子们的行为都是相近的例子。

注意力的种类注意力有着不同的种类包含很广泛的现象。

另一位美国心理学奠基人—蒂奇纳尔（1908，p.265）在介绍有关注意力的篇章中曾写道“注意力已被运用到心理学的历史中去表示不同的事情”，并且专门用一个段落去陈列注意力在这些不同的事情表示的不同的意思。

在当代的书中包含数个可以运用在高速驾驶的情景下被阐释的注意力种类。

面对多种干扰的情况下，司机在驾驶任务中首先全神贯注，集中注意力，然后在没有任何犯错的情况下完成了任务。

因此，注意力集中可以被应用到一个任务或一个特殊渠道或者是环境信息资源中。

然而，司机们不仅仅只是执行一项任务，他们经常会面临多种选择。

例如，保持车道和查看地图。

这种情况下，注意力是被定义在一个总的水平上的选择性注意力，例如选择只是将注意力集中在某一项任务上。

或者在一般水平上选择性注意被视觉扫描所代替，正如从一个地方看向另一个地方。

选择性注意的内在概念是一种注意力转换的思想，也就是一个将注意力从一项任务或一个通道转移到另一个任务或通道的过程。

现在，有时司机可以不用将注意力从一项任务或一个通道转换到另一项任务或通道去完成多项任务，而是通过平行处理将多项任务成功的完成。

可以从两个层面上来描述上述我们所说的很像选择性注意的分散注意。

在任务层面上，成功的分散注意应该包括这样的一些事情，例如当用收音机收听新闻节目或欣赏音乐时还能保持车道。

在知觉层面上，分散注意应该涉及到一个刺激上的多个方面的并行处理。

例如，迅速瞥一眼一张精心设计的地图就可以通过单一的知觉经验获得高速公路的长度，方向以及目的地位置。

相应地，迅速地通过挡风玻璃看一眼正在行驶过来的车就可以在同一时刻观察到车的颜色，车的速度以及车牌号。

当然，我们必须明白，并行处理或成功的分散注意不是必要地，也就是说它们并不是完美的只有当它们比纯粹的一系列选择性注意要好时才能被允许。

最后，将多种注意力的持续性注意看作是不断的脑力活动导致的是有可能的，而且不管这种活动具有多么高或是多么简单。

不管怎样，人类在认知的道路上是付出了代价的，因为人类需要付出极大的努力才能完成一项花费长时间的任务。

另外，对于这五种不同的注意力种类（专注注意，选择注意，转换注意，持续性注意）我们可以将它们用另外的两种方式来表示：心里滤除，精神催化剂，如图1.1所示。

这张图显示了一个传统的信息加工过程。

人类表现的模型极其亮点是越多感性方面的注意正在形成前端过滤，选择一些确定的刺激因素和事物进行加工处理并且过滤掉其他相关性不大的因素。

如果选择是在分散注意的辅助下形成的，那么立刻会有两个或更多的通道去访问过滤器。

然而，因为信息加工活动是在选择性的环境信息下或自我认知的前提下被执行的，精神资源或精神燃料的有限使得信息加工过程可以控制一次性可以处理的进程数。

这不管是服务于单一的任务还是多重任务都是这样的。

图1.1表明了一种注意力的观点，虽然简单但是为我们编著这本书的一些章节提供了启发式的帮助。

关于其他应用领域正如前面已经提到的那样，注意力和其它认知心理学领域密切相关，例如，记忆、学习、决策、感知等。

然而，除此之外注意力也和其它四个重要的应用领域有着不可分割的关系，我们在这里简单说明一下，在这本书的后面还会提到。

第一，在人为错误的研究中，注意力错误，尤其是判断失误是一个主要而且重要的认知缺陷来源。

第二，判断失误与情景意识方面息息相关，情景意识这个概念在过去的两个世纪中受到了热烈欢迎而且它也有理由大受欢迎。

它可以被看作是一个在当前环境下的个人的当前状态的内在心智模型。

可以保守的将情景意识分为三个层面或三个阶段。

层面划分为：（1）注意动态环境中发生的事情；（2）理解所发生事情的意义（3）预测或凸显他们对未来的影响。

阶段划分为：阶段一，注意，主要取决于注意过滤器的有效部署，阶段二和阶段三尤其是阶段三。

（这里没看懂）：一个由于高并发任务负载而对未来想要发生的事情预测失败的运营商将在未来要发生的事情上的处理难以取得成功。

第三，在过去的二十多年里心理负荷的研究已经成为兴趣应用的另一块热土，因为设计者们在努力地创造一些系统使得在这些系统中运营所需的人类精神资源总是少于可利用的资源，也就是说，图1.1中的燃料并没有被心理活动完全用完以至于总是在那个资源槽里有剩余去处理突发事件。

因此，心理负荷的研究就是寻找方法去测量消耗和剩余的燃料，然后去减少强加于人的一些要求。

第四，随着计算机以及技术发展的复杂化，降低心理工作负荷已经成为一种目标，因此不得不面对自动化交互这个问题。

人类关注的两个方面；一是自动化交互和情景意识的直接联系，二是前面提到的工作负荷。

第一，降低心理工作负荷的渴望是放在首要位置的一种对于自动化测试的主要动力。

在人类个体层面上这也许可以阻止人类操作者工作负载过载，例如一个自动驾驶仪可以帮助飞行员驾驶从而允许飞行员专注于其它工作任务。

在宏观工效学层面上，自动化和工作负荷涉及到人力资源问题：如果三人小组里面的一个成员的功能是自动化的，那么一个工艺的产生就会降低33%的人事费用。

第二，目前，高水平的自动化建设已经颇具规模，不仅设计用来降低工作负荷而且可以减少经营者对于过程的认识。

虽然过程是自动化的但是最终人类还是要认真负责的。

这样的一个意识的减少往往是由注意力直接调解的，因此人类可以避免对自动化过程集中太多注意力。

一个潜在的灾难性的行为是自动化失败或自动化出现问题导致其它过程不受控制。

加强基础应用研究正如之前已经提到的，注意力是一个结合基础问题与应用问题的心理学概念。

就这一点而言，读者将会注意到这里为探讨这个连续统的两个端点以及进行全方位的研究而做出的努力和在这两者之间的问题。

一端是简单和良好控制的不需要特定程序的理论工作，并且由于高度控制，显示的效应值经常不会超过几毫秒，但是在数据统计上却有着重大意义。

另一端，是对现实生活中相关的事故和事件分析，在某种程度上，是对注意力因素造成的事故的分析。

但是由于缺乏对此类数据收集的控制，想要排除其它促成致因或做一个因果推断是不可能的。

工程心理学挑战这个领域所表现的这本书的精神就是将两个端点链接起来。

我们如何提取基于注意力现象的理论并辨别出哪个理论对现实生活中的注意力成功和失败做出了解释？在真实世界中而非实验室中这个控制的良好的现象的解释有多少可变性？最重要的一点是，由设计者捕捉的这些独立变量在实验室中多大程度地调整着注意力影响的大小，并且在人类互动的现实世界中用复杂的动态环境来实验变量，注意力何时扮演过如此重要的角色？当一项研究从更基础的研究向更应用性的研究过渡时之前提到的显著性差异的区别这个问题变得越来越重要了，经典的定义是依据p水平的统计测试，而现实意义上的定义是根据原始单位上变化的大小。

例如，汽车制动时间可以减少一秒（在注意力研究方面采用的建议），如提供一个视觉显示器或听觉显示器，也许就会降低20%事故发生率。

然而，基础研究关注的最多的是显著性差异，但是应用性研究必须予以显著性差异和现实意义两者同样的关注。

毕竟，一次干预只能够减少汽车制动时间的万分之一秒，就算在统计学上p<0.5水平也不会有什么实际意义。

另一方面，如果一个操作能够在理论上节省潜在的一秒钟的时间，就算没有完全达到保守的p<0.5水平效果统计的可靠性，但是接近那个水平对于应用性的研究者们也是有极大的重要性的。

就这一点而言，应用研究者们一定要注意不能忽略统计的意义——重要的通过对统计意义的关心来增值现实意义。

重要的是，从实验室到应用的扩大发现的过程中有两个阶段。

第一，如何将有关注意力的实验室现象迁移到到真实环境中。

第二，也是同等重要的，就是设计基于注意力的解决方案去提高生产力和加强环境的安全性。

在接下来的章节中将会尽量通过整合整个基础应用连续体来展示是如何完成实验室研究到应用的过程。

模型的作用变得越来越重要的基础研究到应用程序的转换努力的一个方面就是人类绩效和认识模型的发展。

这些模型可以分为两个通用的类。

描述型模型，例如在下一章展示的瓶颈模型，在某种程度上描述注意力的协调处理机制也就是定性的性能解释。

有时，描述性模型可以大量产生能够进行实际措施的定量预测的计算模型，例如注意力转换时间和机率的预测。

这些都是很有价值的，因为它们可以预测如同之前讨论的减少一秒钟制动时间的安全措施。

同样，伴随之对注意力研究的关注产生的集后面两种模型的区别于一身的模型是基础与应用计算模型的一种。

基础模型越来越趋向于严格化，需要相当高的标准来进行验证。

应用模型，一方面趋向于对更广泛条件和环境变量的包含，另一方面又趋向于有点不太准确。

应用计算模型的巨大价值是一旦当它们被人类性能数据验证时，它们常常允许设计者知道就算一个系统已经投入生产系统也很有可能不能使操作者满意，或在人类测试中被嘲笑。

例如，一个模型也许是一个可以预测驾驶员需要从道路上转移他们的视线至少两秒的时间去打开一个特定的车载技术的模型。