過度使用社交媒體損害認(rèn)知和注意力的機(jī)制研究進(jìn)展

韓文章 胡博 李雨婷 王文

[摘要] 目前，學(xué)生最常用的電子閱讀媒介是社交媒體。神經(jīng)科學(xué)和心理學(xué)研究表明，過度使用社交媒體顯著降低個(gè)體認(rèn)知和注意力，但其內(nèi)在機(jī)制尚存在爭(zhēng)議。以往的研究采用單一模態(tài)影像技術(shù)和神經(jīng)心理分析技術(shù)，無法全面分析過度使用社交媒體對(duì)認(rèn)知功能產(chǎn)生的影響。腦電圖-功能磁共振成像（EEG-fMRI）同步采集和動(dòng)態(tài)大腦功能網(wǎng)絡(luò)分析技術(shù)有望用于探討碎片化閱讀損害認(rèn)知和注意力的神經(jīng)影像學(xué)機(jī)制。本文主要就過度使用社交媒體損害認(rèn)知和注意力的機(jī)制及其研究方法做一綜述。

[關(guān)鍵詞] 認(rèn)知障礙;注意力;超媒體;腦電描記術(shù);磁共振成像;綜述

[中圖分類號(hào)] R741 ?[文獻(xiàn)標(biāo)志碼] A ?[文章編號(hào)] 2096-5532（2020）06-0754-03

doi：10.11712/jms.2096-5532.2020.56.180 [開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）]

[網(wǎng)絡(luò)出版] https：//kns.cnki.net/kcms/detail/37.1517.R.20201018.1635.002.html;

[ABSTRACT] Currently， social media is the most commonly used e-reading medium for students. Neuroscience and psychological studies have shown that excessive use of social media significantly reduces individual cognition and attention， but there are still controversies over its internal mechanism. Previous studies used single-modality imaging technology or neuropsychological analysis technology， which were unable to fully analyze the impact of excessive use of social media on cognitive function. Electroencephalography-functional magnetic resonance imaging synchronous acquisition and dynamic brain function network analysis techniques are expected to be used in exploring the neuroimaging mechanism of fragmented reading that impairs cognition and attention. This article mainly reviews the mechanism of excessive use of social media in impairing cognition and attention and related research methods.

[KEY WORDS] cognition disorders; attention; hypermedia; electroencephalography; magnetic resonance imaging; review

隨著互聯(lián)網(wǎng)和信息技術(shù)的不斷發(fā)展，數(shù)字化閱讀在我們的生活中愈加普遍。2019年第十六次全國(guó)國(guó)民閱讀調(diào)查結(jié)果顯示，我國(guó)成年國(guó)民數(shù)字化閱讀率為69.3%，其中手機(jī)移動(dòng)閱讀率達(dá)73.7%，人均每天手機(jī)接觸時(shí)間達(dá)84.87 min[1]。大學(xué)生是手機(jī)移動(dòng)閱讀的最大群體，手機(jī)使用率幾乎達(dá)100%。通過智能手機(jī)獲取最新資訊，進(jìn)而接觸和了解社會(huì)是大學(xué)生使用手機(jī)的主要目的[2]。在網(wǎng)絡(luò)上，他們可以了解自己朋友的動(dòng)態(tài)，并結(jié)交新的同伴[3-5]。網(wǎng)絡(luò)在青少年發(fā)展中起著重要作用，因此需要關(guān)注青少年社交媒體的使用[6]。然而，神經(jīng)科學(xué)和心理學(xué)研究表明，過度使用社交媒體會(huì)影響青少年大腦的正常發(fā)育[7]，每天過度使用社交媒體可損害注意力、記憶力和學(xué)習(xí)能力[7-9]，并與焦慮、抑郁狀態(tài)密切相關(guān)[10]，嚴(yán)重影響工作與學(xué)習(xí)效率。所以，預(yù)防和糾正過度使用社交媒體導(dǎo)致的認(rèn)知和注意力損害尤為重要。但是，社交媒體過度使用導(dǎo)致認(rèn)知和注意力損害的量效關(guān)系及其神經(jīng)機(jī)制尚不清楚[11]。近年來有研究采用影像技術(shù)對(duì)社交媒體過度使用導(dǎo)致認(rèn)知和注意力損害的神經(jīng)機(jī)制進(jìn)行了探討，本文主要就該機(jī)制及其研究方法進(jìn)行綜述。

1 過度使用社交媒體可能通過碎片化閱讀影響腦功能

有研究發(fā)現(xiàn)，過度使用社交媒體顯著降低認(rèn)知和注意力，但其內(nèi)在機(jī)制尚存爭(zhēng)議[12]。既往研究顯示，過度使用社交媒體讓人們陷于多任務(wù)處理狀態(tài)[13]。然而，多任務(wù)處理能否及如何影響認(rèn)知和注意力并未有統(tǒng)一結(jié)論：2019年的研究認(rèn)為多任務(wù)處理?yè)p害認(rèn)知和注意力[12];新近研究并未提供多任務(wù)處理顯著損害認(rèn)知和注意力的證據(jù)[14];還有研究發(fā)現(xiàn)，多任務(wù)處理與多重感覺整合呈正相關(guān)[15]，可提高被試在注意力切換任務(wù)中的表現(xiàn)[16]。這些結(jié)果提示，可能有其他機(jī)制參與過度使用社交媒體損害認(rèn)知和注意力的過程。

用戶在使用社交媒體（如微博、微信）時(shí)，看到的信息大多簡(jiǎn)短、多樣且不相關(guān)，此即碎片化閱讀。碎片化閱讀可有效提高信息訪問效率，以便用戶快速閱讀感興趣的內(nèi)容[17]。然而，由于社交媒體的內(nèi)容主要依賴用戶分享，不同用戶分享的內(nèi)容完全不相關(guān)，閱讀者的思維必須在這些零散內(nèi)容間多次切換而不作深入思考。這導(dǎo)致閱讀者的深度思考能力減弱，思維惰性增大;也導(dǎo)致青年閱讀者認(rèn)知負(fù)荷增加，認(rèn)知能力受損[18]。因此，碎片化閱讀可能是社交媒體導(dǎo)致認(rèn)知和注意力損害的重要原因。然而，碎片化閱讀如何影響腦功能，尚缺乏在體神經(jīng)影像學(xué)證據(jù)。

2 單一模態(tài)神經(jīng)影像技術(shù)和神經(jīng)心理分析技術(shù)在機(jī)制研究中的運(yùn)用 ?既往對(duì)過度使用社交媒體損害認(rèn)知和注意力機(jī)制的研究主要集中于多任務(wù)處理影響腦功能。有研究顯示，青少年和成年人使用社交媒體時(shí)，多任務(wù)處理導(dǎo)致調(diào)控注意力和具有抑制能力的右前額葉功能活動(dòng)顯著增加[19]。還有研究顯示，經(jīng)常使用互聯(lián)網(wǎng)檢索的老年被試，再次使用網(wǎng)絡(luò)檢索時(shí)，其前額葉皮質(zhì)被廣泛激活[20];不常使用互聯(lián)網(wǎng)檢索的老年被試，在連續(xù)使用互聯(lián)網(wǎng)檢索5 d后，其前額葉皮質(zhì)也發(fā)現(xiàn)類似的廣泛激活[21]。雖然碎片化閱讀可能是過度使用社交媒體導(dǎo)致認(rèn)知和注意力損害的重要原因，但既往研究側(cè)重于使用社交媒體的多任務(wù)處理過程[14]。所以，目前尚缺乏碎片化閱讀影響認(rèn)知、注意力以及大腦功能和結(jié)構(gòu)的研究。即使是有多任務(wù)處理影響認(rèn)知、注意力和腦功能的研究，也多為橫斷面研究[22-23]，這些研究主要探討了短期冥想對(duì)多任務(wù)處理導(dǎo)致認(rèn)知和注意力損害的干預(yù)作用[24]，以及短期多任務(wù)處理提升被試的多任務(wù)切換能力[22]。這些研究結(jié)論易受環(huán)境和生活習(xí)慣等混雜因素的影響，并且沒有縱向研究過度使用社交媒體對(duì)認(rèn)知、注意力和腦功能的長(zhǎng)期影響。采用單一模態(tài)影像技術(shù)，或只采用神經(jīng)心理分析技術(shù)，或采用神經(jīng)心理分析結(jié)合單一模態(tài)功能磁共振成像（fMRI）技術(shù)進(jìn)行研究[21，25-27]，無法多角度解釋碎片化閱讀對(duì)認(rèn)知功能的影響。在認(rèn)知損害研究領(lǐng)域，以往研究發(fā)現(xiàn)： 2型糖尿?。═2DM）病人輕度認(rèn)知損害（MCI）早期出現(xiàn)神經(jīng)血管偶聯(lián)（NVC）障礙[28]，隨之出現(xiàn)以ALFF、ReHo、FC[29]以及腦熵值[30]等為代表的大腦功能狀態(tài)改變，MCI后期則出現(xiàn)大腦結(jié)構(gòu)的顯著改變[29]。這些發(fā)現(xiàn)符合認(rèn)知損害時(shí)大腦從功能到結(jié)構(gòu)改變的神經(jīng)生物學(xué)過程，但碎片化閱讀是否可導(dǎo)致上述特征性和階段性的功能和結(jié)構(gòu)改變，目前尚無定論。因此，結(jié)合多模態(tài)影像技術(shù)，開展縱向研究，可以揭示碎片化閱讀損害認(rèn)知和注意力的神經(jīng)影像學(xué)機(jī)制。

3 磁共振成像（MRI）和腦電圖（EEG）的腦網(wǎng)絡(luò)分析在機(jī)制研究中的應(yīng)用前景 ?認(rèn)知等高級(jí)腦功能活動(dòng)依賴神經(jīng)元→神經(jīng)元集群→特定腦區(qū)→大規(guī)模皮質(zhì)組織→全腦等多層次結(jié)構(gòu)的協(xié)同運(yùn)作，從網(wǎng)絡(luò)角度才能比較全面地解析認(rèn)知的腦結(jié)構(gòu)與功能改變機(jī)制?；贛RI、EEG等無創(chuàng)腦成像技術(shù)的腦網(wǎng)絡(luò)研究表明，分析腦結(jié)構(gòu)和功能網(wǎng)絡(luò)對(duì)闡明大腦認(rèn)知功能具有重要意義[25]。fMRI、三維偽連續(xù)動(dòng)脈自旋標(biāo)記（3D-pCASL）以及結(jié)構(gòu)磁共振成像（sMRI）是最常用的無創(chuàng)腦影像研究技術(shù)，分別反映大腦局部神經(jīng)集群活動(dòng)、腦血流灌注和腦結(jié)構(gòu)改變[31-32]，以往用于研究各類疾病引起的大腦功能及結(jié)構(gòu)的改變[33-35]。目前的多模態(tài)腦網(wǎng)絡(luò)研究領(lǐng)域尚存如下問題：①fMRI的空間分辨率較高，但時(shí)間分辨率不足（秒級(jí)）[36]，高時(shí)間分辨率的EEG和高空間分辨率的fMRI同步采集（EEG-fMRI）已用于探討認(rèn)知損害的特征性腦功能網(wǎng)絡(luò)改變[27]，有望克服上述缺陷;②既往采用fMRI技術(shù)分析腦功能網(wǎng)絡(luò)改變，并不能反映fMRI最小解析時(shí)間段（秒級(jí)）內(nèi)的動(dòng)態(tài)大腦功能網(wǎng)絡(luò)，從而無法反映大腦信息傳遞過程中的動(dòng)態(tài)腦功能變化，采用滑動(dòng)窗技術(shù)可以進(jìn)一步分析動(dòng)態(tài)的大腦功能網(wǎng)絡(luò)[37]，結(jié)合小世界功能網(wǎng)絡(luò)，將有可能揭示更為詳盡的腦功能網(wǎng)絡(luò)改變;③腦結(jié)構(gòu)和功能網(wǎng)絡(luò)參數(shù)眾多，采用常規(guī)影像后處理技術(shù)無法充分利用這些參數(shù)，而借助人工智能技術(shù)，對(duì)參數(shù)進(jìn)行降維處理，構(gòu)建機(jī)器學(xué)習(xí)模型，將有可能充分利用腦結(jié)構(gòu)和功能網(wǎng)絡(luò)參數(shù)，開發(fā)高效的診斷體系[38]。

總之，結(jié)合EEG-fMRI和動(dòng)態(tài)大腦功能網(wǎng)絡(luò)分析技術(shù)探討碎片化閱讀損害認(rèn)知和注意力的神經(jīng)影像學(xué)機(jī)制，可能有助于篩選認(rèn)知和注意力易損個(gè)體，為其早期干預(yù)提供影像學(xué)證據(jù)。

[參考文獻(xiàn)]

[1] 中國(guó)新聞出版研究院全國(guó)國(guó)民閱讀調(diào)查課題組，魏玉山，徐升國(guó). 第十六次全國(guó)國(guó)民閱讀調(diào)查主要發(fā)現(xiàn)[J]. 出版發(fā)行研究， 2019（6）：33-36，23.

[2] 袁少琪，孫文昊. 智能手機(jī)對(duì)大學(xué)生文化消費(fèi)的影響探析[J]. 營(yíng)銷界， 2019（25）：145-147.

[3] KONIJN E A， VELDHUIS J. The handbook of psychology of communication technology[J]. Behaviour & Information Technology， 2015，34（12）：1215-1220.

[4] VALKENBURG P M， TAYLOR PIOTROWSKI J. How media attract and affect[J]. Journal of Children and Media， 2020，49（6）：1343-1348.

[5] NESI J， PRINSTEIN M J. Using social media for social comparison and feedback-seeking： gender and popularity moderate associations with depressive symptoms[J]. Journal of Abnormal Child Psychology， 2015，43（8）：1427-1438.

[6] WARTELLA E， BEAUDOIN-RYAN L， BLACKWELL C K， et al. What kind of adults will our children become？ The impact of growing up in a media-saturated world[J]. Journal of Children and Media， 2016，10（1）：13-20.

[7] CRONE E A， KONIJN E A. Media use and brain development during adolescence[J]. Nature Communications， 2018，9（1）：588.

[8] BAUMGARTNER S E， VAN DER SCHUUR W A， LEMMENS J S， et al. The relationship between media multitasking and attention problems in adolescents： results of two longitudinal studies[J]. Human Communication Research， 2018，44（1）：3-30.

[9] WARD A F. Supernormal： how the Internet is changing our memories and our minds[J]. Psychological Inquiry， 2013，24（4）：341-348.

[10] STORM B C， STONE S M. Saving-enhanced memory： the?? ?benefits of saving on the learning and remembering of new information[J]. Psychological Science， 2015，26（2）：182-188.

[11] SILK J S， SIEGLE G J， LEE K H， et al. Increased neural response to peer rejection associated with adolescent depression and pubertal development[J]. Social Cognitive and Affective Neuroscience， 2014，9（11）：1798-1807.

[12] MESHI D， TAMIR D I， HEEKEREN H R. The emerging neuroscience of social media[J]. Trends in Cognitive Sciences， 2015，19（12）：771-782.

[13] OPHIR E， NASS C， WAGNER A D. Cognitive control in media multitaskers[J]. Proceedings of the National Academy of Sciences of the United States of America， 2009，106（37）：15583-15587.

[14] 中國(guó)互聯(lián)網(wǎng)網(wǎng)絡(luò)中心. 中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[J]. 中國(guó)科技信息， 2018（5）：6-7.

[15] WIRADHANY W， NIEUWENSTEIN M R. Cognitive control in media multitaskers： two replication studies and a meta-Analysis[J]. Attention， Perception， & Psychophysics， 2017，79（8）：2620-2641.

[16] LUI K F， WONG A C. Does media multitasking always hurt？ A positive correlation between multitasking and multisensory integration[J]. Psychonomic Bulletin & Review， 2012，19（4）：647-653.

[17] ELBE P， SRMAN D E， MELLQVIST E， et al. Predicting attention shifting abilities from self-reported media multitas-king[J]. Psychonomic Bulletin & Review， 2019，26（4）：1257-1265.

[18] 溫鳳鳴. 移動(dòng)互聯(lián)網(wǎng)時(shí)代碎片化經(jīng)典閱讀的路徑和方式[J]. 傳播與版權(quán)， 2017（8）：120-122.

[19] 滕進(jìn)芝. 青年思維習(xí)慣“碎片化”趨勢(shì)審視[J]. 北京教育（高教版）， 2019（3）：15-18.

[20] MOISALA M， SALMELA V， HIETAJRVI L， et al. Media multitasking is associated with distractibility and increased prefrontal activity in adolescents and young adults[J]. Neuro-Image， 2016，134：113-121.

[21] SMALL G W， MOODY T D， SIDDARTH P， et al. Your brain on google： patterns of cerebral activation during internet searching[J]. The American Journal of Geriatric Psychiatry， 2009，17（2）：116-126.

[22] ALZAHABI R， BECKER M W. The association between media multitasking， task-switching， and dual-task perfor-mance[J]. Journal of Experimental Psychology. Human Perception and Performance， 2013，39（5）：1485-1495.

[23] LOH K K， KANAI R. How has the Internet reshaped human cognition[J]？ The Neuroscientist： a Review Journal Bringing Neurobiology， Neurology and Psychiatry， 2016，22（5）：506-520.

[24] BULLMORE E， SPORNS O. Complex brain networks： graph theoretical analysis of structural and functional systems[J]. Nature Reviews Neuroscience， 2009，10（3）：186-198.

[25] SMALL G， VORGAN G. Meet Your iBrain[J]. Scientific American Mind， 2008，19（5）：42-49.

[26] GORMAN T E， GREEN C S. Short-term mindfulness intervention reduces the negative attentional effects associated with heavy media multitasking[J]. Scientific Reports， 2016，6：24542.

[27] NAKAI Y， JEONG J W， BROWN E C， et al. Three- and four-dimensional mapping of speech and language in patients with epilepsy[J]. Brain： a Journal of Neurology， 2017，140（5）：1351-1370.

[28] HU B， YAN L F， SUN Q， et al. Disturbed neurovascular coupling in type 2 diabetes mellitus patients： evidence from a comprehensive fMRI analysis[J]. NeuroImage： Clinical， 2019，22：101802.

[29] SUN Q， CHEN G Q， WANG X B， et al. Alterations of white matter integrity and hippocampal functional connectivity in type 2 diabetes without mild cognitive impairment[J]. Front Neuroanat，2018，12：21.

[30] ZHANG X， YU Y， SHI Z S， et al. Increased resting state functional irregularity of T2DM brains with high HbA1c： sign for impaired verbal memory function[J]？ Brain Imaging and Behavior， 2020. doi：10.1007/s11682-020-00285-8.

[31] NEALON R S， HOWE P R， JANSEN L， et al. Impaired cerebrovascular responsiveness and cognitive performance in adults with type 2 diabetes[J]. Journal of Diabetes and Its Complications， 2017，31（2）：462-467.

[32] XU Y， WANG L M， HE J， et al. Prevalence and control of diabetes in Chinese adults[J]. JAMA， 2013，310（9）：948-959.

[33] HU B， WANG X， HE J B， et al. Structural and functional brain changes in perimenopausal women who are susceptible to migraine： a study protocol of multi-modal MRI trial[J]. BMC Medical Imaging， 2018，18（1）：1-8.

[34] DAI Y J， ZHANG X， YANG Y， et al. Gender differences in functional connectivities between insular subdivisions and selective pain-related brain structures[J]. The Journal of Headache and Pain， 2018，19（1）：24.

[35] CHUNG S J， SHIN J H， CHO K H， et al. Subcortical shape analysis of progressive mild cognitive impairment in Parkin-sons disease[J]. Movement Disorders， 2017，32（10）：1447-1456.

[36] TEWARIE P， LIUZZI L， O'NEILL G C， et al. Tracking dynamic brain networks using high temporal resolution MEG measures of functional connectivity[J]. NeuroImage， 2019，200：38-50.

[37] ALLEN E A， DAMARAJU E， PLIS S M， et al. Tracking whole-brain connectivity dynamics in the resting state[J]. Cerebral Cortex， 2014，24（3）：663-676.

[38] DAVATZIKOS C. Machine learning in neuroimaging： progress and challenges[J]. NeuroImage， 2019，197：652-656.

（本文編輯 馬偉平）