对自我调节的研究是跨层次的；然而，很少有人关注自我报告、神经和行为指标在多大程度上预测现实生活中的目标追求。我们使用混合方法（N = 201），在自我调节的不同方面的既定措施之间进行三角测量，以预测使用经验抽样的目标追求过程，以及在1、3和6个月随访中的长期目标进展。虽然自我报告特质的自我控制可以预测几个月后的目标实现，但我们观察到纵向目标实现与与绩效监测和对积极/奖励刺激的反应性相关的ERPs之间不存在关系。尽管有证据表明这些ERPs是可靠的和类似于特质的，尽管有理论上的建议，但我们的发现表明这些ERPs与日常目标的实现没有意义的联系。这些发现对被认为是评估自我调节方面的大脑测量的生态学有效性提出了挑战。
自我调节是心理学和神经科学研究的重点，它被分为自我调节、自我控制、执行功能和认知控制。自我调节不是单一的过程，它涵盖多个过程，包括目标设定、规划、奖励敏感性、绩效监控和抑制控制等。有一个重要的问题是：我们如何引导我们的思想、感觉和行为走出困境，走向预期的结果？考察这个问题既需要对自我调节的各个组成部分进行可靠的测量，也需要对其对日常目标追求的预测有效性进行考察。
实验心理学家和认知神经科学家进行了大量实验室实验，旨在揭示自我调节各个组成部分背后的心理和生物过程。研究表明，在实验室中观察到的认知控制的各种组成部分的神经机制可能会预测实验室外的自我调节。虽然许多研究已经将大脑作为现实世界自我调节的预测因素进行了考察，但没有一项研究对这些指标在现实世界中的预测有效性进行了超过一两周的纵向研究。我们在本研究中采用了纵向研究方法。具体来说，我们在一个大样本中测试了与自我调节各个方面相关的特质和神经测量的预测有效性，该样本结合了多种方法中自我调节多个组成部分的测量，包括脑电、行为任务、自我调节过程的生态瞬时评估（例如，欲望频率、强度和阻力），并在1个月、3个月和6个月的随访中评估长期目标进展。
我们研究了三种与自我调节有关的事件相关电位（ERP）。第一个是错误相关的消极性（Error-related negativity, ERN），ERN是最广泛意义上的自我调节基础神经认知过程的标记，它可能能够预测现实世界中广泛的自我调节结果。ERP研究还揭示了与处理食欲刺激有关的成分，奖励积极性（Reward positivity, RewP）在反馈刺激后250-350毫秒出现。晚期正电位（Late Positive Potential, LPP), LPP是一种正向ERP，在刺激开始后300毫秒内，当呈现高度唤醒、动机相关的图片时达到最大值。
在本研究中，我们采用了混合方法探讨了自我报告（自控、责任心、行为方法系统）与脑电成分（ERN、RewP、LPP）的预测效度，用行为任务（flanker任务的认知控制）测量自我自我调节（见图1）。本研究的假设包括：（1）与积极/食欲刺激（即LPP和RewP）处理相关的ERP将与长期目标进展减少相关；（2）LPP和RewP将与自我调节不良（欲望增加、制定增加、阻力减少）的即时体验相关；（3）基于ERN与日常自我调节相关的先前发现，我们预测ERN幅度越高，目标进展越大；（4）ERN的自我调节还表明，该成分将与增强的自我调节（即减少欲望、减少制定、增强阻力）相关；（5）ERN通常与焦虑/消极情感的形式有关，这些形式通常与自我调节呈负相关。我们预先记录了我们对ERN调节关系的矛盾心理，表明该成分可能与瞬时自我调节和长期目标实现无关。
图1
方法
被试和程序
被试（N = 226）主要是采用便利抽样法在本科被试库中招募的，但也有少量是通过校园和广告招募的，包括37%的男性，63%的女性，他们的平均年龄为20.4（SD = 5.93）。在基线时（第一次调查和经验抽样）有201名被试完成了测试，在1个月的追踪时有149名被试完成了测试，在3个月的追踪时有132名被试完成了测试，在6个月的追踪时有107名被试完成了测试。
结果
描述性统计和自我调节方法之间的趋同
表1中列了被试的人格特定、脑电和认知测验的所有描述性统计和相关关系。图2-4显示了ERN、RewP和LPP的典型ERP效应。如图5所示，与自我调节（责任心和特质自我控制）相关的自我报告测量值彼此之间存在密切相关。但是，神经测量与自我报告的人格特征不存在显著相关。RewP和LPP也与行为激活的自我报告测量（行为激活量表；BAS）不相关。
我们从ERP平均值中提取了许多潜在变量，ERN差值（ΔERN）被选为反映监测系统灵敏度的测量值，用于区分错误试验和正确试验。RewP用于捕捉神经对正强化的反应，ΔRewP用于反映反馈监测系统对反馈价的相对反应（校正误差）。对于LPP，早期LPP用来捕捉对食欲刺激的初始定向，整个LPP窗口（早期和晚期）上的两个差波反映了情感的刺激程度（高低）和价（正负）维度。
表1
图2
图3
图4
表2给出了经验抽样和目标进度变量的描述性统计和相互关系。平均而言，60%被试的愿望与至少一个目标相冲突。与之前的研究一样，更大的阻力与愿望减少有关。但是，与过去的研究不同，更大的愿望与几个月后的目标进展没有显著关系。
表2
图5
与ESM的关系
表3呈现了相关性以及校正和未校正的p值和贝叶斯因子；图5显示了与该表相关的热图。被试的特质自我控制能力越高，他们对自我控制的依赖就越少。但是，这种相关对多重比较或贝叶斯因子分析并不稳健。在控制多重比较后，只有两个相关仍然显著：宜人性和BAS都与更强的愿望有关。对冲突强度的探索性分析表明，神经质与更大的冲突以及对较低冲突体验的开放性有关。
表3
与目标进度的关系
最后，我们考察了与目标进展相关的预注册假设。表4显示了相关性以及校正和未校正的p值和贝叶斯因子；图5显示了与该表相关的热图。正如预期的那样，自我控制在所有时间点都与目标进展相关（另请参见图6）。令人惊讶的是，认真与进步没有显著相关（虽然与自我控制有很强的相关）。出乎意料的是，在两次随访中，宜人性与目标进展呈正相关，神经质与目标进展呈负相关。神经指标和行为指标均与目标进展无关。这与我们预测RewP和目标进度之间的关系以及LPP和目标进度之间的关系的假设相反，但与我们关于ERN和行为任务测量的竞争预测一致，我们预先注册了这两个变量的竞争预测。贝叶斯因子表明，对于神经指标，支持零的证据是适度的（比替代指标强3到9倍）。
图6
表4
本研究考察了与自我调节的各个方面广泛相关的各种神经、行为任务和自我报告测验，作为即时目标追求和长期目标追求的预测因子。所有神经指标（RewP、LPP和ERN）均与自我报告的特征、经历的愿望、愿望抵抗或长期目标进展无关。
招聘信息：脑影像数据处理工程师（上海、北京）
科研服务
灌注数据处理服务
EEG/ERP数据处理服务
脑电数据预处理：使用EEGLAB对Neuroscan、Brain Products、EGI、ANT、Biosemi等主流脑电设备采集的脑电数据进行预处理。
ERP成分统计分析：提取ERP成分的波幅和潜伏期，并进行统计分析。
EEG频谱分析：使用傅里叶变换的方法计算脑电各个频段的功率，并进行统计分析；使用短时傅里叶变换、小波变换和希尔伯特变换的方法进行脑电时频分析（如ERD/ERS分析、试次间相位同步分析）。
基于sLORETA的脑电源分析：ERP成分源定位；特定频段EEG源定位；源空间的脑功能连通性分析。
功能连通性分析：使用相关、相干、相位锁定值和格兰杰因果分析研究电极之间功能连通性。
近红外数据处理服务
PET数据处理服务
功能磁共振数据处理
任务态激活脑区分析
任务态E-prime实验
功能连接分析
局部一致性（ReHo）分析
低频振幅（ALFF/fALFF）分析
基于图论及ICA的脑网络分析
结构磁共振数据处理
基于体素的脑形态学分析（VBM）
基于表面的脑形态学分析（SBM）
结构协变连接网络分析
详情联系：13381109780（杨老师）
