DOI: https://doi.org/10.1371/journal.pbio.3003791
PMID: https://pubmed.ncbi.nlm.nih.gov/42096465
تاريخ النشر: 2026-05-07
المؤلف: Rong Bi وآخرون
الموضوع الرئيسي: دراسات علم النفس العصبي والسلوكي
نظرة عامة
تدرس هذه الدراسة كيف يتكيف البشر مع تنظيم جهدهم استجابةً للاختلافات في عدم اليقين البيئي عندما لا يتم التواصل بوضوح عن المطالب التحفيزية. على عكس الأبحاث السابقة التي قدمت تعليمات مباشرة حول متطلبات الجهد، تستكشف هذه الدراسة عملية تعلم الجهد من خلال مهمة جديدة تتManipulate مصدرين رئيسيين من عدم اليقين: التقلب والضوضاء. كان مطلوبًا من المشاركين بذل جهد باستخدام دينامومتر محمول باليد، مما سمح للباحثين بتحليل تعلم الجهد عبر مراحل مختلفة، بما في ذلك البدء، والتوقع، والتعديلات المدفوعة بالخطأ.
تشير النتائج إلى أن الأفراد يمكنهم تعلم وتنظيم الجهد بفعالية من خلال دمج الخبرات السابقة والتغذية الراجعة الحسية الحركية. ومن الجدير بالذكر أن الدراسة تكشف أن الظروف البيئية تؤثر بشكل كبير على تعلم الجهد؛ في البيئات ذات الضوضاء العالية، أظهر المشاركون بدء قوة أبطأ، وتوقعات سابقة أضعف، وتعديلات أسرع ضمن التجارب، بينما في البيئات ذات التقلب العالي، أظهروا تعلمًا وتعديلات أبطأ بشكل عام. تسهم هذه الأبحاث في فهم أعمق لكيفية تأثير عدم اليقين على تقدير الجهد وتنظيمه، مما يقدم رؤى قد تكون ذات صلة بمعالجة الاضطرابات التحفيزية التي تتميز بضعف تعلم الجهد وانخفاض الدافع.
مقدمة
تناقش مقدمة هذه الورقة البحثية مفهوم تعلم الجهد، مع التأكيد على أهميته في الحياة اليومية وآثاره على الصحة والدافع. تبرز أنه بينما تقدم الدراسات التقليدية غالبًا تعليمات واضحة بشأن متطلبات الجهد، فإن السيناريوهات الواقعية تتضمن عادةً تعلم الأفراد لتقدير هذه المتطلبات من خلال الخبرة والتغذية الراجعة. تفترض الورقة أن تعلم الجهد غير التكيفي قد يسهم في مشكلات الصحة العامة، مثل السمنة والاضطرابات التحفيزية، من خلال دفع الأفراد لتقدير الجهد المطلوب للأنشطة بشكل مبالغ فيه.
يهدف المؤلفون إلى التحقيق في كيفية تأثير أنواع مختلفة من عدم اليقين البيئي – على وجه التحديد، التقلب والضوضاء – على تعلم الجهد. لقد صمموا مهمة جديدة حيث بذل المشاركون جهدًا دون تعليمات واضحة، مما يسمح بفحص ديناميات تقدير الجهد. تشير النتائج إلى أن المشاركين شكلوا توقعات حول مستويات الجهد المطلوبة تأثرت بعدم اليقين، مع بدء أبطأ وتعلم في البيئات ذات الضوضاء العالية، وتعديلات أسرع في مثل هذه السياقات. تقترح هذه النتائج أن الأفراد يمكنهم دمج مصادر مختلفة من عدم اليقين في نماذجهم الداخلية للجهد، مما له آثار على فهم حالات مثل اللامبالاة حيث يتم المساس بإنتاج الجهد.
طرق البحث
في هذه الدراسة، صمم المؤلفون مهمة جديدة لتعلم الجهد تتطلب من المشاركين استنتاج مستويات جهد متغيرة دون إشارات واضحة. تضمنت المهمة عرض مقياس حرارة يشير إلى مستوى الجهد المطلوب في مركزه، بينما بذل المشاركون قوة باستخدام دينامومتر محمول باليد (TSD121B-MRI؛ BIOPAC MP160، الولايات المتحدة الأمريكية) للوصول إلى هدف أصفر. تم توفير تغذية راجعة في الوقت الحقيقي من خلال سائل أزرق “يتحرك” داخل مقياس الحرارة، مع حساسيته لبذل القوة تتناسب مع الجهد المطلوب في التجربة. على سبيل المثال، كانت مستويات الجهد الأعلى تتطلب قوة أكبر لرفع السائل إلى نفس ارتفاع الهدف مقارنة بالمستويات الأدنى.
لمنع تعب المشاركين، تم تقديم الهدف كمنطقة (10% من ارتفاع مقياس الحرارة)، مما يشجع المشاركين على الحفاظ على قوتهم المبذولة ضمن 100% إلى 120% من الجهد المطلوب لأطول فترة ممكنة. كانت المدة التي قضيت ضمن هذه المنطقة المستهدفة تؤثر مباشرة على المكافأة المالية المستلمة في نهاية التجربة، والتي تتراوح من 0 جنيه إسترليني إلى 3 جنيهات إسترلينية. استمرت كل تجربة لمدة 3 ثوانٍ، تلتها فترة فاصلة عشوائية بين التجارب (ITI) تتراوح من 2 إلى 5 ثوانٍ، مما يضمن تقديمًا متوازنًا لفترات ITI عبر التجارب.
النتائج
في هذه الدراسة، شارك خمسة وثلاثون مشاركًا صحيًا في مهمة جديدة تهدف إلى فحص تعلم الجهد في ظل ظروف متطلبات جهد متغيرة وغير موصوفة. تم توجيه المشاركين لإنتاج جهد محدد من خلال ضغط دينامومتر محمول باليد، مع الإشارة إلى الجهد المستهدف بصريًا من خلال موضع ثابت في منتصف عرض “مقياس الحرارة”. تضمنت المهمة مستويات متغيرة من الجهد المطلوب عبر التجارب، والتي تم التلاعب بها لإنشاء عدم يقين متوقع وغير متوقع بشأن الجهد المطلوب. أكمل المشاركون ثمانية كتل من التجارب، مع تقلب الجهد المطلوب بطريقة متدرجة، تعكس مستويات مختلفة من التقلب والضوضاء.
شمل التصميم التجريبي معايرة أقصى انقباض طوعي (MVC) لكل يد قبل المهمة، مما يضمن أن مستويات الجهد كانت موحدة. أشارت النتائج إلى أن متوسط الجهد المطلوب تغير بشكل أكثر تكرارًا في كتل التقلب العالي مقارنة بكُتل التقلب المنخفض، مع كون الضوضاء حول متوسط الجهد أكبر في ظروف الضوضاء العالية. كانت هذه الإعدادات تهدف إلى تسهيل تعلم وتوقع متطلبات الجهد المتغيرة، مما يوفر رؤى حول كيفية تكيف المشاركين مع المطالب المتغيرة في إنتاج الجهد.
المناقشة
في هذا القسم، يستكشف المؤلفون كيف يتعلم الأفراد ويتكيفون مع بذل جهدهم استجابةً لعدم اليقين البيئي، مع التركيز بشكل خاص على أدوار عدم اليقين المتوقع وغير المتوقع (الضوضاء والتقلب). تحدد الدراسة ثلاث مراحل حاسمة لإنتاج الجهد: بدء القوة، وزيادة الجهد السابق، والتعديل السابق. أظهر المشاركون القدرة على تشكيل توقعات الجهد بناءً على الخبرات السابقة، التي تأثرت بالسياق البيئي. ومن الجدير بالذكر أن عدم اليقين المتوقع الأعلى (الضوضاء) أدى إلى بدء قوة أبطأ، مما يعكس انخفاض الثقة في توقعات الجهد المتعلمة، بينما أبطأ عدم اليقين غير المتوقع الأعلى (التقلب) كل من تحديث التوقعات عبر التجارب والتعديلات ضمن التجربة.
تشير النتائج إلى أن توقعات الجهد تتشكل من خلال تاريخ من تجارب الجهد، مع وزن أقل لأحدث الجهود في ظروف الضوضاء العالية. وهذا يشير إلى أن الأفراد يدمجون المعلومات على مدى فترات زمنية أطول عندما يواجهون عدم يقين أكبر. بالإضافة إلى ذلك، تكشف الدراسة أنه بينما تكون التعديلات على مستويات الجهد أسرع في البيئات ذات الضوضاء العالية، فإنها تكون أبطأ في ظروف التقلب العالي، مما يبرز التأثيرات المتميزة لأنواع مختلفة من عدم اليقين على تعلم الجهد والمرونة. بشكل عام، تؤكد الأبحاث على أهمية الإحصائيات البيئية في تشكيل كيفية توقع الأفراد وتنظيم جهدهم في سياقات ديناميكية، مما يتماشى مع مبادئ المعالجة التنبؤية.
DOI: https://doi.org/10.1371/journal.pbio.3003791
PMID: https://pubmed.ncbi.nlm.nih.gov/42096465
Publication Date: 2026-05-07
Author(s): Rong Bi et al.
Primary Topic: Neural and Behavioral Psychology Studies
Overview
The study investigates how humans adapt their effort regulation in response to varying environmental uncertainties when motivational demands are not explicitly communicated. Unlike previous research that provided direct instructions on effort requirements, this study explores the learning process of effort through a novel task that manipulates two primary sources of uncertainty: volatility and noise. Participants were required to exert effort using hand-held dynamometers, allowing the researchers to analyze effort learning across different stages, including initiation, expectation, and error-driven adjustments.
The findings indicate that individuals can effectively learn and regulate effort by integrating prior experiences and sensorimotor feedback. Notably, the study reveals that environmental conditions significantly influence effort learning; in high noise environments, participants exhibited slower force initiation, weaker prior expectations, and faster adjustments within trials, whereas in high volatility environments, they demonstrated slower overall learning and adjustments. This research contributes to a deeper understanding of how uncertainty affects effort estimation and regulation, offering insights that may be relevant for addressing motivational disorders characterized by impaired effort learning and reduced motivation.
Introduction
The introduction of this research paper discusses the concept of effort learning, emphasizing its significance in everyday life and its implications for health and motivation. It highlights that while traditional studies often provide explicit instructions regarding effort requirements, real-life scenarios typically involve individuals learning to estimate these requirements through experience and feedback. The paper posits that maladaptive effort learning may contribute to public health issues, such as obesity and motivational disorders, by leading individuals to overestimate the effort needed for activities.
The authors aim to investigate how different types of environmental uncertainty—specifically, volatility and noise—affect effort learning. They designed a novel task where participants exerted effort without explicit instructions, allowing for the examination of effort estimation dynamics. Findings indicate that participants formed expectations about required effort levels influenced by uncertainty, with slower initiation and learning in high noise environments, and faster adjustments in such contexts. These results suggest that individuals can integrate various sources of uncertainty into their internal models of effort, which has implications for understanding conditions like apathy where effort production is compromised.
Methods
In this study, the authors designed a novel effort learning task that required participants to infer varying effort levels without explicit signals. The task involved a thermometer display that indicated the required effort level at its center, while participants exerted force using a hand-held dynamometer (TSD121B-MRI; BIOPAC MP160, USA) to reach a yellow target. Real-time feedback was provided through a blue ‘fluid’ that moved within the thermometer, with its sensitivity to force exertion scaling according to the trial’s required effort. For instance, higher effort levels necessitated greater force to elevate the fluid to the same target height compared to lower levels.
To prevent participant fatigue, the target was presented as a zone (10% of the thermometer’s height), encouraging participants to maintain their exerted force within 100% to 120% of the required effort for as long as possible. The duration spent within this target zone directly influenced the monetary reward received at the end of the experiment, ranging from £0 to £3. Each trial lasted 3 seconds, followed by a randomized inter-trial interval (ITI) of 2 to 5 seconds, ensuring a balanced presentation of ITI durations across trials.
Results
In this study, thirty-five healthy participants engaged in a novel task aimed at examining effort learning under conditions of variable and non-instructed effort requirements. Participants were instructed to produce a specific effort by squeezing a hand-held dynamometer, with the target effort visually indicated by a fixed mid-level position on a “thermometer” display. The task involved varying levels of required effort across trials, which were manipulated to create both expected and unexpected uncertainty regarding the effort needed. Participants completed eight blocks of trials, with the required effort fluctuating in a step-wise manner, reflecting different levels of volatility and noise.
The experimental design included calibration of maximum voluntary contraction (MVC) for each hand prior to the task, ensuring that effort levels were standardized. The results indicated that the average required effort changed more frequently in high volatility blocks compared to low volatility blocks, with the noise around the mean effort being greater in high noise conditions. This setup was intended to facilitate learning and anticipation of changing effort requirements, thereby providing insights into how participants adapt to varying demands in effort production.
Discussion
In this section, the authors investigate how individuals learn and adapt their effort exertion in response to environmental uncertainties, specifically focusing on the roles of expected and unexpected uncertainty (noise and volatility). The study identifies three critical stages of effort production: force initiation, ramp-up to effort prior, and prior adjustment. Participants demonstrated the ability to form effort priors based on previous experiences, which were influenced by the environmental context. Notably, higher expected uncertainty (noise) resulted in slower force initiation, reflecting reduced confidence in learned effort expectations, while higher unexpected uncertainty (volatility) slowed both prior updating across trials and within-trial adjustments.
The findings indicate that effort priors are shaped by a history of effort experiences, with the most recent efforts weighted less under high noise conditions. This suggests that individuals integrate information over longer timescales when faced with greater uncertainty. Additionally, the study reveals that while adjustments to effort levels are quicker in high noise environments, they are slower in high volatility conditions, highlighting the distinct effects of different types of uncertainty on effort learning and flexibility. Overall, the research underscores the importance of environmental statistics in shaping how individuals anticipate and regulate their effort in dynamic contexts, aligning with principles of predictive processing.