体育比赛中对欺骗行为的策略性应对：预期-反应-抑制-准确性之间的权衡

《Psychology of Sport and Exercise》：Strategic adaptations to deceptive actions in sports: The anticipation-response-inhibition-accuracy trade-off

　　卡罗琳·维克迈耶（Carolin Wickemeyer）| 艾里斯·古尔登彭宁（Iris Güldenpenning）| 马蒂亚斯·韦格尔（Matthias Weigelt）
帕德博恩大学体育与健康系，瓦尔堡街100号（Warburger Str. 100），33098，帕德博恩，德国

**摘要**
我们使用一项针对篮球运动的特定预期-反应抑制任务，研究了局部（即试验间的序列效应）和全局（即整个实验范围内的虚假频率效应）情境信息对篮球中假动作（pump fake）反应抑制的影响。在“进行尝试”（go-trials）中，篮球运动员执行跳投动作，参与者需在球离开攻击者指尖的瞬间做出反应；在“停止尝试”（stop-trials）中，通过在球离开攻击者指尖前的某个时间点暂停视频并倒回视频至球回到腰部高度的位置来模拟假动作。在“停止尝试”中，参与者被要求抑制自己的反应。虚假动作的频率分别为25%、50%或75%。停止信号间隔通过阶梯式追踪算法进行调整：当参与者能够抑制反应时，间隔缩短；反之则延长。参与者的反应抑制表现通过“无返回点”（Point of No Return, PNR）来衡量，反应精确度则通过“恒定误差”（Constant Error, CE）来评估。研究结果揭示了一种新的心理效应，我们将其称为“预期-反应抑制-精确度权衡”（Anticipation-Response-Inhibition-Accuracy Trade-off）。也就是说，参与者要么在反应抑制和反应精确度之间做出权衡，要么相反。这一新效应描述了个体如何根据局部和全局情境信息调整策略性反应，为预期动作控制提供了新的维度。这对理解个体如何在动态和依赖情境的环境中平衡反应精确度和反应抑制具有重要意义。

**1. 引言**
在篮球的单对单对抗中，进攻者常使用假动作等欺骗性策略，诱使防守者采取不适当的反应动作，从而为自己争取更多行动时间并增加得分机会（Meyer, Fasold等人，2022）。假动作是篮球中的基本进攻技巧，进攻者首先通过“展示”球来迷惑防守者，使其失去平衡，随后再发起真正的投篮动作。研究表明，在执行假动作时，将球抬高至胸部高度有助于提高欺骗的成功率（Meyer, Smeeton等人，2022；Wickemeyer等人，2025）。防守者识别假动作的依据可能来自两方面信息：一是进攻者动作执行的运动学信息（如动作模式、时间限制或肢体角度），二是情境（非运动学）信息（如球队战术、当前比分、场上位置或球员的动作偏好）。大量研究表明，专业运动员在多种运动项目中都具备更强的动作结果预测能力（Ca?al-Bruland & Schmidt，2009；Güldenpenning等人，2017；Loffing & Ca?al-Bruland，2017；Müller & Abernethy，2012；Williams & Jackson，2019）。尽管NBA拥有世界顶级篮球运动员，但假动作的成功率仍约为73%（Meyer, Fasold等人，2022），这说明避免对假动作作出反应需要良好的动作控制能力（Wickemeyer等人，2024）。特别是当进攻者仅假装投篮时，防守者必须能够及时停止已准备好的防守动作。然而，Wickemeyer等人（2025）的研究表明，这种防御动作的抑制存在时间限制。他们使用了自己之前开发的篮球特定预期-反应抑制（ARI）任务（基于Slater-Hammel的“八步前停止”范式，参见Wickemeyer等人，2024），测试了参与者在“进行尝试”中的反应精确度（75%的试验）和在“停止尝试”中的反应抑制能力（25%的试验）。研究发现，“无返回点”（PNR）为进攻者释放球前的462毫秒；当假动作的时间进程超过这一点时，动态参数会干扰动作控制，导致防守者做出错误反应（Wickemeyer等人，2025）。这一发现也适用于其他全身性动作。在足球点球情境中，罚球者改变方向的难度随执行前的时间间隔缩短而增加；方向改变过晚会导致射门精度下降。

Wickemeyer等人（2024, 2025）的早期研究还发现，试验间的策略性调整（局部情境信息）会影响参与者的反应精确度：如果前一次试验中出现假动作，参与者会在后续的“进行尝试”中延迟反应。这种“停止后调整”表现为更高的恒定误差（CE），即反应时间与球释放时间的平均差异。这种策略性延迟在连续出现两次“停止尝试”时有助于提高反应抑制的成功率。在实践中，如果进攻者在假动作后真正投篮，防守者的防守动作会延迟，从而提高欺骗行为的成功率；反之，如果进攻者连续使用假动作，防守者的防守反应也会延迟，导致欺骗效果减弱。

不仅局部情境信息会影响防守反应，全局情境信息（如球队或个人的假动作频率）也会产生影响（Güldenpenning等人，2018；2024）。当进攻者频繁使用假动作时，防守者的抑制系统会增强以更好地应对不适当的动作；而在假动作较少时，抑制系统会减弱（Güldenpenning等人，2018）。Güldenpenning等人（2018）还发现，全局情境信息会影响对真假动作的反应：在低频率的实验组中，假动作的效应更明显（反应时间和错误率差异更大），而在高频率的实验组中则减弱（Alhaj Ahmad Alaboud等人，2012）。局部情境适应的效应表现为“一致性序列效应”（Congruency Sequence Effect, CSE，Gratton等人，1992）：在非假动作后的试验中，假动作的效应增强；而在假动作后的试验中则减弱。

**2. 方法**
所有数据、MATLAB代码和刺激材料均存储在开放科学框架（OSF）的电子数据仓库中（https://osf.io/vwzad/?view_only=e66ff758a262456489b772998152e857）。本研究的设计和分析方法已预先注册（参见https://aspredicted.org/y7cq-mm3x.pdf）。

**2.1. 参与者**
样本量通过MorePower 6.0.4计算得出。为达到0.90的统计功效，需要至少24名参与者，其中within-subject因素（假动作频率25%、50%、75%）的np2=0.25，α值为0.05。共有32名体育科学专业学生自愿参与，但由于其中3名参与者篮球训练经验丰富，被排除在外（本研究不关注运动技能）。最终共有29名参与者（男性19名，女性10名，平均年龄21.66岁），视力正常或经过矫正，无身体障碍、心理或神经系统疾病，也没有俱乐部级别的篮球经验。参与者的体育科学课程实践经验不影响入选资格。27名为右撇子，2名为左撇子。参与者可获得课程学分，但无经济报酬。实验前需签署知情同意书。该研究被帕德博恩大学伦理委员会评估为在伦理上没有问题。2.2. 设备和刺激材料 使用了一段从防守球员视角（正面视角）拍摄的篮球运动员投篮的视频作为刺激材料，这段视频已在之前的两项研究（Wickemeyer等人，2024年，2025年）中使用过。视频开始时，进攻球员双肩同宽站立，面向摄像机，双手持球位于身体前方。在用右手将球弹跳三次后（视频开始后1850毫秒），他通过弯曲髋部和膝盖、抬起手臂并将右手置于球后方和额头前方来进行投篮动作（视频开始后2400毫秒），随后伸展下肢并抬高右肩并伸直肘部。球离开进攻球员指尖的时间（即所谓的“跟进动作”）用一个黑色圆圈标记出来，并在整个视频序列中显示。当球穿过圆圈时，正好位于该时间点（见图1，从右数第二张图片）。这个时间点就是参与者需要预判并作出反应的目标。实验和图像序列的展示使用的是?Presentation 24.0软件控制，图像大小为929 x 1035像素，显示在分辨率为1080p、刷新率为60Hz的24英寸电脑屏幕上。每刷新一次屏幕就会更新一张图像，相当于16.7毫秒。有关刺激材料的更多信息，请参考上述研究或开放科学框架（OSF）的电子数据存储库（https://osf.io/vwzad/?view_only=e66ff758a262456489b772998152e857）。下载：高分辨率图片（757KB）下载：全尺寸图片 图1. 显示了从视频刺激材料中选取的示例帧。注释：1a) 用于“进行试验”的篮球投篮动作；1b) 用于“停止试验”的模拟假投篮动作（此处以目标前183毫秒的停止信号间隔为例）。展示的动作与“进行试验”中的相同，但视频从2533-2583毫秒的图像开始回放，直到球回到髋部高度。2.3. 实验程序 在实验开始前，参与者签署了知情同意书，并提供了书面的人口统计数据和运动相关信息，如年龄、性别、矫正视力、心理病理和神经系统疾病（参见Verbruggen & Logan, 2008）、篮球经验、所从事的运动项目以及每周训练时间。除了详细的书面指导外，还向参与者口头说明了实验程序。参与者需要坐直，将手臂放在桌上，肘部弯曲90°，双脚放在地上。键盘位于他们正前方，可以用食指轻松触及。按下并保持空格键后，实验开始，首先在球高度处显示一个注视十字，持续500毫秒，然后开始视频序列。当篮球运动员进行投篮时（“进行试验”），参与者被要求在球离开运动员指尖的精确时刻释放空格键（见图1a）。否则，当运动员只是假装投篮并进行假动作时（“停止试验”），参与者应抑制自己的反应。在“停止试验”中，通过播放与“进行试验”相同的视频序列来模拟假投篮动作，直到某个时间点。然后视频停止并暂停50毫秒，再回放到球回到髋部高度的图像（见图1b）。视频停止和回放到球回到髋部高度之间的时间间隔（即停止信号间隔）通过阶梯式跟踪算法进行调整（Levitt, 1971; Wetherill & Levitt, 1965）。停止信号间隔的调整步长为16.7毫秒，与刷新率相匹配，最初设置为球离开指尖之前的200毫秒（即“进行试验”中的目标时间点）。如果参与者在前一次试验中成功抑制了反应，则在下次试验中停止信号间隔会相应减小步长，这意味着假动作出现得更晚，因此更难抑制反应；如果参与者在前一次试验中未能成功抑制反应，则停止信号间隔会相应增大步长，这意味着假动作出现得更早，因此更容易抑制反应。这部分实验程序与Wickemeyer等人（2024年）的研究中的实验2类似。整个实验包括三个各包含100次试验的测试块（总共300次试验）。在测试块中，试验类型（“进行试验” vs “停止试验”）是随机的，由Presentation软件生成。停止试验的概率（25%、50%、75%）在三个测试块中系统性地变化，并在参与者之间进行了平衡。在每个测试块开始前，都会向参与者说明假投篮的频率。在测试块之前，参与者完成了两个各包含20次试验的练习块，以熟悉任务。第一个练习块仅包含“进行试验”。在第二个练习块中，停止试验的概率固定为50%。在两个练习块中，每次试验后1000毫秒内都会向参与者提供反馈。每个测试块结束后，参与者会收到总体表现反馈，包括总体反应精确度（以毫秒为单位的平均常数误差CE）、在停止试验中响应的平均概率（以百分比表示），以及未响应的“进行试验”总数（参见Verbruggen等人，2019年）。CE的计算方法是从反应时间中减去球离开指尖的时间[CE = (X - 2717毫秒)。2.4. 统计分析 所有统计分析均使用?IBM SPSS Statistics 31软件进行。在进一步分析数据之前，检查并排除了错误答案（即在视频开始前释放空格键或在“进行试验”中完全没有反应的试验）（相应测试块中所有试验的25% = 1.9%、50% = 4.3%、75% = 4.3%）。此外，所有分析的α值设为0.05，并使用了部分eta平方（np2）来衡量效应大小。为了确定抑制表现，通过平均每个参与者的所有试验中的峰值和谷值来计算在停止试验中响应的概率（50%）（Levitt, 1971; Wetherill, 1963; Wetherill & Levitt, 1965）。这个阈值作为无返回点（PNR）的估计值，代表行动控制的极限（Bartlett, 1958；引自Logan, 2015）。峰值和谷值是一个试验的结果，定义为一系列连续增加或减少的停止信号间隔。因此，峰值是指在参与者无法再抑制手指抬起反应之前的最后一个停止信号间隔，之后停止信号间隔再次增加；而谷值是指在参与者无法再次抑制手指抬起反应之前的最后一个停止信号间隔，之后停止信号间隔再次减少。为了研究假投篮频率对反应抑制表现的影响，以PNR作为因变量，使用重复测量方差分析（ANOVA）来分析不同假投篮频率（25%、50%、75%的停止试验）对结果的影响。为了研究假投篮频率对反应精确度表现的影响，还使用了常数误差和总命中次数作为因变量，并根据假投篮频率这一内部因素进行了分析。此外，还使用重复测量方差分析来分析常数误差和成功抑制的比例，考虑了试验类型（“进行试验”、“成功停止试验”、“失败停止试验”这一内部因素以及假投篮频率这一内部因素，以研究局部和全局情境信息对参与者反应行为的影响。事后比较使用t检验进行。3. 结果 3.1. 抑制表现 总体而言，参与者在整个实验中能够在60%的停止试验中抑制自己的反应（标准误SEM = 1.52%）。重复测量方差分析显示假投篮频率这一因素的主效应[F(2,56) = 10.647, p < 0.001, np2 = 0.275]。25%和50%的假投篮频率下的成功抑制百分比相似（M = 54.6%, SEM = 0.67%; M = 57.1%, SEM = 1.9%）（p = 0.185）。与75%的假投篮频率相比，25%的假投篮频率下的成功抑制百分比较低（M = 63.7%, SEM = 2.16%）[t(28) = ?4.232, p < 0.001, d = ?0.786]，50%的假投篮频率下的成功抑制百分比也低于75%（t(28) = ?3.145, p = 0.004, d = ?0.584）。在整个实验中，球离开指尖之前的停止信号间隔范围在333毫秒到33毫秒之间（见图2）。下载：高分辨率图片（250KB）下载：全尺寸图片 图2. 每个测试块（25%、50%、75%）的停止信号间隔频率分布。为了确定抑制能力，计算了PNR。在整个实验中，球离开指尖之前的平均PNR为130.5毫秒（SEM = 5.72毫秒）（见图3）。重复测量方差分析显示假投篮频率这一因素的主效应[F(2,56) = 40.832, p < 0.001, np2 = 0.593]。对于25%的假投篮频率（M = 170.2毫秒, SEM = 4.51毫秒），PNR显著早于50%的假投篮频率（M = 137.5毫秒, SEM = 7.49毫秒）[t(28) = 5.746, p < 0.001, d = 1.067]，也显著早于75%的假投篮频率（M = 103.1毫秒, SEM = 8.48毫秒）[t(28) = 7.942, p < 0.001, d = 1.475]。对于50%的假投篮频率，PNR显著早于75%的假投篮频率[t(28) = 4.381, p < 0.001, d = 0.813]。下载：高分辨率图片（285KB）下载：全尺寸图片 图3. 每个测试块（25%、50%、75%）中在停止试验中响应的累积概率。3.2. 反应精确度表现 为了考察反应精确度表现，测量了总命中次数和CE。总体而言，参与者在150次“进行试验”中有14.1次（SEM = 1.30）在球离开指尖的精确时刻做出了正确反应（即总命中次数）。当假投篮频率为25%时，有9.5次（SEM = 0.91）在球离开的精确时刻释放了空格键；当假投篮频率为50%时，有3.6次（SEM = 0.45）；当假投篮频率为75%时，有9.7次（SEM = 0.26）。显然，假投篮频率越高，在球离开的精确时刻准确命中目标的人数越少：当假投篮频率为25%时，29名参与者中全部至少有一次准确命中；当假投篮频率为50%时，29名参与者中有26人至少有一次命中；当假投篮频率为75%时，29名参与者中有13人至少有一次命中。关于相对于目标的平均方向误差（CE），参与者在球离开之后的平均反应时间为44.9毫秒（SEM = 5.11毫秒）（见图4）。重复测量方差分析显示假投篮频率这一因素的主效应[F(2,56) = 54.023, p < 0.001, np2 = 0.659]。当假投篮频率为25%时（M = 22.6毫秒, SEM = 4.29毫秒），CE小于50%的假投篮频率（M = 57.1毫秒, SEM = 7.7毫秒）[t(28) = ?6.046, p < 0.001, d = ?1.123]，也小于75%的假投篮频率（M = 97.1毫秒, SEM = 8.8毫秒）[t(28) = ?10.267, p < 0.001, d = ?1.907]。此外，当假投篮频率为50%时，CE也显著小于75%的假投篮频率[t(28) = ?4.811, p < 0.001, d = ?0.893]。下载：高分辨率图片（215KB）下载：全尺寸图片 图4. 实际“进行试验”中的平均常数误差（CE）作为试验类型和假投篮频率的函数。注释：显示的是在连续进行试验后，平均恒定误差（CE）的变化情况，这些试验分别是在之前的成功停止试验、之前的失败停止试验之后进行的，且试验块中停止试验的比例分别为25%、50%和75%。3.3. 停止试验后的调整为了研究基于先前试验历史的策略性调整，在之前的成功停止试验和失败停止试验之后进行的后续试验中的CE进行了测量，并分别对所有假动作频率进行了分析（图4）。为了检验统计差异，进行了重复测量方差分析（ANOVA）。因变量CE根据被试内因素“先前试验类型”（进行试验、成功停止试验、失败停止试验）和被试内因素“假动作频率”（25%、50%、75%）进行了分析。有一位参与者在假动作频率为75%的失败停止试验后没有提供精确度数据，该缺失值被替换为平均值。结果显示，“先前试验类型”因素的主效应显著[F(2,56) = 13.848, p < .001, np2 = .331]，“假动作频率”因素的主效应也显著[F(2,56) = 40.352, p < .001, np2 = .590]，但两因素的交互作用不显著（p = .237）。事后t检验表明，在之前的进行试验之后进行的当前试验中的CE显著低于成功停止试验后的CE（M = 30.9 ms, SEM = 4.92 ms，t(28) = ?9.826, p < .001, d = ?1.825）；同时，当前试验中的CE也显著低于失败停止试验后的CE（M = 60.5 ms, SEM = 6.4 ms，t(28) = ?6.338, p < .001, d = ?1.177）。此外，当假动作频率为25%时，当前试验中的CE显著低于其他频率（p = .222）。进一步的事后t检验还显示，假动作频率为25%时CE更小（M = 22.3, SEM = 4.24），而假动作频率为75%时CE更大（M = 57.5, SEM = 7.57，t(28) = ?6.276, p < .001；以及假动作频率为75%时CE更大，t(28) = ?10.312, p < .001, d = ?1.915）。另外，还研究了基于先前试验历史的停止试验中的策略性调整。为此，测量了在连续进行试验后、成功停止试验后和失败停止试验后的成功抑制比例（以百分比表示），并分别对所有假动作频率进行了分析（图5）。为了检验统计差异，再次进行了重复测量方差分析。因变量“成功抑制比例”根据被试内因素“先前试验类型”和“假动作频率”进行了分析。在假动作频率为25%的情况下，有一位参与者在成功停止试验后没有提供成功抑制比例数据，两位参与者在失败停止试验后也没有提供数据，这些缺失值被替换为平均值。结果显示，“先前试验类型”因素的主效应显著[F(2,56) = 21.108, p < .001, np2 = .430]，但“假动作频率”因素的主效应不显著（p = .211），两因素的交互作用也不显著（p = .284）。事后t检验表明，在进行试验之后进行的当前试验中的成功抑制比例显著低于成功停止试验后的比例（M = 52.5%, SEM = 1.98%，t(28) = ?3.387, p = .002, d = ?.629）以及失败停止试验后的比例（M = 70.6%, SEM = 1.7%，t(28) = ?9.381, p = .001, d = ?1.742）；同时，进行试验之后进行的当前试验中的成功抑制比例也低于失败停止试验后的比例（t(28) = ?4.387, p < .001, d = ?.815）。下载：下载高分辨率图片（227KB）下载：下载全尺寸图片图5. 实际停止试验中的成功抑制比例（以百分比表示），作为先前试验类型和假动作频率的函数注意：显示的是在连续进行试验后、成功停止试验后和失败停止试验后的停止试验中的成功抑制比例（以百分比表示），试验块中停止试验的比例分别为25%、50%和75%。4. 讨论本研究调查了在两项先前研究（Wickemeyer等人，2024年，2025年）中观察到的篮球假动作策略性试验间调整是否受到不同假动作频率的影响。为此，使用了特定的篮球ARI任务（Wickemeyer等人，2024年，实验2），参与者要么观看篮球跳投视频，要么观看模拟的假动作。在进行试验时，参与者被要求尽可能精确地在球释放时通过抬起食指来“阻挡”球。在停止试验中，参与者被指令抑制对假动作的反应。为了检验假动作频率（即25%、50%、75%）的影响，实验中不同块之间的停止试验数量有所变化。假设如果假动作频率（即全局上下文信息）影响参与者的反应行为，那么高假动作频率（75%）应该会增加停止试验中的反应抑制表现（表现为更接近目标的PNR），但会降低进行试验中的反应精确度表现（表现为更大的CE），相比之下，平衡的假动作频率（50%）则不会产生这种影响。相反，低假动作频率（25%）应该会降低停止试验中的反应抑制表现（导致PNR更远离目标），但会提高进行试验中的反应精确度表现（表现为更小的CE）（假设1）。结果证实，高假动作频率（即一个块中有75%的停止试验）会提高停止试验中的反应抑制表现，但会降低进行试验中的反应精确度表现；而低假动作频率（即一个块中有25%的停止试验）则会降低反应抑制表现，但会提高反应精确度表现。因此，假设1得到验证，因为关于不同假动作频率的全局上下文信息影响了参与者在特定篮球ARI任务中的表现。最有趣的是，仔细观察对假动作频率全局上下文信息的调整后发现，参与者为了提高反应精确度而牺牲了反应抑制。换句话说，当出现假动作时，他们在进行试验中等待更长时间以减少不适当的反应次数，但这种对跳投目标预期的策略性延迟是在认知心理学的其他范式中也观察到的频率效应的结果，例如Stroop任务（Crump等人，2006年；Jacoby等人，2003年）、头部假动作范式（Güldenpenning等人，2024年）或停止信号任务（SST）（例如Doekemeijer等人，2023年）。这一点反映在图3中的PNR上，即一个块中停止试验的比例越高，PNR越接近目标（即球释放点）。然而，要评估这种反应抑制与反应精确度之间的权衡，必须计算真正的PNR，即观察到的PNR（通过阶梯算法程序得出）和CE（作为时间精确度的度量）。结果显示，当假动作频率较低（即25%的停止试验）时，真正的PNR为192.8 ms；当假动作频率平衡（即50%的停止试验）时，真正的PNR为194.6 ms；当假动作频率较高（即75%的停止试验）时，真正的PNR为200.2 ms。这些发现表明，当某个块中假动作更频繁发生时，参与者在对目标的反应时机上显著延迟，从而接受了较低的时间精确度。这一模式与其他研究结果一致，这些研究表明不同的假动作频率比例（Güldenpenning等人，2018年，2024年）以及对不同动作结果概率的反应偏差（Güldenpenning等人，2023年；Jackson等人，2020年）可以影响对欺骗性动作的反应。据我们所知，在体育预判研究或其他认知心理学中的预期反应控制研究中尚未观察到这种ARI-准确性权衡的规律性关系（类似的研究方法可见van den Wildenberg等人，2022年的综述）。因此，这是一个具有深远意义的新发现，对于人类动作控制具有重要的启示作用。这可以与运动速度和运动精度之间的规律性关系相媲美，后者最初由Paul Fitts（Fitts，1954年）描述，至今仍是运动控制研究中的标志性发现之一。简而言之，当人们在两个空间目标之间进行重复性动作（例如，在左右目标位置之间移动笔）时，他们可能会为了运动精度而牺牲运动速度，或者相反地，为了运动速度而牺牲运动精度。与本实验中首次观察到的ARI-准确性权衡类似，人们可能会为了反应精确度而牺牲反应抑制，或者相反地，为了反应抑制而牺牲反应精确度。由于在体育中对欺骗性动作的不适当反应通常伴随着较高的成本（例如Ca?al-Bruland & Schmidt，2009年），参与者在本实验中选择了（成功的）反应抑制，而不是（时间上的）反应精确度，这体现在反应的策略性延迟（即观察到的PNR更接近目标）和较低的时间精确度（即较大的CE）上。除了全局上下文信息对反应抑制表现的影响外，还研究了局部上下文信息的影响。与两项先前的研究（Wickemeyer等人，2024年，2025年）类似，假设参与者会根据试验顺序（即局部上下文信息）调整他们的反应，例如在停止试验之后进行进行试验时策略性地延迟反应（导致更大的CE），相比之下，当两个连续进行试验时则不会（假设2）。结果显示，在之前的停止试验之后进行的当前试验中的反应精确度显著低于之前的进行试验，这证实了假设2。因此，参与者在之前的停止试验中是否成功抑制了反应并不影响当前试验中的反应精确度表现。这种结果模式与其他范式中的报告一致，例如停止信号任务（SST，Lappin & Eriksen，1966年）或其他版本的ARI任务，表明先前的抑制表现会影响当前的反应行为（例如Bissett & Logan，2011年；Bissett & Logan，2012年；Mirabella等人，2006年；Rieger & Gauggel，1999年；Verbruggen等人，2008年）。局部上下文信息（即试验历史）不仅影响了反应精确度表现，还影响了反应抑制表现（假设3）。结果表明，抑制的成功与否并不受整体假动作频率的影响，而是受先前试验历史的影响。如果参与者遇到停止试验并且无法抑制反应，他们在随后的停止试验中抑制反应的效果最好。因此，假设3得到了支持。这些结果也与之前的研究（例如Bissett & Logan，2012年）一致，进一步表明参与者会根据试验顺序策略性地调整他们的反应行为。在进行试验之后，参与者调整行为以提高反应精确度表现，导致后续试验中的反应精确度更高，但反应抑制表现较低；而在停止试验之后，参与者调整行为以提高反应抑制表现，导致后续试验中的反应精确度较低，但反应抑制表现较高。他们是否成功抑制反应并不影响进行试验中的反应精确度，但会影响停止试验中的抑制表现。可能是因为对欺骗性动作的不适当反应伴随着较高的成本（例如Ca?al-Bruland & Schmidt，2009年），因此参与者在本实验中选择了成功的反应抑制，而不是（时间上的）反应精确度，这体现在反应的策略性延迟（即观察到的PNR更接近目标）和较低的时间精确度（即较大的CE）上。除了全局上下文信息对反应抑制表现的影响外，还研究了局部上下文信息的影响。与两项先前的研究（Wickemeyer等人，2024年，2025年）类似，假设参与者会根据试验顺序（即局部上下文信息）调整他们的反应，例如在停止试验之后进行进行试验时策略性地延迟反应（导致更大的CE），相比之下，当两个连续进行试验时则不会（假设2）。结果显示，在之前的停止试验之后进行的当前试验中的反应精确度显著低于之前的进行试验，这证实了假设2。因此，无论参与者在之前的停止试验中是否成功抑制了反应，都不会影响当前试验中的反应精确度表现。这种结果模式与其他范式中的报告一致，例如停止信号任务（SST，Lappin & Eriksen，1966年）或其他版本的ARI任务，表明先前的抑制表现会影响当前的反应行为（例如Bissett & Logan，2011年；Bissett & Logan，2012年；Mirabella等人，2006年；Rieger & Gauggel，1999年；Verbruggen等人，2008年）。局部上下文信息（即试验历史）不仅影响了反应精确度表现，还影响了反应抑制表现（假设3）。结果表明，抑制的成功与否并不受整体假动作频率的影响，而是受先前试验历史的影响。如果参与者遇到停止试验并且无法抑制反应，他们在随后的停止试验中抑制反应的效果最好。因此，假设3得到了支持。这些结果也与之前的研究（例如Bissett & Logan，2012年）一致，进一步表明参与者会根据试验顺序策略性地调整他们的反应行为。在进行试验之后，参与者调整行为以提高反应精确度表现，导致后续试验中的反应精确度更高，但反应抑制表现较低；而在停止试验之后，参与者调整行为以提高反应抑制表现，导致后续试验中的反应精确度较低，但反应抑制表现较高。他们是否成功抑制反应并不影响进行试验中的反应精确度，但会影响停止试验中的抑制表现。考虑到局部和全局上下文信息的影响，发现假动作频率（全局上下文信息）与试验顺序调整（局部上下文信息）之间没有显著的交互作用，无论是对于反应精确度表现（即CE）还是反应抑制表现（即成功抑制比例）。因此，可以确认全球和局部背景信息对参与者反应行为的影响是独立的。如前所述，当前的研究结果揭示了一种新的效应，据我们所知，这一效应在现有的关于预期反应抑制的文献中尚未被报道。我们将其称为ARI-准确性权衡（ARI-accuracy trade-off），这种效应表明参与者会根据每次试验的情况以及在一个试验块内的假动作频率来策略性地调整他们的反应。现有的关于停止信号（stop-signal）的文献也报告了类似的效应，表明停止试验的频率会影响参与者的抑制表现（例如，Doekemeijer等人，2023年；Ramautar等人，2004年；Ramautar等人，2006年；Verbruggen & Logan，2009年；Vink等人，2015年）。所谓的前瞻性抑制（proactive inhibition）能够增强抑制系统，已被证明可以提高在未来停止动作的成功率（例如，Meyer & Bucci，2016年；van den Wildenberg等人，2022年）。与ARI-准确性权衡类似，前瞻性抑制不仅影响后续的试验，还能以更一般的方式增强抑制系统。因此，无论是对于前瞻性抑制还是ARI-准确性权衡，较高的停止试验概率都会导致参与者策略性地调整反应行为以提升抑制表现，但代价是整个试验块内的反应精度降低。

5. 限制
使用篮球特有的ARI范式使得能够在特定运动背景下测量抑制表现。通过使用特定运动的刺激材料，该范式的外部有效性得到了提升。虽然这适用于刺激材料，但需要注意的是，本任务中使用的反应（即手指抬起反应）并不符合这一要求，因为它没有捕捉到实际比赛场景中防守阻挡动作的复杂性。然而，反应复杂性的影响已经在另一项研究中得到探讨（Wickemeyer等人，2025年），研究表明，当需要更复杂（且更真实的）阻挡动作时，反应启动得更早，因为参与者意识到执行跳跃动作来阻挡球比仅仅抬起食指需要更长的时间。这种根据反应复杂性调整反应启动的策略与Henry和Rogers（1960年）提出的记忆鼓理论（memory-drum theory）是一致的。不过，增加反应复杂性以提高任务的外部有效性可能不会影响对全球和局部背景信息的处理。

还应该注意的是，为了模拟假动作（pump fake），并没有记录真实的假动作，而是使用了同一段篮球跳投的视频。具体来说，视频播放到某个点后会被倒放，直到球再次回到髋部高度。尽管这样的实验设计可能永远无法完全复制真实比赛场景，但仍然可以控制某些实验变量。当前的设计确实具有优势，因为它能够控制动作执行的时间方面，并精确测量未来预测目标的能力（在这种情况下，是指球被释放的时刻）。否则，记录每个潜在停止信号间隔内的真实假动作将会非常困难（甚至不可能）。在这方面，我们选择通过模拟假动作来实验性地控制时间方面，而不是使用真实假动作，尽管这样在时间精度上会有所降低。但我们想指出，该范式的一个可能扩展是包括多个真实的假动作，这将有助于提高范式的外部有效性，并进一步研究专家和新手之间的差异。

6. 结论
总之，ARI-准确性权衡的发现扩展了当前关于预期反应抑制的理论知识。这种新的抑制动作控制效应似乎既影响参与者在每次试验中的策略性调整，也影响更宏观层面的调整。虽然现有文献主要集中在反应性抑制上，但我们的发现引入了一个新的维度，将即将到来的停止试验的预期与抑制表现的提升以及反应精度的同时降低联系起来。这种相互作用为进一步研究抑制动作控制和决策过程的动态提供了新的方向。

致谢
作者贡献声明：
Carolin Wickemeyer：撰写 – 审稿与编辑，撰写 – 原稿，可视化，软件开发，数据收集，形式分析。
Iris Güldenpenning：撰写 – 审稿与编辑，监督，形式分析，概念化。
Matthias Weigelt：撰写 – 审稿与编辑，方法论，概念化。