摘 要 社交焦慮的個體具有異常的社會評價預(yù)期機制。預(yù)期違反模型認為預(yù)期包括一般性預(yù)期和情境性預(yù)期，一般性預(yù)期為情境性預(yù)期的形成提供信息且過程中受到個體差異的影響。在社會評價研究領(lǐng)域，尚未探索社會評價預(yù)期的形成過程和社交焦慮對這一過程的影響機制。研究使用漂移擴散模型來解析情境性社會評價預(yù)期，旨在探究積極與消極預(yù)期過程的差異，并考察社交焦慮和一般性社會預(yù)期對情境性社會預(yù)期過程的影響。結(jié)果發(fā)現(xiàn)，相對于消極評價預(yù)期，積極評價預(yù)期信息積累速度更快、起點更高；社交焦慮在一般性社會預(yù)期和情境性預(yù)期過程（信息積累速度和起點偏向）中發(fā)揮調(diào)節(jié)作用。研究發(fā)現(xiàn)為理解社交焦慮影響社會評價預(yù)期的形成過程提供新的視角。

關(guān)鍵詞 社交焦慮 社會評價預(yù)期 預(yù)期違反模型 漂移擴散模型

1 引言

社交焦慮是指個體在社交場合中的過度擔憂、緊張和不安。存在社交焦慮困擾的個體可能在社交和日常功能方面存在問題，嚴重者甚至發(fā)展為社交焦慮障礙（Vilaplana-Pérez et al.， 2021）。社交焦慮好發(fā)于青春期和成年早期，據(jù)《中國青年報》報道，超過80%的中國大學生具有社交焦慮癥狀（程思等，2021）。對具有不同程度社交焦慮癥狀個體的社會認知過程進行研究，有助于了解社交焦慮的認知機制（Hur et al.， 2020）。根據(jù)雙價評價恐懼模型（bivalent fear of evaluation model; Weeks amp; Howell，2012），社交焦慮個體對消極評價和積極評價都非常敏感，因為兩者均被視作威脅個體生存的危險信號。大量實證研究發(fā)現(xiàn)高社交焦慮個體的社會評價預(yù)期存在異常（Caouette et al.， 2015; Gu et al.， 2020;van der Molen et al.， 2018）。本研究基于漂移擴散模型（DDM; Ratcliff et al.， 2016）視角，探究社交焦慮對社會評價預(yù)期形成的影響。

預(yù)期是對未來事件發(fā)生可能性和程度的主觀信念，塑造和影響著我們的認知和行為（Hoorens，2012）。Rief 等（2015）認為預(yù)期包括一般性預(yù)期和情境性預(yù)期。其中，一般性預(yù)期是指個體面臨一系列相似情境或事件時，形成對可能結(jié)果的抽象化預(yù)期，這種預(yù)期基于經(jīng)驗的總結(jié)，在未來類似情境中作為判斷和決策的基礎(chǔ)依據(jù)。而情境性預(yù)期是指個體在某一特定情況下，形成具體的、更加準確的預(yù)期，這種預(yù)期能夠在實際情境中推動個體做出最終的判斷。Panitz 等（2021）進一步提出了預(yù)期違反模型（model of violated expectations）來描述預(yù)期的形成和更新過程。本研究關(guān)注該模型對預(yù)期形成過程的假設(shè)：個體的一般性預(yù)期為情境性預(yù)期提供基本信息，且這一過程受到個體差異（如本研究關(guān)注的社交焦慮）的調(diào)節(jié)。

為了探究社交焦慮對社會評價預(yù)期形成過程的影響，本研究使用量表測量被試的社交焦慮和一般性社會預(yù)期（Kube et al.， 2017; Peters et al.， 2012）。然而，鮮有前人研究關(guān)注情境性社會評價預(yù)期的測量范式（何振宏， 張丹丹， 2018）。為了考察個體對情境性社會評價的預(yù)期過程，需要啟動被試的情境性社會評價預(yù)期。因此，本研究利用結(jié)構(gòu)化訪談，引導(dǎo)被試相信有志愿者正在觀看和評價他們的訪談表現(xiàn)（Koban et al.， 2023; Zhang et al.， 2023）。另外，為了測量個體的情境性社會評價預(yù)期表現(xiàn)，本研究改編自我參照加工任務(wù)（Castagna， Waters， Edgar， etal.， 2023），開發(fā)社會評價預(yù)期任務(wù)。該任務(wù)將情境性社會評價預(yù)期具象化為某一形容詞的二元決策過程，要求被試通過按鍵反應(yīng)，預(yù)期自己是否會被某一積極或消極形容詞評價。實驗流程請見圖2。

在衡量預(yù)期的行為指標方面，前人研究大多關(guān)注了積極或消極詞匯的確認率以及反應(yīng)時表現(xiàn)（何振宏， 張丹丹， 2018; Rodman et al.， 2017）。然而，預(yù)期違反模型認為，情境性預(yù)期的過程涉及多種認知階段或成分，如信息的編碼，處理和行為的執(zhí)行等（Panitz et al.， 2021），確認率和反應(yīng)時無法準確表征情境性預(yù)期的心理過程?；谧C據(jù)積累假設(shè)的DDM 具有解析反應(yīng)時分布、提供個體參數(shù)的能力。本研究將經(jīng)典DDM 輸出的四類參數(shù)與社會評價預(yù)期過程的不同認知階段或成分聯(lián)系起來（Parker amp;Ramsey， 2024）。根據(jù)社會評價預(yù)期任務(wù)，從呈現(xiàn)詞匯直至被試做出預(yù)期按鍵反應(yīng)的過程中，涉及如圖1 所示的四個關(guān)鍵參數(shù)：（1）非決策時間t 0：被試編碼信息、執(zhí)行按鍵動作等非信息積累時間的總和；（2）閾限a：被試認為需要積累多少信息才能達到預(yù)期標準，這一閾限反映了被試對預(yù)期標準的整體認知；（3）起點偏向z ：被試在形成預(yù)期時所具有的先驗偏好，這決定了他們信息積累的起點；（4）漂移率v ：被試積累預(yù)期信息的方向和速率，直接表征了他們在形成預(yù)期時信息的動態(tài)積累模式。DDM 已經(jīng)被廣泛應(yīng)用于社會領(lǐng)域的二元選擇反應(yīng)任務(wù)（Chen amp; Krajbich， 2018; Johnson et al.， 2017）。Castagna， Waters 和Crowley（2023）應(yīng)用DDM 在自我參照加工任務(wù)中考察了自我評價過程，結(jié)果發(fā)現(xiàn)了積極評價的漂移率v 和起點偏向z 與社交焦慮癥狀呈現(xiàn)負相關(guān)關(guān)系；消極評價的漂移率v 與社交焦慮呈現(xiàn)正相關(guān)關(guān)系。區(qū)別于上述研究關(guān)注的自我評價，本研究嘗試將DDM 應(yīng)用于解析個體對社會評價的情境性預(yù)期過程，對比積極和消極詞匯的情境性預(yù)期過程和結(jié)果的差異，并根據(jù)預(yù)期違反模型關(guān)于預(yù)期形成過程的假設(shè)，探究社交焦慮在一般性社會預(yù)期和情境性預(yù)期過程之間發(fā)揮的調(diào)節(jié)作用。

綜上，本研究利用量表測量被試的一般性社會預(yù)期和社交焦慮水平，通過社會評價預(yù)期任務(wù)的行為反應(yīng)（按鍵和反應(yīng)時）擬合DDM 得到被試的情境性社會預(yù)期參數(shù)。本研究有兩個主要目的。第一，檢驗積極和消極詞匯的情境性預(yù)期過程和結(jié)果的差異。雙價評價恐懼模型提示積極評價和消極評價的認知加工過程是相對獨立的，前人研究發(fā)現(xiàn)健康成年個體在社會評價預(yù)期中，傾向于確認積極的評價并否認消極的評價，這與積極自我偏向的理論一致（Elder et al.， 2022; Rodman et al.， 2017）。因此，本研究假設(shè)，相對于消極詞匯，積極詞匯預(yù)期具有更大的確認率、漂移率v 和更高的起點偏向z。第二，本研究旨在探索社交焦慮在預(yù)期形成過程的影響機制。預(yù)期違反模型描述預(yù)期形成的部分指出，一般性社會預(yù)期為情境性預(yù)期提供基本信息，社交焦慮將會調(diào)節(jié)預(yù)期形成的過程。因此，本研究假設(shè)，一般性社會預(yù)期對情境性預(yù)期的漂移率v 存在顯著主效應(yīng)，正向影響積極評價的漂移率v，負向影響消極評價的漂移率v。此外，社交焦慮將調(diào)節(jié)一般性和情境性社會評價預(yù)期參數(shù)的關(guān)系，高社交焦慮會削弱一般性社會預(yù)期與漂移率v 的關(guān)系。

2 方法

2.1 被試

基于社交焦慮和DDM 參數(shù)（Castagna， Waters，amp; Crowley， 2023）的已有研究，社交焦慮與漂移率、起點偏向之間的相關(guān)系數(shù)r 的絕對值范圍在.27～.41之間。因此，本研究設(shè)置效應(yīng)量為.27，顯著性水平α = .05， 統(tǒng)計檢驗力1 -β = .80， 根據(jù)G*Power 3.1 計算得出需要的樣本量為81 人。因此，我們通過發(fā)布招募廣告的方式，在全國的大學生群體中，有償招募到了100 名被試，被試平均年齡為22.58 歲。其中男生37 人，女生63 人。

2.2 量表

2.2.1 社交焦慮

社交焦慮癥狀采用簡版社交互動焦慮量表（SIAS-6）和社交恐懼癥量表（SPS-6）進行測量（Peterset al.， 2012）。該量表要求被試根據(jù)李克特5 點計分，評價每個題目的符合程度，0 代表“完全不符合”，4 代表“完全符合”，例如“我不敢和他人有眼神交流”。本研究用SIAS-6 和 SPS-6 共12 道題目的總分代表被試的社交焦慮程度，總分越高代表社交焦慮癥狀水平越高。該量表在樣本中的內(nèi)部一致性系數(shù)為.91，量表的信度良好。

2.2.2 一般性社會預(yù)期

一般性社會預(yù)期量表改編自Kube 等（2017）編制的抑郁預(yù)期量表，為了使該量表能夠測量日常社會情境中的社會預(yù)期，本研究參考前人做法，使用量表的“傾訴問題”和“一般性預(yù)期”兩個維度的題目（Kube， 2023; Kube et al.， 2022）。一般性社會預(yù)期量表要求被試根據(jù)李克特7 點計分，評價每個題目的符合程度，1 代表“完全不符合”，7 代表“完全符合”，例如“大部分人會喜歡真實的我”。該量表共8 道題目，其中5 道題反向計分。本研究采用8 道題目的總分代表被試的一般性社會預(yù)期，總分越高代表一般性社會預(yù)期越高。該量表在樣本中的內(nèi)部一致性系數(shù)為.84，量表的信度良好。

2.3 訪談和實驗材料

為了啟動被試的社會情境性預(yù)期體驗，我們在正式實驗之前通過線上結(jié)構(gòu)化訪談創(chuàng)設(shè)仿真的社交情境，在訪談中，首先呈現(xiàn)8 位真實拍攝的陌生大學生志愿者面孔圖片和虛構(gòu)的姓名，同時告知被試：他們正在實時觀看你的訪談并根據(jù)你的訪談表現(xiàn)給出評價詞匯。訪談過程中，屏幕會依次呈現(xiàn)6 個個人相關(guān)的問題（Zhang et al.， 2023），要求被試限時1 分鐘回答。社會評價預(yù)期任務(wù)改編自經(jīng)典的自我參照加工任務(wù)（Castagna et al.， 2023），每個試次都會呈現(xiàn)詞匯并提問被試“請預(yù)期他們是否會用以下詞匯描述你？”。社會評價預(yù)期任務(wù)中的詞匯來自中文人格特質(zhì)詞庫（黃希庭， 張蜀林， 1992），由主試團隊（包含3 位在讀心理學碩士研究生）討論并挑選了熟悉度較高（詞庫中評分＞ 3）且能夠衡量個體訪談表現(xiàn)的二字積極和消極形容詞各40 個。本研究還額外檢驗了筆畫數(shù)，發(fā)現(xiàn)無顯著效價差異，t （78） = .37， p gt; .05。

2.4 社會評價預(yù)期任務(wù)

在實驗中，每個試次要求被試通過按鍵反應(yīng)來預(yù)期志愿者是否會通過呈現(xiàn)的形容詞描述自己，按F 代表“是”或J 代表“否”。該實驗設(shè)計分為兩個組塊，組塊之間設(shè)置了休息時間。每個組塊包含40 個試次，每個試次直到被試完成按鍵后消失，試次間呈現(xiàn)500 ms 的十字注視點。在每個組塊中，共有20 個積極形容詞和20 個消極形容詞的試次，兩個組塊之間的形容詞不會重復(fù)。試次的呈現(xiàn)為偽隨機設(shè)計，連續(xù)呈現(xiàn)的積極或者消極詞匯不超過兩個。在正式實驗開始之前設(shè)有指導(dǎo)語和三個練習試次，幫助被試了解實驗規(guī)則。

2.5 程序

所有招募到的被試在知情同意后加入微信群，通過在線共享表格預(yù)約實驗時間。主試在預(yù)約的時間邀請被試用手機進入騰訊會議，閱讀指導(dǎo)語和注意事項，并通過全程開啟的攝像頭觀察被試有無認真對待實驗。隨后，被試進入Credamo 見數(shù)平臺進行實驗，該平臺將所有素材先下載到電腦后再開始實驗，可以避免網(wǎng)絡(luò)延遲帶來的影響。且平臺記錄被試的按鍵反應(yīng)時精確到毫秒，充分保證反應(yīng)時結(jié)果的準確性。實驗的流程圖如圖2 所示。被試需要：（1）填寫社交焦慮和一般性社會預(yù)期問卷；（2）進行線上結(jié)構(gòu)化訪談以啟動被試的情境性預(yù)期，訪談完畢后顯示“訪談結(jié)束，正在收集志愿者對您的評價，請您稍作休息，耐心等待”；（3）開始社會評價任務(wù)，通過按鍵預(yù)期情境性社會評價。

2.6 數(shù)據(jù)分析

本研究對社會評價預(yù)期實驗的按鍵反應(yīng)進行統(tǒng)計，計算積極和消極形容詞的確認率、平均反應(yīng)時，作為積極情境性預(yù)期和消極情境性預(yù)期結(jié)果的指標。為了篩查未認真對待的被試，剔除了主試記錄的2位在訪談期間未開口作答的被試，并根據(jù)實驗的按鍵反應(yīng)時，剔除了6 位存在5 個以上單個試次反應(yīng)時小于500ms 的被試。此外，根據(jù)Voss 等（2015）的建議，反應(yīng)時的快速異常值對DDM 的估計會產(chǎn)生影響，本研究在后續(xù)參數(shù)估計的過程中排除了58 個反應(yīng)時小于500ms 的所有試次，占總試次的0.78%。

在DDM 參數(shù)設(shè)置方面，Voss 等（2015） 提出模型應(yīng)盡量簡約，本研究采用閾限a、非決策時間t0、漂移率v 和起點偏向z 來描述情境性預(yù)期的形成過程。其中，閾限a 代表確認預(yù)期的信息總量，a 參數(shù)值越高反映被試認為達到預(yù)期詞匯的標準越高；非決策時間t0 代表編碼信息、按鍵動作等非信息積累時間的總和，t0 參數(shù)值越高反映被試非決策時間越長；漂移率v 代表預(yù)期信息的積累方向和速率，若為正，代表向著預(yù)期確認的方向積累信息，若為負，代表向著預(yù)期否認的方向積累信息，v 參數(shù)的絕對值越大反映被試積累信息的速率越快；起點偏向z 代表預(yù)期的先驗傾向或偏好，z 參數(shù)值越高反映被試在信息積累之前越傾向于確認預(yù)期。前人研究發(fā)現(xiàn)，漂移率v 和起點偏向z 隨形容詞效價變化的DDM 模型能夠最好的擬合個體的自我評價預(yù)期過程（Castagna， Waters， amp; Crowley， 2023）?；诖?，本研究利用與該研究一致的包含6 個自由參數(shù)（a、t0、vpos、vneg、zpos 和zneg）的DDM 來表征被試的積極和消極情境性預(yù)期過程。

本研究采用fast-dm-30（Voss et al.， 2015） 內(nèi)置的Kolmogorov-Smirnov 算法（ 簡稱KS 算法）估計DDM 參數(shù)。KS 算法被證明具有穩(wěn)健的參數(shù)估計表現(xiàn)（Lerche et al.， 2017），在研究中被廣泛應(yīng)用（Duderstadt et al.， 2022， 2024; Fish et al.， 2018;Yankouskaya et al.， 2020）。為了尋找最優(yōu)參數(shù)集，fast-dm-30 將KS 值轉(zhuǎn)換為p 值，通過SIMPLEX 算法得到p 值最大時DDM 的最優(yōu)參數(shù)解。較小的p值代表預(yù)測的反應(yīng)時分布與實際的反應(yīng)時分布存在顯著差異，無法良好地擬合該個體的數(shù)據(jù)。然而，輸出的p 值大小受到擬合檢驗的保守性、條件變化的復(fù)雜性以及試次數(shù)量的影響（Voss et al.， 2013），因此，p 值的解釋和推斷存在問題。根據(jù)Voss 等（2013）的建議，本研究根據(jù)實際數(shù)據(jù)計算的參數(shù)特征，通過fast-dm 的construct-samples 命令創(chuàng)建了1000 個模擬數(shù)據(jù)集，并對模擬數(shù)據(jù)用相同的參數(shù)設(shè)置重新擬合DDM，從結(jié)果中獲取p 值的分布，將這個分布的1% 分位數(shù)的p 值的設(shè)置為臨界值，如果實際樣本中p 值小于這個臨界值，則認為模型擬合不佳。模擬研究顯示，當p ＜ .62 時，模型擬合存在問題，基此，排除了7 名被試的數(shù)據(jù)，最終共85 位被試納入了后續(xù)分析，超過功效分析計算的樣本量最低標準。

本研究采用基于R 的Jamovi 軟件進行數(shù)據(jù)統(tǒng)計分析。第一，采用配對樣本t 檢驗，目的是揭示情境性預(yù)期的確認率、反應(yīng)時和過程參數(shù)的效價差異。第二，采用相關(guān)分析，目的是探索一般性社會預(yù)期、社交焦慮和DDM 參數(shù)的關(guān)系。第三，采用一般線性模型分析，目的是揭示一般性社會預(yù)期和社交焦慮對DDM 參數(shù)的影響。具體來說，將DDM 參數(shù)作為因變量，同時考察一般性社會預(yù)期和社交焦慮的主效應(yīng)和交互效應(yīng)（自變量經(jīng)過中心化處理）。如果交互效應(yīng)顯著，進一步進行簡單效應(yīng)分析。根據(jù)社交焦慮水平，將被試分為高社交焦慮組（M +SD ）和低社交焦慮組（M-SD ），檢驗高、低社交焦慮水平下，一般性社會預(yù)期和DDM 參數(shù)的線性關(guān)系。

3 結(jié)果

配對樣本t 檢驗的結(jié)果如表1 所示。相對消極評價預(yù)期，個體的積極評價預(yù)期具有更高的起點偏向z 和漂移率v。此外，漂移率v 的絕對值不存在顯著的效價差異。個體的積極評價預(yù)期的確認率顯著高于消極評價預(yù)期的確認率；積極評價預(yù)期的平均反應(yīng)時顯著低于消極評價預(yù)期的平均反應(yīng)時。

相關(guān)分析結(jié)果如表2 所示。個體的社交焦慮與一般性預(yù)期呈顯著負相關(guān)關(guān)系。社交焦慮與積極評價預(yù)期的漂移率v、消極評價預(yù)期的起點偏向z 呈顯著負相關(guān)關(guān)系；與消極評價預(yù)期的漂移率v、積極評價預(yù)期的起點偏向z 呈顯著正相關(guān)關(guān)系；與閾限a 和非決策時間t0 無顯著相關(guān)關(guān)系。一般性社會預(yù)期與積極評價預(yù)期的漂移率v、消極評價預(yù)期的起點偏向z 呈顯著正相關(guān)關(guān)系；與消極評價預(yù)期的漂移率v、積極評價預(yù)期的起點偏向z 呈顯著負相關(guān)關(guān)系；與閾限a 呈顯著負相關(guān)關(guān)系；與非決策時間t0 無顯著相關(guān)關(guān)系。

一般線性模型的結(jié)果如表3 所示。模型1 以積極評價預(yù)期的漂移率vpos 為因變量，F(xiàn)（3， 81） = 13.83，p lt; .01， R2 =.34，Cohen' s f 2 =.52，結(jié)果顯示一般性社會預(yù)期和社交焦慮的主效應(yīng)和交互效應(yīng)均顯著；模型2 以消極評價預(yù)期的漂移率vneg 為因變量，F(xiàn)（3，81） = 20.57， p lt;.01， R2 =.43，Cohen' s f 2 =.75，結(jié)果顯示一般性社會預(yù)期和社交焦慮的主效應(yīng)和交互效應(yīng)均顯著；模型3 以積極評價預(yù)期的起點偏向zpos 為因變量，F(xiàn)（3， 81） = 4.06， p =.01， R2 =.13，Cohen' s f2 =.15，結(jié)果顯示只有一般性社會預(yù)期和社交焦慮的交互效應(yīng)顯著。模型4 以消極評價預(yù)期的起點偏向zneg 為因變量，F(xiàn)（3， 81） = 4.46， p ＜ .01， R2 =.14，Cohen' s f 2 =.17，結(jié)果顯示只有一般性社會預(yù)期的主效應(yīng)顯著。此外，本研究分別以閾限a 和非決策時間t0 作為因變量，結(jié)果顯示，兩個一般線性模型均不顯著：F1（3， 81） = 1.80， p gt; .05， R2 =.06；F2 （3， 81）= 1.32， p gt; .05， R2 =.05。

簡單效應(yīng)分析結(jié)果如圖3 所示。在模型1 中，對高社交焦慮組（M + SD）來說， 一般性社會預(yù)期與漂移率vpos 無顯著線性關(guān)系，β = .03， F （1， 81） = .04， p gt;.05；對低社交焦慮組（M - SD）來說， 一般性社會預(yù)期對漂移率vpos 存在顯著正性影響，β = .55， F （1， 81） =15.06， p ＜ .01。在模型2 中，對高社交焦慮組來說，一般性社會預(yù)期與漂移率vneg 無顯著線性關(guān)系，β =-.15， F（1， 81） = 1.48， p gt; .05；對低社交焦慮組來說， 一般性社會預(yù)期對漂移率vpos 存在顯著負性影響，β =-.65， F（1， 81） = 23.76， p ＜ .01。在模型3 中，對高社交焦慮組來說， 一般性社會預(yù)期對起點偏向zpos 存在顯著正性影響，β = .36，F(xiàn)（1， 81） = 5.87， p lt; .05；對低社交焦慮組來說， 一般性社會預(yù)期對漂移率zpos 無顯著線性關(guān)系，β = -.10， F（1， 81） = .41， p gt; .05。

4 討論

本研究有兩個主要目的，第一，檢驗積極和消極詞匯的情境性預(yù)期參數(shù)差異。第二，探索社交焦慮在一般性社會預(yù)期和情境性預(yù)期參數(shù)之間的調(diào)節(jié)作用。為了實現(xiàn)第一個目的，本研究通過DDM 解析情境性預(yù)期過程的參數(shù)，揭示了積極和消極評價預(yù)期過程的參數(shù)、確認率和反應(yīng)時的差異。研究結(jié)果發(fā)現(xiàn)，相對于消極評價預(yù)期，個體的積極評價預(yù)期信息積累更快、起點更高。積極評價預(yù)期的確認率顯著高于消極評價預(yù)期的確認率，積極評價預(yù)期的平均反應(yīng)時顯著低于消極評價預(yù)期。為了實現(xiàn)第二個目的，本研究采用一般線性模型分析，探究一般性社會預(yù)期以及社交焦慮對情境性預(yù)期參數(shù)的影響。研究結(jié)果發(fā)現(xiàn)，一般性社會預(yù)期和社交焦慮的主效應(yīng)以及它們的交互效應(yīng)均顯著影響信息積累速度；交互效應(yīng)同樣影響了積極預(yù)期的信息加工起點；一般性社會預(yù)期的主效應(yīng)顯著影響消極信息的加工起點。影響和調(diào)節(jié)作用的具體方向請見結(jié)果。這些發(fā)現(xiàn)驗證了社會評價預(yù)期中的積極自我偏向，拓展了對社交焦慮影響社會評價預(yù)期形成機制的理解。

4.1 DDM 解析情境性評價預(yù)期過程

DDM 是證據(jù)積累模型的典型代表，Evans 和Wagenmakers（2020）認為這類模型能夠作為標準化的測量工具，輸出比按鍵和反應(yīng)時更加準確和易于解釋的參數(shù)。然而，劉逸康和胡傳鵬（2023）發(fā)現(xiàn)僅有來自知覺決策領(lǐng)域的證據(jù)驗證了DDM 的核心假設(shè)。因此，他們建議研究者在其他領(lǐng)域（如社會領(lǐng)域）應(yīng)用和解釋DDM 參數(shù)結(jié)果時，對DDM基本假設(shè)進行清晰表述并謹慎地推斷結(jié)論。Parker和Ramsey（2024）的綜述為證據(jù)積累模型在社會認知過程的應(yīng)用提供了完善的框架和流程，該框架認為該模型的應(yīng)用包括參數(shù)估計和模型比較兩種路徑。本研究采用DDM 的參數(shù)估計路徑，首先，根據(jù)預(yù)期違反模型關(guān)于預(yù)期形成過程的描述，闡釋情境性預(yù)期過程與DDM 參數(shù)的對應(yīng)關(guān)系；第二，根據(jù)前人研究模型比較的結(jié)果（Castagna， Waters， amp;Crowley， 2023）設(shè)置模型待估計參數(shù)并選擇較為穩(wěn)健的KS 算法估計參數(shù)（Lerche et al.， 2017）；第三，通過模擬研究，在個體層面檢查模型擬合情況，排除擬合不良的被試（Duderstadt et al.， 2022）；第四，探索條件間的DDM 參數(shù)差異和一般性社會預(yù)期、社交焦慮對DDM 參數(shù)的影響。最終，研究結(jié)果驗證了一般性社會預(yù)期將影響情境性預(yù)期形成過程的信息積累速度和加工起點偏向，且社交焦慮在預(yù)期形成過程發(fā)揮調(diào)節(jié)作用。

4.2 社會評價預(yù)期中的積極自我偏向

積極自我偏向是指個體在評價自身特質(zhì)或能力時傾向于得到正面的、積極的結(jié)果。Rodman 等（2017） 的研究發(fā)現(xiàn)這種積極自我偏向會影響社會評價預(yù)期過程，成年個體會高估自己收到積極評價的概率。本研究對比了不同效價的情境性評價預(yù)期參數(shù)，從條件間差異的角度驗證了社會評價預(yù)期中的積極偏向。從預(yù)期信息積累的過程來看，當預(yù)期積極評價時，被試的平均漂移率vpos 為正，意味著被試平均向著確認積極預(yù)期的方向積累證據(jù)；當預(yù)期消極評價時，被試的平均漂移率vneg 為負，意味著被試平均向著否認消極預(yù)期的方向積累證據(jù)。然而，積極和消極平均漂移率的絕對值不存在顯著性差異。我們利用貝葉斯因子法進行零假設(shè)檢驗，結(jié)果發(fā)現(xiàn)BF01 = 6.64， 表示中等程度的證據(jù)支持積極和消極平均漂移率的絕對值一致（胡傳鵬等， 2018）。這代表積極和消極評價的速率相同，積極偏向的產(chǎn)生來源于信息積累的方向而非速率。從預(yù)期信息的加工起點來看，積極預(yù)期的起點偏向zpos 顯著高于消極預(yù)期的zneg。本研究補充檢驗了閾限a 減起點偏向zpos（M = 1.67， SD = .78）和閾限a減起點偏向zneg（M = 1.92， SD = .85）的差異，配對樣本t 檢驗的結(jié)果發(fā)現(xiàn)，二者存在顯著差異，t（84）= -9.58， p lt; .01， Cohen' s d = -1.04，這一結(jié)果表明，個體平均只需要積累更少的證據(jù)即可預(yù)期得到積極的評價。此外，為了探索個體預(yù)期過程的積極偏向和社交焦慮的關(guān)系，參考Castagna， Waters， Edgar 等（2023）的做法，我們計算了漂移率v 的條件間差值（Δv = vpos - vneg）和起點偏向z 的條件間差值（Δz= zpos - zneg）代表積極偏向程度。并進一步發(fā)現(xiàn)社交焦慮與Δv（r = - .51， p ＜ .01）、Δz（r = - .51， p ＜.01）均存在顯著負相關(guān)關(guān)系。高社交焦慮個體的情境性預(yù)期加工過程中的積極偏向較低，因而具有負性的社會評價預(yù)期特征（Dixon et al.， 2022; Rief et al.，2015）。

4.3 社交焦慮調(diào)節(jié)一般性社會預(yù)期與情境性預(yù)期過程參數(shù)的關(guān)系

在積極和消極評價預(yù)期的形成過程中，一般性社會預(yù)期和社交焦慮的主效應(yīng)對漂移率均具有顯著的直接影響。我們還進一步檢查了漂移率的絕對值|vpos| 和|vneg| 與社交焦慮的關(guān)系，結(jié)果發(fā)現(xiàn)二者與社交焦慮存在顯著的負相關(guān)關(guān)系（r = - .43， p ＜ .01; r= - .44， p lt; .01）。社交焦慮的認知行為模型認為患者會大量思考評價者對自身的看法，導(dǎo)致證據(jù)積累速率的減緩（Heimberg et al.， 2014）。研究結(jié)果揭示了社交焦慮調(diào)節(jié)一般性社會預(yù)期與情境性預(yù)期過程參數(shù)的關(guān)系。具體來說，社交焦慮削弱了一般性社會預(yù)期和預(yù)期信息積累速度之間的關(guān)系，在高社交焦慮組中二者之間已經(jīng)不存在顯著的線性關(guān)系。在情境性預(yù)期的信息積累過程中，高社交焦慮會干擾個體對一般性社會預(yù)期信息的利用和處理，使得這些信息在積累社會評價預(yù)期信息時不起作用（Panitzet al.， 2021; Vassilopoulos， 2005）。此外，在積極評價預(yù)期條件下，社交焦慮強化了一般性社會預(yù)期和信息加工起點的關(guān)系，高社交焦慮組的一般性社會預(yù)期顯著正向影響起點偏向zpos。也就是說，在積極情境性預(yù)期信息積累之前，高社交焦慮的被試依賴一般性社會預(yù)期決定積極評價預(yù)期加工的起點。Weeks（2010）發(fā)現(xiàn)高社交焦慮個體傾向于最低限度地認為自己的表現(xiàn)能夠帶來積極的評價。本研究推斷，這一發(fā)現(xiàn)可能代表社交焦慮者的在積極評價預(yù)期情境中的一種心理防御機制，以避免因為暫時的社交情境表現(xiàn)，形成積極預(yù)期后遭遇預(yù)期違反，帶來更加負性的情緒體驗（Panitz et al.， 2021; Wilsonet al.， 2023）。然而，在消極評價預(yù)期條件下，該交互效應(yīng)不顯著，只有一般性社會預(yù)期的主效應(yīng)能夠負向影響消極預(yù)期信息加工起點（zneg）。這些發(fā)現(xiàn)提示社交焦慮在不同效價預(yù)期的起點階段發(fā)揮不同的調(diào)節(jié)作用，驗證了雙價評價恐懼模型的觀點，為理解社交焦慮影響不同效價的社會評價預(yù)期形成過程提供新的證據(jù)。

4.4 局限及未來方向

本研究存在如下局限性。首先，被試均為在校大學生，即使具有較高的社交焦慮癥狀水平，也未必存在顯著的病理性癥狀，這限制了結(jié)論的臨床推廣性。未來應(yīng)設(shè)計實驗，比較社交焦慮障礙被試與正常被試的社會評價預(yù)期表現(xiàn)。其次，本研究在評價詞匯材料選取上考慮了效價和熟悉度，平衡了詞長和筆畫數(shù)，但未考慮喚醒度和詞匯之間的語義關(guān)系等因素（Elder et al.， 2023）。最后，本研究按照Parker 和Ramsey（2024）提供的參數(shù)估計框架，采用KS 算法估計參數(shù)結(jié)果，這一過程未考慮其他平行模型可能具有更好地描述數(shù)據(jù)的能力。實際上，其他估計方法比如最大似然法（Chen amp; Krajbich，2018）、貝葉斯分層估計法（Hu et al.， 2022; Wieckiet al.， 2013）可以進一步計算貝葉斯信息準則或偏差信息準則等擬合度指標，為模型擬合優(yōu)劣提供依據(jù)（郭鳴謙等， 2023）。未來研究有必要基于模型比較的流程，設(shè)立多個競爭模型，更加深入地探討情境性評價預(yù)期的認知過程。

參考文獻

程思， 畢若旭， 王軍利. （2021）. 超八成受訪大學生認為自己輕微“社恐”.中國青年報.

郭鳴謙， 潘晚坷， 胡傳鵬. （2024）. 認知建模中模型比較的方法. 心理學進展， 32（10）， 1736-1756 .

何振宏， 張丹丹. （2018）. 抑郁個體對社會反饋的加工： 研究現(xiàn)狀及存在問題. 心理科學， 41 （1）， 237-243.

胡傳鵬， 孔祥禎， Wagenmakers， E. J.， Ly， A.， 彭凱平. （2018）. 貝葉斯因子及其在JASP 中的實現(xiàn). 心理科學進展， 26（6）， 951-965.

黃希庭， 張蜀林. （1992）. 562 個人格特質(zhì)形容詞的好惡度意義度和熟悉度的測定. 心理科學， 5， 17-22， 63.

劉逸康， 胡傳鵬. （2023）. 證據(jù)積累模型的行為與認知神經(jīng)證據(jù). 科學通報，69 （8）， 1068-1081.

Caouette， J. D.， Ruiz， S. K.， Lee， C. C.， Anbari， Z.， Schriber， R. A.， amp; Guyer， A. E.（2015）. Expectancy bias mediates the link between social anxiety and memory"bias for social evaluation. Cognition and Emotion， 29 （5）， 945-953.

Castagna， P. J.， Waters， A. C.， amp; Crowley， M. J. （2023）. Computational modeling of"self-referential processing reveals domain general associations with adolescent"anxiety symptoms. Research on Child and Adolescent Psychopathology， 51 （4），455-468.

Castagna， P. J.， Waters， A. C.， Edgar， E. V.， Budagzad-Jacobson， R.， amp; Crowley，M. J. （2023）. Catch the drift： Depressive symptoms track neural response"during more efficient decision-making for negative self-referents. Journal of"Affective Disorders Reports， 13， Article 100593.

Chen， F. D.， amp; Krajbich， I. （2018）. Biased sequential sampling underlies the effects"of time pressure and delay in social decision making.N ature Communications，9 （1）， Article 3557.

Dixon， M. L.， Moodie， C. A.， Goldin， P. R.， Farb， N.， Heimberg， R. G.， Zhang， J. X.，amp; Gross， J. J. （2022）. Frontoparietal and default mode network contributions to"self-referential processing in social anxiety disorder. Cognitive， Affective， and"Behavioral Neuroscience， 22 （1）， 187-198.

Duderstadt， V. H.， Mojzisch， A.， amp; Germar， M. （2022）. Social norm learning from"non-human agents can induce a persistent perceptual bias： A diffusion model"approach. Acta Psychologica， 229 ， Article 103691.

Duderstadt， V. H.， Mojzisch， A.， amp; Germar， M. （2024）. Social influence and social"identity： A diffusion model analysis. British Journal of Social Psychology，63 （3）， 1137-1155.

Elder， J.， Cheung， B.， Davis， T.， amp; Hughes， B. （2023）. Mapping the self： A network"approach for understanding psychological and neural representations of selfconcept"structure. Journal of Personality and Social Psychology， 124 （2）， 237-263.

Elder， J.， Davis， T.， amp; Hughes， B. L. （2022）. Learning about the self： Motives for"coherence and positivity constrain learning from self-relevant social feedback.Psychological Science， 33 （4）， 629-647.

Evans， N. J.， amp; Wagenmakers， E.-J. （2020）. Evidence accumulation models：Current limitations and future directions. The Quantitative Methods for"Psychology， 16 （2）， 73-90.

Fish， S.， Toumaian， M.， Pappa， E.， Davies， T. J.， Tanti， R.， Saville， C. W.， amp;Smyrnis， N. （2018）. Modelling reaction time distribution of fast decision tasks"in schizophrenia： Evidence for novel candidate endophenotypes. Psychiatry"Research， 269， 212-220.

Gu， R. L.， Ao， X.， Mo， L. C.， amp; Zhang， D. D. （2020）. Neural correlates of negative"expectancy and impaired social feedback processing in social anxiety. Social"Cognitive and Affective Neuroscience， 15（3）， 285-291.

Heimberg， R. G.， Brozovich， F. A.， amp; Rapee， R. M. （2014）. A cognitive-behavioral"model of social anxiety disorder. In S. G. Hofmann amp; P. M. DiBartolo （Eds.），Social anxiety： Clinical， developmental， and social perspectives （pp. 705-728）. Academic Press.

Hoorens， V. （2012）. Expectation. In V. S. Ramachandran （Ed.）， Encyclopedia of"Human Behavior （pp. 142-149）. Academic Press.

Hu， C. P.， Geng， H. Y.， Zhang， L.， Fengler， A.， Frank， M.， amp; Zhang， R. Y. （2022）.A Hitchhiker' s guide to bayesian hierarchical drift-diffusion modeling with"dockerHDDM. https：//chuan-peng-lab.netlify.app/zh/publication/2022_preprint_hu1/

Hur， J.， DeYoung， K. A.， Islam， S.， Anderson， A. S.， Barstead， M. G.， amp; Shackman，A. J. （2020）. Social context and the real-world consequences of social anxiety.Psychological Medicine， 50 （12）， 1989-2000.

Johnson， D. J.， Hopwood， C. J.， Cesario， J.， amp; Pleskac， T. J. （2017）. Advancing"research on cognitive processes in social and personality psychology： A"hierarchical drift diffusion model primer. Social Psychological and Personality"Science， 8 （4）， 413-423.

Koban， L.， Andrews-Hanna， J. R.， Ives， L.， Wager， T. D.， amp; Arch， J. J. （2023）.Brain mediators of biased social learning of self-perception in social anxiety"disorder. Translational Psychiatry， 13 （1）， Article 292.

Kube， T. （2023）. If the discrepancy between expectations and actual information"is too large， expectation change decreases-A replication study. Journal of"Behavior Therapy and Experimental Psychiatry， 79， Article 101831.

Kube， T.， D' Astolfo， L.， Glombiewski， J. A.， Doering， B. K.， amp; Rief， W. （2017）.Focusing on situation-specific expectations in major depression as basis for"behavioural experiments-Development of the Depressive Expectations Scale.

Psychology and Psychotherapy： Theory， Research and Practice， 90 （3）， 336-352.

Kube， T.， Kirchner， L.， Lemmer， G.， amp; Glombiewski， J. A. （2022）. How the"discrepancy between prior expectations and new information influences"expectation updating in depression—the greater， the better？ Clinical"Psychological Science， 10 （3）， 430-449.

Lerche， V.， Voss， A.， amp; Nagler， M. （2017）. How many trials are required for"parameter estimation in diffusion modeling？ A comparison of different"optimization criteria. Behavior Research Methods， 49 （2）， 513-537.

Panitz， C.， Endres， D.， Buchholz， M.， Khosrowtaj， Z.， Sperl， M. F. J.， Mueller，E. M.， amp; Pinquart， M. （2021）. A revised framework for the investigation of"expectation update versus maintenance in the context of expectation violations：The ViolEx 2.0 model. Frontiers in Psychology， 12， Article 726432.

Parker， S.， amp; Ramsey， R. （2024）. What can evidence accumulation modelling"tell us about human social cognition？ Quarterly Journal of Experimental"Psychology， 77 （3）， 639-655.

Peters， L.， Sunderland， M.， Andrews， G.， Rapee， R. M.， amp; Mattick， R. P. （2012）.Development of a short form Social Interaction Anxiety （SIAS） and Social"Phobia Scale （SPS） using nonparametric item response theory： The SIAS-6"and the SPS-6. Psychological Assessment， 24 （1）， 66-76.

Ratcliff， R.， Smith， P. L.， Brown， S. D.， amp; McKoon， G. （2016）. Diffusion decision"model： Current issues and history. Trends in Cognitive Sciences， 20 （4）， 260-281.

Rief， W.， Glombiewski， J. A.， Gollwitzer， M.， Schub?， A.， Schwarting， R.， amp;Thorwart， A. （2015）. Expectancies as core features of mental disorders.Current Opinion in Psychiatry， 28（5）， 378-385.

Rodman， A. M.， Powers， K. E.， amp; Somerville， L. H. （2017）. Development of selfprotective"biases in response to social evaluative feedback. Proceedings of"the National Academy of Sciences of the United States of America， 114 （50），13158-13163.

van der Molen， M. J.， Harrewijn， A.， amp; Westenberg， P. M. （2018）. Will they like"me？ Neural and behavioral responses to social-evaluative peer feedback in"socially and non-socially anxious females. Biological Psychology， 135， 18-28.

Vassilopoulos， S. P. （2005）. Anticipatory processing plays a role in maintaining"social anxiety. Anxiety， Stress， and Coping， 18（4）， 321-332.

Vilaplana-Pérez， A.， Pérez-Vigil， A.， Sidorchuk， A.， Brander， G.， Isomura， K.，Hesselmark， E.， amp; de la Cruz， L. F. （2021）. Much more than just shyness：The impact of social anxiety disorder on educational performance across the"lifespan. Psychological Medicine， 51 （5）， 861-869.

Voss， A.， Nagler， M.， amp; Lerche， V. （2013）. Diffusion models in experimental"psychology： A practical introduction. Experimental Psychology， 60 （6）， 385-402.

Voss， A.， Voss， J.， amp; Lerche， V. （2015）. Assessing cognitive processes with diffusion model analyses： A tutorial based on fast-dm-30. Frontiers in"Psychology， 6， Article 336.

Weeks， J. W. （2010）. The Disqualification of Positive Social Outcomes Scale： A"novel assessment of a long-recognized cognitive tendency in social anxiety"disorder. Journal of Anxiety Disorders， 24（8）， 856-865.

Weeks， J. W.， amp; Howell， A. N. （2012）. The bivalent fear of evaluation model of"social anxiety： Further integrating findings on fears of positive and negative"evaluation. Cognitive Behaviour Therapy， 41 （2）， 83-95.

Wiecki， T. V.， Sofer， I.， amp; Frank， M. J. （2013）. HDDM： Hierarchical"Bayesian estimation of the drift-diffusion model in Python. Frontiers in"Neuroinformatics， 7， Article 14.

Wilson， G. A.， Malivoire， B. L.， Cassin， S. E.， amp; Antony， M. M. （2023）. A mixed"methods investigation of reasons underlying fear of positive evaluation.Clinical Psychology and Psychotherapy， 30（2）， 473-485.

Yankouskaya， A.， Bührle， R.， Lugt， E.， Stolte， M.， amp; Sui， J. （2020）. Intertwining"personal and reward relevance： Evidence from the drift-diffusion model.Psychological Research， 84 （1）， 32-50.

Zhang， Y. L.， Li， Y. J.， amp; Mai， X. Q. （2023）. Fear of negative evaluation modulates"the processing of social evaluative feedback with different valence and"contexts. Cerebral Cortex， 33 （8）， 4927-4938.

本項目得到國家自然科學基金（31972906）、教育部人文社會科學研究青年基金項目（23YJC190039）和重慶市研究生科研創(chuàng)新項目（CYS23164）的資助。