1. 引言：认知负荷与绩效的经典假设及其局限
工作记忆作为人类认知系统的核心枢纽，其容量有限性早已被广泛证实（Baddeley, 2003）。传统认知负荷理论（Sweller, 1988）通常假设任务绩效随认知负荷增加而单调递减，即负荷越高，可用资源越少，绩效越差。然而，这一线性假设在近年来的研究中受到挑战。例如，Lavie等人（2004）的知觉负荷理论指出，低负荷下注意资源过剩可能导致干扰加工，反而损害绩效；而高负荷下资源完全被占用时，干扰效应反而减弱。这种“非线性”现象提示，工作记忆负荷与绩效的关系可能并非简单负相关，而是存在一个最优负荷区间。 本研究旨在通过精细化的实验设计，揭示工作记忆负荷与任务绩效之间的非线性关系。我们假设：在低负荷阶段，绩效随负荷增加而下降；但当负荷接近个体工作记忆容量上限时，绩效下降速率会减缓甚至出现平台期，形成类似“倒U型”的曲线。这一假设基于资源分配理论（Kahneman, 1973）与补偿策略假说（Hockey, 1997），即个体在高负荷下会主动调整认知策略以维持基本绩效。2. 实验方法：双任务范式与负荷操纵
2.1 被试
招募120名在校大学生（年龄18-26岁，M=21.3岁，SD=2.1），视力或矫正视力正常，无注意力缺陷病史。所有被试签署知情同意书，实验后获得报酬。2.2 实验设计
采用单因素被试内设计，自变量为工作记忆负荷水平（0、1、2、3、4-back），因变量包括：主任务（N-back）正确率、次任务（视觉搜索）反应时、主观负荷评分（NASA-TLX量表）。每个负荷水平包含40个试次，总实验时长约45分钟。2.3 任务与材料
主任务为字母N-back任务：屏幕中央依次呈现大写字母（A-Z），被试需判断当前字母是否与之前第N个字母相同。负荷水平通过N值操纵（0-back为简单匹配，4-back为高负荷）。次任务为视觉搜索：在主任务字母呈现的同时，屏幕四角随机出现一个红色圆点（目标），被试需尽快按下对应方向键。两个任务同步执行，以模拟真实多任务场景。2.4 实验流程
被试首先完成5分钟练习，确保正确率>80%后进入正式实验。每个负荷水平包含一个block，block顺序随机。每个试次流程：注视点（500ms）→ 主任务字母（200ms）→ 次任务刺激（同时呈现，持续至反应）→ 反馈（500ms）。试次间隔为1000ms。3. 结果：非线性关系的实证证据
3.1 主任务正确率
重复测量方差分析显示，负荷主效应显著，F(4, 476)=38.21, p<0.001, η²=0.24。事后比较（Bonferroni校正）发现：0-back正确率（M=0.97）显著高于1-back（M=0.93, p<0.01），1-back显著高于2-back（M=0.87, p<0.001）。然而，2-back与3-back（M=0.83）差异不显著（p=0.08），3-back与4-back（M=0.81）差异也不显著（p=0.12）。这一结果揭示了绩效下降的“减速”现象：从0到2-back，正确率线性下降（斜率=-0.05/级）；但从2到4-back，下降斜率仅为-0.02/级，下降速度减缓60%。3.2 次任务反应时
次任务反应时同样呈现非线性模式：低负荷下（0-2-back）反应时随负荷增加而显著延长（从450ms增至620ms，p<0.001），但高负荷下（3-4-back）反应时趋于稳定（650ms vs 660ms，p=0.45）。这表明，当主任务负荷超过个体容量阈值后，次任务资源分配不再进一步减少，可能已降至最低维持水平。3.3 主观负荷评分
NASA-TLX评分（0-100分）随负荷增加而单调递增（0-back: 22分；4-back: 78分），但增长速率在3-back后放缓（从2到3-back增加15分，从3到4-back仅增加5分）。这一主观感受与客观绩效的“非线性”一致，说明个体在高负荷下可能通过降低认知努力或采用自动化策略来缓解压力。4. 讨论：资源分配与策略补偿的交互机制
4.1 倒U型曲线的理论解释
本实验发现的非线性关系与Yerkes-Dodson定律（1908）的倒U型假设高度吻合，但该定律通常用于解释唤醒水平与绩效的关系。我们提出，工作记忆负荷与绩效的非线性关系可能源于两种机制的动态平衡：（1）资源耗竭机制：低负荷下，资源充足，绩效主要受任务难度驱动，呈线性下降；
（2）策略补偿机制：高负荷下，个体自动启用补偿策略（如分组编码、注意力聚焦、降低次任务优先级），从而减缓绩效下降。例如，在3-back条件下，被试可能将字母序列分组为“ABC”等模式，减少工作记忆更新需求。