Когнитивный ресурс. Структура, динамика, развитие

Ряд исследователей указывают на существование оптимума активации, способствующего становлению оптимальной функциональной структуры. Так, еще в работе Йеркса и Додсона (Yerkes, Dodson, 1908) установлена связь между активацией и скоростью научения: эффективность выполнения задач разной трудности меняется в зависимости от уровня возбуждения. В соответствии с фундаментальным законом Йеркса – Додсона, соотносящим деятельность и активацию, качество выполнения любой задачи есть инвертированная U-образная функция от активации. Область, в которой наблюдается рост продуктивности вместе с увеличением активации, зависит от сложности задачи.

Интересные наблюдения, объясняемые данным законом, были получены в исследованиях влияния громкого фонового шума на человеческую деятельность. Длительный шум увеличивает уровень активации, а влияние роста активации на качество деятельности в свою очередь зависит от сложности задачи. В основном предъявление громкого фонового шума улучшает деятельность в простых задачах и ухудшает в более сложных (Канеман, 2006).

Согласно Канеману, если применить закон Йеркса – Додсона к ресурсной модели внимания, разрушающие эффекты низкой и высокой активации обусловлены разными механизмами (там же). С точки зрения автора, ошибки, возникающие у слабо активированного испытуемого, можно объяснить недостатком усилия, вложенного в задачу, или же недостаточной мотивацией для ее решения. Утомление, несомненно, повышает сложность продолжительной деятельности, но высокомотивированный испытуемый компенсирует эту сложность увеличением вложенного усилия. Иными словами, если изначально вялому испытуемому дать задачу, он «проснется» и будет ее решать. В терминах модели усилия, поскольку требования со стороны деятельности вызывают рост активации и ресурсов, более корректно говорить, что человек будет решать и «проснется». Мотивационная интерпретация объясняет оригинальное открытие Йеркса – Додсона тем, что скорость дифференцированного научения обусловлена интенсивностью воздействия, которое движет научением (там же, с. 55).

Разрушающее влияние сверхактивации объясняется в терминах распределения ресурсов. При высокой активации снижение продуктивности решения определенных задач обусловлено систематическим изменением политики распределения ресурсов. Доказательством этого предположения служат результаты исследований, обзор которых представлен в работе Канемана.

Так, например, Дж. Истербрук предположил, что увеличение активации ведет к сужению диапазона сигналов, которые испытуемый использует при управлении действием. При низкой активации избирательность также низка и нерелевантные сигналы принимаются некритично. При росте активации увеличивается избирательность и продуктивность, так как нерелевантные сигналы с наибольшей вероятностью будут отвергнуты. Однако при дальнейшем увеличении активации сужение диапазона релевантных сигналов приводит к игнорированию некоторых из них и, как следствие, к снижению продуктивности. Допуская, что диапазон релевантных сигналов для простых задач более узок, автор приводит аргументы, что оптимальный уровень активации в простых задачах должен быть относительной высоким. В то же время слабо активированные испытуемые хуже работают в сложных задачах и относительно лучше в простых. В рамках этой теории оба вывода являются валидными (там же).

Высокая активация приводит к концентрации внимания на главных аспектах ситуации за счет игнорирования второстепенных. Такое изменение политики распределения нарушит любую деятельность, требующую распределения внимания на широкий диапазон сигналов. Несмотря на то, что при высокой активации наблюдается тенденция концентрироваться на ограниченном количестве релевантных сигналов, в ситуации тонкого различения эффективность селективного внимания явно снижается.

Нарушения эффективной селекции, обусловленные активацией, описаны также в экспериментах Бродбента (Broadbent, 1971), в которых было показано, что способность отбирать релевантные стимулы ослабляется активацией. Многочисленные факты подтверждают, что высокая активация ограничивает диапазон сигналов, между которыми может быть распределено внимание, а также нарушает управление селективным вниманием. В терминах ресурсной модели, при высокой активации распределение ресурсов становится более неравномерным и менее точным. Как следствие, снижается продуктивность в задачах, требующих распределения внимания на широком диапазоне стимулов, а также в задачах управления селекцией за счет тонкого различения признаков (Канеман, 2006).

Канеман описывает следующие эффекты, связанные с состоянием высокой активации: сужение внимания, повышенная гибкость внимания, трудности в управлении вниманием при тонком различении, систематические изменения стратегии распределения в различных задачах. В состоянии чрезмерно низкой активации возможны такие эффекты как принятие нерелевантных параметров задачи, а также ошибочная оценка собственной продуктивности, приводящая к неадекватной корректировке усилий, вложенных в задачу (там же).