跳转到内容
← 返回经典实验
认知心理1935 年约 15 分钟阅读

斯特鲁普实验

The Stroop Experiment

John Ridley Stroop
自动化选择性注意认知控制执行功能干扰效应

破除误解：你以为"读字"是你能关掉的开关

请做一个一秒钟的实验。下面有几个词，请忽略它的字义，只大声说出它印刷的颜色：

<span style="color:#e74c3c">蓝</span>　<span style="color:#3498db">红</span>　<span style="color:#2ecc71">紫</span>

你会发现，舌头明显地"卡了一下"。明明任务只是报颜色，可"蓝""红"这些字义就是不请自来地往外冒，跟你要说的颜色打架。

很多人的直觉是："只要我专心点，不去读那个字不就行了？"斯特鲁普实验最深刻的发现恰恰是：你做不到。 对一个熟练的识字者来说，"读字"已经变成一个自动到无法用意志关闭的程序。你越想压住它，它越证明自己有多自动。这个实验之所以伟大，不是因为它揭示了一个有趣的小把戏，而是因为它用最简单的材料，第一次精确测出了"自动加工"与"受控加工"之间那场无声的战争。

实验背景与设计

1935 年，约翰·里德利·斯特鲁普（John Ridley Stroop）在《实验心理学杂志》发表论文《系列言语反应中的干扰研究》（Stroop, 1935）。他用的材料朴素到极点：颜色词，以及印刷这些词的油墨颜色。

他设计了两个方向相反的关键条件：

条件一：读词。 给被试看一串颜色词，这些词印成与字义不一致的油墨颜色（比如"红"字印成蓝色），要求被试读出字。结果：被试几乎不受干扰，读 100 个词只比正常慢一点点（约 5% 量级），斯特鲁普本人称这点差异远未达到显著。

条件二：命名颜色。 还是那些不一致的色词，但这次要求被试说出油墨的颜色、忽略字义。结果天差地别：命名不一致色词的油墨颜色，比命名纯色块慢了一大截——在斯特鲁普的原始数据里，完成 100 个反应的平均时间从 63.3 秒涨到 110.3 秒，足足增加了约 74%。

这一巨大的非对称性正是全部要害：字义会强烈干扰报颜色，颜色却几乎不干扰读字。这个被称为"斯特鲁普干扰"（Stroop interference）的减速，成了认知心理学最常被复现的现象之一。

标准解释：自动化与那场"谁先出手"的竞赛

为什么会这样？经典解释是自动化（automaticity）。

对一个识字多年的人来说，看到字就读出它的意思，已经过度学习成一种自动反应——不需要意图、不需要努力、甚至无法被指令叫停。而"看到一团颜色、调出它的名字"则是一个相对生疏、需要刻意控制的任务。

于是，当字义和颜色冲突时，大脑里两条加工路径在赛跑：自动而快速的"读字"路径抢先给出答案（"红！"），而缓慢的"命名颜色"路径不得不先把这个错误的抢答压下去，再说出正确答案（"蓝"）。这个"压制冲突"的额外步骤，就是那零点几秒的减速。

需要补充的是，纯粹的"自动化单因素"解释后来被认为不够完整。麦克劳德（MacLeod）1991 年那篇综述了四百多项研究的权威论文指出，更现代的理论强调相关维度（颜色）与无关维度（字义）的并行加工与相对速度，而非简单地说"读字自动、命名不自动"（MacLeod, 1991）。但无论细节如何，核心图景不变：一个无法关闭的强势过程，干扰了一个需要控制的弱势过程。

为什么它是心理学最可靠的发现之一

在心理学正经历"复制危机"、许多曾经轰动的效应在大样本重复实验中纷纷缩水甚至消失的今天，必须诚实地指出哪些结论站得住。

斯特鲁普效应是少数极其稳健的基石之一。它在不同人群、不同实验设置、不同语言中反复重现，几乎"想不复现都难"。社会心理学已发表结果的复制率一度被估计低于 30%，而斯特鲁普效应属于那种近乎百分之百可复现的现象。这让它和那些争议缠身的效应形成鲜明对照——当我们引用它时，可以比引用大多数心理学发现更有底气。

神经基础：前扣带与前额叶的分工

斯特鲁普任务后来成了认知神经科学研究"认知控制"的标准探针。脑成像研究一致发现，解决斯特鲁普冲突会激活一个额顶网络，其中两个区域分工明确：

  • 前扣带皮层（ACC）：像一个"冲突探测器"，监测到字义和颜色给出了矛盾的反应倾向，发出"这里有冲突"的警报。
  • 背外侧前额叶皮层（DLPFC）：接到警报后实施控制，增强对任务相关信息（颜色）的注意、压制无关信息（字义）。

这套"ACC 监测冲突、DLPFC 实施控制"的模型（冲突监控理论，Botvinick et al., 2001）有大量 fMRI 证据支持，使斯特鲁普任务成为研究大脑如何进行自我控制的经典工具。

它也走进了临床：注意缺陷多动障碍（ADHD）患者在干扰条件下往往更慢、错误更多，斯特鲁普任务被用来评估抑制控制——但要强调，它单独不能用来诊断 ADHD，诊断始终是多维度的临床判断。此外还衍生出"情绪斯特鲁普"——命名情绪词（尤其威胁词）的颜色会更慢，被广泛用于焦虑症、PTSD、强迫症的注意偏向研究（Williams, Mathews & MacLeod, 1996）。

一个反直觉的证据：干扰随识字能力先涨后落

如果斯特鲁普干扰真的来自"读字太自动"，那它就应该随识字能力一起成长——而这正是发展研究观察到的奇景。

科马利、瓦普纳与维尔纳（Comalli, Wapner & Werner, 1962）以及后续大量研究发现，斯特鲁普干扰随年龄呈一条"倒 U 形"曲线：

  • 学龄前儿童几乎不受干扰。原因恰恰是他们还不太会读字——没有自动化的读字程序，自然也就没有什么需要被压制的"抢答者"。
  • 随着阅读变得熟练，干扰反而越来越大，通常在约二三年级、阅读自动化基本成型时达到高峰。换句话说，干扰是识字这项本领"长出来"的副产品。
  • 进入成年后干扰逐渐减弱，因为前额叶主导的抑制控制能力日益成熟，能更好地压住读字冲动。
  • 到 60 岁以后，干扰又重新抬头，与老年期抑制控制功能的衰退一致。

这条曲线是对"自动化"解释最漂亮的间接验证：干扰不是天生的，而是被"读字"这件事训练出来的；它什么时候最强，取决于"自动读字"与"主动抑制"这两股力量谁占上风。一个看颜色的小游戏，就这样把"学习如何自动""又如何控制自动"的一生缩影摆在了眼前。

少有人提的第三个实验：练习能关掉自动化吗

斯特鲁普 1935 年的论文其实包含三个实验，前两个分别测了"读词受颜色干扰"与"命名颜色受词义干扰"，而第三个实验问了一个更尖锐的问题：如果拼命练习命名颜色，能不能把干扰练掉？

32 名大学生连续 8 天练习为不一致色词命名油墨颜色。结果有两层。第一层符合直觉：命名颜色的干扰确实随练习明显缩小——慢的那条"受控路径"被练快了，两条路径的速度差变小，冲突自然减弱。第二层则出人意料：练习结束后让这些被试回头去读字（就是实验一里几乎不受干扰的那个任务），他们读不一致色词的时间从练习前的 19.4 秒恶化到 34.8 秒——练习命名颜色，居然人为地制造出了一个反向的干扰：现在轮到颜色加工去打扰读字了。更有趣的是，这个"反向斯特鲁普"极不稳定，在第二次后测时就基本消退（回落到 22.0 秒）。

这个被教科书略去的实验讲了一个深刻的道理：你无法通过练习"关掉"自动化，你能做的只是训练另一条通路去抗衡它。 而训练的痕迹会迁移、会反噬、也会消退——两条通路的相对权重是动态拔河，不是一劳永逸的开关。后世大量认知训练研究反复撞上的正是这堵墙：在任务 A 上练出的"抗干扰能力"，很少能迁移成一般的"自控力"。

变体与用途：一个效应的大家族

斯特鲁普范式的真正威力在于它的可塑性——只要让"一个自动维度"与"一个目标任务"打架，就造出了一个新变体：

  • 情绪斯特鲁普：命名情绪词（尤其是威胁词）的油墨颜色，焦虑者会明显更慢。它成了测量注意偏向的常用工具，广泛用于焦虑症、PTSD、强迫症研究（Williams, Mathews & MacLeod, 1996）。
  • 空间斯特鲁普：箭头指向左却要求按右键，或位置与方位词冲突——把冲突从"词义—颜色"搬到了空间维度，常用于研究运动反应的抑制。
  • 数字斯特鲁普：物理大小与数值大小不一致的数字对（比如大号字体的"3"和小号字体的"8"），比较谁大时会互相干扰，是研究数量表征自动化的经典工具。

但这里必须补一个警示，它关系到斯特鲁普效应的"另一面"。斯特鲁普效应作为群体层面的平均效应无比稳健，可当研究者想用它测量个体之间的差异——"谁的抑制控制能力更强"——时，信度却低得令人不安。赫奇、鲍威尔与萨姆纳（Hedge, Powell & Sumner, 2018）把这个现象称为信度悖论：经典的实验任务（斯特鲁普、Flanker、Simon 等）之所以能在群体层面给出干净的大效应，恰恰因为它们被设计成让"人和人之间的差异"尽可能小、让"条件之间的差异"尽可能大；而信度测量的恰恰是前者。一个最好的群体效应，往往是一个最差的个体差异量表。 这解释了为什么斯特鲁普分数与其他执行功能测验的相关常常微弱，也提醒我们：用单次斯特鲁普成绩去给一个人贴"自控力差"的标签，在心理测量学上是站不住的。

跨域连接

  • 注意力机制：斯特鲁普效应的经典解释是自动化程度不同的两条通路竞争同一个输出——阅读对熟练读者是自动的，命名颜色不是（与 看不见的大猩猩 同属注意研究的经典范式）。这使它成为衡量"自动化"的操作定义：一个过程是否自动，可由它能否在被要求忽略时仍然干扰表现来判定。
  • 临床诊断：改良版本被广泛用作临床与研究工具——情绪斯特鲁普（与关注主题相关的词引起延迟）被用于评估注意偏向，而这一指标的信度长期偏低且预测效度有争议。这条案例说明：一个稳固的基础效应，不保证以它为基础的个体差异测量同样稳固。
  • 文字系统类型：干扰强度随文字系统而变——表音与表意文字的词汇通达路径不同，双语者在两种语言间的干扰模式也不对称。这使斯特鲁普任务成为研究阅读自动化如何随书写系统与熟练度变化的探针，而不只是一个注意力的通用量表。
  • 软件测试：界面设计中的"语义与形式冲突"会产生同类代价——红色的"继续"按钮、写着"取消"的确认键，都要求用户抑制自动反应。这类冲突的成本不表现为错误率的突变，而表现为反应变慢与偶发误操作，因而在常规可用性测试中容易被漏掉。
  • 大语言模型：模型在指令与训练分布冲突时表现出类似的干扰模式——要求它忽略提示中最显著的内容往往失败，因为显著性由训练中的统计规律决定，而非由指令决定。这条平行不能被当作"模型也有注意力"的证据，但它确实指出同一类系统性弱点：抑制强势通路，比启动弱势通路困难得多。

参考文献

  • Stroop, J. R. (1935). "Studies of interference in serial verbal reactions." Journal of Experimental Psychology, 18(6), 643–662. DOI: 10.1037/h0054651
  • MacLeod, C. M. (1991). "Half a century of research on the Stroop effect: An integrative review." Psychological Bulletin, 109(2), 163–203. DOI: 10.1037/0033-2909.109.2.163
  • Williams, J. M. G., Mathews, A. & MacLeod, C. (1996). "The emotional Stroop task and psychopathology." Psychological Bulletin, 120(1), 3–24. DOI: 10.1037/0033-2909.120.1.3
  • Comalli, P. E., Wapner, S. & Werner, H. (1962). "Interference effects of Stroop color-word test in childhood, adulthood, and aging." The Journal of Genetic Psychology, 100(1), 47–53. DOI: 10.1080/00221325.1962.10533572
  • Botvinick, M. M., Braver, T. S., Barch, D. M., Carter, C. S. & Cohen, J. D. (2001). "Conflict monitoring and cognitive control." Psychological Review, 108(3), 624–652. DOI: 10.1037/0033-295X.108.3.624
  • Hedge, C., Powell, G. & Sumner, P. (2018). "The reliability paradox: Why robust cognitive tasks do not produce reliable individual differences." Behavior Research Methods, 50(3), 1166–1186.

延伸阅读

  • Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.（系统 1 自动加工与系统 2 受控加工的通俗权威论述，斯特鲁普效应的认知框架）