分配注意力（Divided Attention）是指個體在同一時間內分配注意力於多項任務或刺激的能力。在現代社會中，多任務處理（multitasking）已成為日常生活的一部分，無論是同時開車與聽音樂，還是一邊處理電子郵件一邊參與會議。然而，分配注意力的效能往往有限，尤其是當多項任務競爭相同的認知資源時。心理學家 Neisser 在分配注意力領域的研究為我們理解這一現象提供了深刻的理論基礎和實驗證據。本文將探討分配注意力的現象、Neisser 的貢獻以及相關的理論模型。

一、分配注意力的現象：多任務的挑戰
在日常生活中，人們經常需要同時處理多個任務。然而，研究表明，多任務處理並不總是高效的，甚至可能導致認知能力的顯著下降。例如：

1. 駕駛與手機使用：Strayer 和 Johnston（2001）的研究顯示，駕駛時使用手機會顯著降低反應速度和準確性，即使是使用免持裝置，也難以避免認知負荷的增加。
2. 學習與媒體分心：Bowman 等人（2010）發現，學生在學習時使用即時通訊軟件，會降低學習效率和記憶效果，顯示多任務處理對學習的負面影響。

這些現象突顯了分配注意力的有限性。儘管人類可以同時處理多項任務，但當任務之間競爭相同的認知資源時，任務效能往往會降低。

二、Neisser 的貢獻：分配注意力的基石研究
Neisser 是認知心理學的重要奠基人之一，他的研究對於理解分配注意力的過程與限制具有里程碑意義。Neisser 的主要貢獻包括以下幾個方面：

1. 雙重任務派典（Dual-task Paradigm）
   Neisser 開創了雙重任務派典，通過讓受試者同時執行兩項任務來檢測注意力的分配能力。他的實驗揭示：
   1. 當兩項任務的感官通道或反應要求不同時（例如，一項為視覺任務，另一項為聽覺任務），分配注意力的表現相對較佳。
   2. 當兩項任務競爭相同的資源（例如，兩項皆為視覺任務），任務效能則顯著下降。
   這一發現為後來的多重資源理論提供了實驗基礎。
2. 動態選擇的觀點
   Neisser 主張注意力是一種動態的選擇過程，而不是固定的分配機制。他認為，人類在多任務處理中會根據任務的重要性與目標的優先級，靈活調整資源分配。例如：
   1. 當開車時，個體的注意力可能更多地集中於觀察道路，而非與乘客的交談。
   2. 注意力分配的靈活性受到任務的自動化程度（如熟練度）與環境要求的影響。
3. 預測與期望的作用
   Neisser 認為，個體對任務的預測與期望能幫助優化注意力的分配。例如，在熟悉的場景中（如日常駕駛），人們可以依靠預測來減少對注意力資源的需求，從而在執行次要任務時仍保持效率。

三、分配注意力的理論模型
分配注意力的研究催生了多個理論模型，用於解釋注意力如何在多任務情境中進行分配。以下是幾個重要的理論框架：

1. 單一資源模型（Single Resource Theory）
   1. 核心觀點：所有任務都共享一個有限的注意力資源池，當任務需求超出資源容量時，任務效能下降。
   2. 優點：該模型簡單直觀，能解釋多任務效能下降的普遍現象。
   3. 局限：無法解釋為什麼某些任務能同時高效完成（如聽音樂與步行）。
2. 多重資源理論（Multiple Resource Theory, Wickens, 1984）
   1. 核心觀點：注意力資源是多元的，根據以下維度進行劃分：
      處理階段：感知、認知處理與反應。
      感官通道：如視覺、聽覺。
      處理代碼：空間處理與語言處理。
   2. 應用：當兩項任務使用不同資源時（如一項為視覺，另一項為聽覺），它們之間的干擾較少；反之，若使用相同資源，干擾顯著。
   3. 實驗支持：Wickens 的實驗表明，駕駛時聽廣播的干擾小於駕駛時觀察車內螢幕，因為前者涉及不同的感官通道，而後者競爭相同的視覺資源。
3. 自動化與控制處理模型（Automatic and Controlled Processing Model, Shiffrin & Schneider, 1977）
   1. 核心觀點： 自動化處理：不需要大量的注意力資源，能快速完成（如熟練駕駛）。 控制處理：需要有意識的注意力投入，速度慢但精確（如學習新技能）。
   2. 應用：當一項任務是自動化的（如步行），而另一項是控制性的（如與人交談），分配注意力的效率較高。

四、分配注意力的神經科學基礎
神經科學研究揭示，分配注意力涉及多個腦區的合作，尤其是前額葉和頂葉的聯合活動：

前額葉皮層（Prefrontal Cortex, PFC）：

1. 負責執行控制，包括資源分配與任務切換。
2. fMRI 研究顯示，雙重任務時 PFC 的活動顯著增強。

頂葉（Parietal Lobe）：

1. 協助感官信息的選擇性分配。
2. ERP（事件相關電位）研究表明，注意力的分配過程與頂葉活動密切相關。
   基底神經節與小腦：參與自動化任務的調節，減少對前額葉資源的依賴。

五、分配注意力的應用與未來研究方向

1. 實際應用
   教育領域：設計適當的學習環境以減少不必要的多任務要求，提升學習專注力。
   職業訓練：例如，在航空或醫療領域，訓練專業人員在高壓環境中有效分配注意力。
   科技應用：人機界面設計應避免過度分散用戶注意力，提升使用效率與安全性。
   
2. 未來研究方向
   探討不同年齡段的分配注意力能力差異。
   應用腦刺激技術（如 TMS）進一步研究注意力分配的神經機制。
   探索分配注意力在虛擬現實與擴增實境中的應用。

結語
分配注意力是人類認知系統中的重要功能，反映了我們在複雜環境中同時處理多項任務的能力。Neisser 的研究為該領域奠定了理論基礎，而多重資源理論等模型進一步解釋了注意力資源如何在多任務間分配。