研究目的:认知训练指通过训练核心认知能力,以提高其他认知任务（包括日常活动中涉及的任务）的绩效。近十余年来,认知训练越来越受到人们的关注。认知训练的前提是核心认知能力能否通过训练提高依赖这一能力的日常任务的表现。一些研究探索了认知训练的影响如何进一步体现在神经功能上,即在神经科学领域提出认知能力是可训练的,并且大脑具有高度的可塑性。当学习新的能力时,神经组织和神经网络有明显的潜在神经重组。目前的一些研究以自适应的方式,采用多目标追踪范式进行。也有研究发现在困难任务中加入简单任务会带来任务表现的暂时性提高。电子竞技运动员所具备认知过程的复杂性和速度是决定其能否在比赛中取胜或发挥更高运动水平的主要因素。而多目标追踪范式具有动态、并行、基于客体的特征,且在追踪过程中需要抑制非目标客体带来的干扰,可以作为电子竞技选手认知能力评价与训练的工具,且自适应三维多目标追踪训练已经被应用于儿童、老年人、足球运动员等群体,并表现出良好的训练效果。本研究将混合认知训练的思路应用于多目标追踪认知训练中,以探究混合式的多目标追踪训练是否有效,提出更高效的训练方式以提高电子竞技运动员的认知能力。研究方法:选取2020英雄联盟职业青训营选手61人,参与青训营的选手为自各LPL、LDL职业战队选送以及线上选拔。其中对照组:19人,平均年龄17.58±1.58,混合训练组:21人,平均年龄17.81±1.27,自适应训练组:21人,平均年龄18.12±1.14,均为男性,视力或矫正视力正常。训练组进行三周,每周2次（20min）的训练。三周训练没有被试流失。自适应训练采用自适应程序控制客体的运动速度,小球的初始速度为68cm/s,当参与者反应正确时,下一试次中客体的运动速度将上调30%;反应错误时,客体的运动速度会下调20%。混合训练采用简单-困难任务组交替进行,高难度与低难度任务组的小球运动的速度恒定。低速度为参与者基线成绩的40%,高速度为参与者基线成绩的110%。采用自适应3D-MOT范式n-back（n=2、3）、注意网络测验进行基线以及训练后多目标追踪能力的测试。研究结果:（1）动态注意能力:首先将极值的前测作为协变量,组别作为自变量,由于组别与前测的交互作用显著（P＜0.05）,不符合协方差分析的前提性检验。故将后测与前测的差值作为因变量,组别作为自变量进行单因素方差分析,结果发现:组别的主效应显著,F（2,56）=4.525,P=0.015,?p2=0.139。经进一步多重比较（采用LSD-t检验）发现,混合训练组的极值前测与后测的差值显著高于对照组,效果量大（0.28 vs0.67,P=0.004,Cohen’s d=0.91）。此外,将最后四次阈值与平均阈值的前测作为协变量,组别作为自变量,后测作为因变量,由于组别与前测的交互作用不显著（ps＞0.05）,符合协方差分析的前提性检验。协方差分析的结果发现:在控制了最后四次阈值与平均阈值的前测后,组别的主效应不显著（ps＞0.05）。（2）工作记忆:首先,将2-back与3-back的前测作为协变量,组别作为自变量,后测作为因变量,发现组别与前测的交互作用不显著（ps＞0.05）,符合协方差分析的前提性检验。协方差分析的结果发现,组别的主效应均不显著（ps＞0.05）。（3）注意网络功能:首先,将警觉功能与定向功能的前测作为协变量,组别作为自变量,后测作为因变量,由于组别与前测的交互作用不显著（ps＞0.05）,符合协方差分析的前提性检验,协方差分析的结果显示:在控制了警觉功能与定向功能的前测后,组别的主效应不显著（ps＞0.05）。此外,将执行功能的前测作为协变量,组别作为自变量,后测作为因变量,发现组别与前测的交互作用显著（P＜0.05）,不符合协方差分析的前提性检验。故将后测与前测的差值作为因变量,组别作为自变量进行单因素方差分析发现:组别的主效应显著,F（2,58）=3.367,P=0.032,?p2=0.112。经进一步多重比较（采用LSD-t检验）发现,混合训练组的执行前测与后测的差值显著低于对照组,效果量大（12.38 vs-19.76,P=0.027,Cohen’s d=3.20）,自适应训练组的执行前测与后测的差值显著低于对照组,效果量大（12.38 vs-22.50,P=0.017,Cohen’s d=3.47）。说明训练组执行功能相对于对照组有显著提高。研究结论:为期3周,每周2次的混合训练能够提高电子竞技运动员多目标追踪表现,自适应训练与混合训练效果能够有效迁移至执行控制功能方面,说明混合训练在动态注意能力的表现出训练的优势,自适应训练虽然未能直接影响其动态注意能力,但训练效果良好的迁移至执行控制方面。