認知神經科學面臨一個根本性的困境：如何在足夠受控以確保科學嚴謹性，但又足夠自然以反映真實生活的情況下，研究心理過程？
這個問題將研究人員分為兩個陣營，他們在何時以及如何對大腦功能形成假設方面採用了根本不同的方法。
在受控範式中——經典的、具有明確定義任務的實驗——研究人員在收集數據之前就制定了假設。任務設計成為檢驗的工具：通過改變條件，可以分離出感興趣的建構（例如，注意力或工作記憶），並最大程度地減少外部因素的影響。神經成像（fMRI、EEG）在解決任務的時刻記錄大腦活動，條件之間的對比表明了涉及的網絡。
自然主義範式則顛倒了這個過程。用觀看整部電影、閱讀小說或聽講座來代替孤立的任務。用構建計算模型來代替預設假設，這些模型試圖從從刺激中提取的特徵來預測大腦活動。編碼模型處理連續的活動變化，而受試者間相關性則顯示了在面對相同內容時，不同個體大腦處理的同步程度。在這些研究中，假設不是在實驗前形成的，而是在分析過程中形成的——通過特徵選擇和模型架構。
這種差異不僅僅是方法學上的，更是概念上的。它改變了對心理建構的理解。當你讓參與者執行一個具有明確定義的刺激和正確答案的注意力任務時，你將注意力建構成為一個離散的、受控的過程。當你觀察一個沉浸在電影中的觀眾的大腦時，你會看到注意力作為感知、情感、記憶和預期的動態互動——一個更複雜、更少孤立的現象。
但這裡存在一個悖論：自然主義方法並未消除理論假設，它們只是將其從顯眼的位置轉移到了隱藏的位置。特徵的選擇、神經網絡模型的架構、相關性的計算方式——所有這些都是隱藏的假設，往往是含蓄的。相反，受控範式迫使研究人員說出假設，然後進行檢驗。自然主義方法承諾更高的生態效度，但有將主觀性隱藏在權重矩陣和數學濾波器中的風險。
一個實際的例子：想像一下，一位神經科學家在觀眾觀看驚悚片時記錄他們的 fMRI 活動。他構建了一個編碼模型，該模型根據屏幕上的光強度來預測視覺皮層的活動。該模型運行良好——解釋了 60% 的差異。但這是否意味著視覺皮層只處理圖像的物理屬性？不——這意味著模型捕捉到了處理的一個方面。情感、預期、對情節的記憶等因素也會影響到相同的體素。自然主義方法並未解決這個建構驗證問題，而是將其隱藏起來。
當代認知神經科學逐漸意識到，未來不在於選擇一種方法，而在於整合它們。受控範式對於檢驗具體的機制和因果關係仍然是必要的。但它們過於狹窄，無法描述建構如何在現實世界的多元環境中相互作用。自然主義方法提供了這樣的圖景，但需要錨點——顯式的效度驗證，這些驗證通常是在實驗室條件下獲得的。當兩種方法協同工作時，它們各自彌補了對方的盲點。
還存在第三個整合層次——主動認知的建模。人類不僅僅是感知和回憶：他們推理、做決定、解決數學問題。這些過程需要其自身的方法論，本質上是混合的。決策的計算模型（證據累積理論、貝葉斯模型）使得將受控實驗的嚴謹性與自然主義場景的真實性結合起來成為可能。
主要的 منهج學限制仍然未解決：沒有一種方法可以保證所選的特徵確實反映了目標建構，而不是副過程。在大腦特定區域測量的活動總是多個過程的綜合。因此，建構的驗證必須成為任何研究設計的顯式組成部分：有必要主動檢查所獲得的結果是否確實與感興趣的現象有關，而不是與隱藏在同一標籤下的其他事物有關。
