晚期选择理论认为多路信息都被加工到语义层，选择发生在其后
别名: Deutsch-Norman model · response selection bottleneck · 晚期选择
概念解释
晚期选择理论（late selection theory）主张：进入感官的所有信息通道，都会被自动加工到能理解含义的语义层，注意的筛选不发生在这一步之前，而发生在语义分析完成之后——决定的是哪一路信息能进一步获得意识关注、能进入记忆、或者驱动一个反应。
这个主张和早期选择理论针锋相对，回答的是同一个问题——瓶颈设在哪——给出的答案却是尽可能晚：语义理解本身是自动的、不占用有限注意资源，真正稀缺的资源用在"响应选择"这一步。
机制
这个理论最初由 Deutsch 与 Deutsch 提出，后由 Norman 发展：多路信息各自独立地、并行地被加工到语义水平，这个过程被认为是自动化的、几乎不消耗有限容量。语义分析完成后，各路信息在与当前任务目标或个人重要性的匹配程度上被打分，得分最高的一路胜出，成为进入意识、记忆或触发反应的那一路，其余各路的语义结果虽然已经产生，但被丢弃或很快遗忘。
这个理论最有力的支撑正是那个让早期选择理论失灵的现象——自己的名字在未被主动关注的通道里出现依然能被察觉，因为按照这个理论，那个通道本来就已经完成了语义分析，只是平时没有被选中进入意识；一旦语义分析的结果触发了"这是我的名字"这种高相关性判断，注意会立刻被重新分配过去。
怎么研究
研究这个主张常用语义启动范式：在被要求忽略的通道里插入与主任务目标相关的词或与后续判断有语义关联的内容，检验这些未被主动关注的内容是否依然对随后的任务产生了启动效应（哪怕被试报告完全没注意到）。启动效应的存在被当作语义加工确实发生过的证据，即使这个通道没有被主动选中。
常见自变量：未被关注通道的语义内容与主任务的关联程度、该通道内容出现的时机。 常见因变量：主任务在语义相关内容出现后的反应时变化（启动效应大小）、对未被关注通道内容的事后再认。
在人机交互研究里，这套逻辑常被间接引用来解释为什么"用户说没注意到某条信息"不等于"这条信息完全没被处理"——晚期选择理论提供的理论支撑是：未被报告的信息很可能已经完成了语义层面的加工，只是没有赢得后续的响应选择。
边界
- "自动语义加工不消耗资源"这个前提本身有争议。 后续研究发现语义加工的自动化程度会随认知负荷变化——负荷很高时，连未被关注通道的语义加工也会被削弱，这与"语义分析完全自动、不占资源"的强版本不完全吻合。
- 这个理论同样建立在实验室范式上，真实场景里判断"语义相关性"的标准远比实验室设定的简单类别丰富，晚期选择在多复杂语义维度下是否依然成立缺乏充分验证。
- 它解释了鸡尾酒会效应，但代价是要求几乎所有信息都被完整加工到语义层，这在直觉上与"人明显不会记住所有听过的内容"存在张力，后续的容量分配理论正是为了调和这一点而提出。
- 这条讲的是晚期选择这一种主张，与早期选择理论构成瓶颈位置之争的两端，实际证据更支持位置随条件浮动，而不是固定在其中一端。