成功执行多任务的能力长期以来一直是一个有争议的话题-我们可以还是不能做多任务？ 希望的答案也许是。 但不幸的是，在大多数情况下，答案不是。 多任务神话之所以存在，是因为许多人几乎每天（可能一天几次）参与（或尝试参与）多任务。 因为我们生活在一个追求效率和生产力的快节奏的社会中，所以我们想认为可以通过一次完成多项任务来最大化我们的时间并做更多的事情。 此外，多任务处理可以使我们从无聊中得到喘息。 当我们做某件事时，我们发现很难，同时做一些愉快的事情会降低这种体验的厌恶质量。 由于我们不断扩大的能力和职责范围，因此多任务处理并非平等，因此，我们是否在工作表现上受到损害取决于所涉及的特定任务 。
根据Kahneman（1973）的资源分配模型（参见图1），我们在分配精力到满足所有注意力上的能力有限 。
当我们执行多任务处理时，某些任务可能需要比其他任务更多的关注，因此，当我们的资源容量不足以满足所有各种关注需求时，性能可能会受到影响。 生理唤醒与容量可用性密不可分; 当觉醒高时（一次坐三杯咖啡时）比觉醒低时（前一天晚上只有三个小时的睡眠时）有更多资源可用。 这两个因素以及不同任务的不同要求共同影响资源的分配，并最终影响我们能否成功执行多任务。
我们可能会发现，某些任务，尤其是那些经过良好实践的任务，更易于执行，并且似乎不会对注意力产生很大的影响，而其他任务则需要有意识的注意力。 作为Kahneman的资源分配模型的补充，Schneider和Shiffrin（1977）提出了两种类型的人类信息处理：自动和受控。 自动处理是快速有效的，无意识的，不可避免的，意识不到的。 另一方面，受控处理的效率较低，有意为之，可避免且对意识不可用。 Schneider和Shiffrin在他们的研究中发现，当参与者同时执行两项受控处理任务时，两项任务的绩效均相对于一项受控任务的绩效有所下降。 但是，当参与者同时从事受控处理任务和自动处理任务时，他们的表现没有受到影响-这表明如果所涉及的一项任务是认知上的要求而另一项则不是，则多任务处理是可能的 。
在现实生活中，从事需要同时受控处理的任务可能是致命的，例如通电话和开车。 与在旅途中不使用电话的驾驶员相比，分心的驾驶员往往对视野的扫描更少（Maples等，2008）。 实际上，Just，Keller和Cynkar（2008）发现，开车时听手机上的句子可以使大脑顶叶的活动减少37％，这是感知运动，整合感觉信息的区域，对语言处理-表示尝试参加电话交谈会浪费驾驶的认知资源。 此外，即使是在过马路时用手机通话的行人，也比不分心的行人看交通或等待交通停止的可能性更低（Hatfield＆Murphy，2007）。
随着现代技术的最新发展，通过引入各种设备和屏幕上的媒体，促进了媒体多任务处理。 随着技术的发展日新月异，在诸如美国这样的工业化国家中，获得技术的机会也在增加。 如今，许多儿童可能会成长为经常接触技术，并且可能从小就从事媒体多任务处理。 假设年轻学生通过社交媒体来处理功课，将来的研究进行纵向研究以检查重媒体多任务儿童相对于匹配的控件（例如，SES和父母的孩子）的学业成绩是否存在差异会很有趣。教育程度），是轻型媒体多任务处理者。
