Внутрииндивидуальная вариабельность выполнения заданий после когнитивной тренировки связана с долгосрочными результатами у детей. Часть 1

Абстрактный

Потенциальные преимущества и механические эффекты тренировки рабочей памяти (WMT) у детей являются предметом многочисленных исследований и дискуссий. Мы показываем, что после пяти недель школьного адаптивного WMT у детей начальной школы в возрасте 6–9 лет наблюдалась большая активность в префронтальных и полосатых областях мозга, более высокая точность выполнения задач и сниженная внутрииндивидуальная вариативность времени ответа по сравнению с контрольной группой. Используя модель принятия решения о последовательной выборке, мы демонстрируем, что это снижение внутрииндивидуальной изменчивости можно объяснить изменениями в темпах и порогах накопления доказательств. Крайне важно, что внутрииндивидуальная изменчивость полезна для количественной оценки немедленного воздействия вмешательств в области когнитивного обучения, поскольку она является лучшим предиктором академических навыков и благополучия через 6–12 месяцев после окончания обучения, чем точность выполнения задания.

Тренировка рабочей памяти детей подразумевает улучшение детской памяти и мыслительных способностей посредством серии практических занятий. Рабочая память – важная часть человеческого мозга. Он отвечает за обработку нашей кратковременной памяти и может помочь людям лучше обрабатывать и хранить информацию. Поэтому детям необходимо совершенствовать тренировку рабочей памяти.

Процесс обучения должен быть ориентирован на когнитивный уровень и возрастные особенности детей, особенно на проблемы с памятью, с которыми дети сталкиваются в повседневной жизни, чтобы дети могли более эффективно использовать память в повседневной жизни.

Тренировка рабочей памяти может применяться ко многим различным интеллектуальным действиям, таким как логическое рассуждение, понимание языка, пространственное восприятие и решение проблем, и это лишь некоторые из них. Благодаря этому обучению дети могут улучшить свои аналитические способности, способности к суждению и решению проблем.

Кроме того, улучшение рабочей памяти также тесно связано с успеваемостью детей. Обучение требует от нас сильной памяти для усвоения знаний. Таким образом, эффективная тренировка рабочей памяти может помочь детям лучше усваивать знания и улучшить свою успеваемость.

Короче говоря, тренировка рабочей памяти детей положительно влияет на их рост. В процессе обучения нам необходимо сосредоточиться на понимании личности и особенностей детей и позволить им почувствовать счастье и чувство выполненного долга, которые обучение приносит в их прогресс. Мы верим, что при поддержке родителей и учителей дети смогут постоянно совершенствовать свои мыслительные способности и память посредством тренировки рабочей памяти. Видно, что нам необходимо улучшить нашу память. Cistanche Deserticola может значительно улучшить память, поскольку Cistanche Deserticola — это традиционное китайское лекарственное средство, обладающее множеством уникальных эффектов, одним из которых является улучшение памяти. Эффективность мясного фарша обусловлена ​​различными содержащимися в нем активными ингредиентами, включая кислоты, полисахариды, флавоноиды и т. д. Эти ингредиенты могут способствовать здоровью мозга различными способами.

Нажмите, чтобы узнать, как улучшить работу мозга

В совокупности наши результаты показывают, что контроль внимания является первоначальным механизмом, который приводит к долгосрочным преимуществам адаптивного WMT. Способности избирательного и устойчивого внимания могут служить основой для последующих изменений в высших когнитивных процессах, академических навыках и общем благополучии. Кроме того, эти результаты подчеркивают, что выбор показателей результатов и время проведения оценок играют решающую роль в определении эффективности обучения. Таким образом, оценка внутрииндивидуальной изменчивости во время или непосредственно после тренировки может позволить заранее адаптировать учебные мероприятия с точки зрения продолжительности или содержания, чтобы максимизировать их воздействие.

КЛЮЧЕВЫЕ СЛОВА

Управление вниманием, дети, когнитивная тренировка, фМРТ, внутрииндивидуальная изменчивость, рабочая память.

1. ВВЕДЕНИЕ

Программам когнитивной тренировки на протяжении многих лет уделялось значительное внимание, учитывая их потенциал улучшения когнитивных способностей у здоровых и клинических групп населения. Однако эффективность и устойчивость преимуществ программ когнитивной тренировки все еще тщательно изучаются и активно обсуждаются (Au et al., 2015; Bogg & Lasecki, 2014; Cortese et al., 2015, Karbach & Verhaeghen, 2014; Melby-Lervag). и др., 2016; Сала и Гобет, 2020, Швайгофер и др., 2015; Смидет и др., 2020, Васс и др., 2012). Хотя было показано, что программы когнитивной тренировки улучшают производительность при выполнении аналогичных нетренированных задач (почти-перенос), доказательства перехода к когнитивным навыкам в других областях (далеко-перенос) остаются более редкими и противоречивыми (Au et al..2015; Cortese et al., 2015, Delalande et al., 2020; Gilligan et al., 2020; Jones et al., 2020; Karbach & Verhaeghen, 2014; Melby-Lervag et al., 2016; Sala & Gobet, 2020; Schwaighofer et al. ., 2015; Смид и др., 2020). Нам все еще не хватает достаточного понимания типов когнитивных навыков и способностей, которые наиболее полезно тренировать, типов методов обучения и дозировок, которые лучше всего работают для конкретных навыков, а также типов людей, которые могут получить достаточную выгоду, чтобы оправдать затраты времени и денег. затраты на когнитивные тренинги.

Как и во многих аспектах когнитивного обучения, степень влияния переноса на академические достижения является предметом интенсивных дискуссий. Улучшения в академической успеваемости, по-видимому, более значительны в области языка и чтения и менее постоянны в математике, хотя это варьируется в зависимости от типа режима обучения и выборки исследования (обзор и мета-анализ см. в Sala & Gobet, 2020 и Titz & Karbach, 2014). -анализ). Например, есть сообщения о том, что первоначальный эффект перехода к математике не сохраняется через три месяца (Jones et al., 2020) и что дети с низкой способностью к рабочей памяти демонстрируют худшие математические навыки, чем в обычной контрольной группе, обучающейся в классе, через 2 года после появления рабочей памяти. обучение (WMT) (Робертс и др., 2016). С другой стороны, недавнее исследование показало, что эффект от обучения может проявиться и усилиться со временем в когорте из более чем 500 первоклассников, которые не были предварительно отобраны на основе способностей рабочей памяти (Berger et al., 2020).

Это исследование показало, что значительные преимущества перехода от адаптивного WMT к академическим навыкам были очевидны только через 6–12 месяцев после окончания обучения. Более того, эта работа показала, что пять недель адаптивного WMT в течение первого года обучения привели к увеличению вероятности выхода на высшую академическую ступень немецкой системы среднего образования через 3–4 года. Учитывая совокупные результаты нескольких исследований, становится ясно, что дизайн продольных исследований, включающий последующие меры в течение нескольких лет, будет важен для определения потенциальной эффективности различных типов и/или доз когнитивной тренировки, особенно для детей.

Важно понимать когнитивные и нейробиологические изменения, которые происходят во время или сразу после тренировки. Предположительно, эти ближайшие эффекты позволят в конечном итоге получить широкомасштабные выгоды в будущем. Уровень внимания может определять, насколько хорошо запоминается информация (Gazzaley & Nobre, 2012). Таким образом, процессы рабочей памяти, определяемые как временное хранение и манипулирование информацией, позволяющие выполнять сложные когнитивные задачи (Baddeley, 1996; Baddeley, 2010), тесно взаимосвязаны с контролем внимания.

Под контролем внимания мы подразумеваем способность координировать и распределять внимание на соответствующие стимулы в окружающей среде, независимо от отвлекающих факторов и усталости (Cartwright, 2012; Corbetta & Shulman, 2002; Norman & Shallice, 1983). Рабочая память требует контроля внимания для сохранения и переоценки информации, имеющей отношение к задаче, при этом блокируя помехи со стороны информации, не имеющей отношения к задаче (Engle, 2018; Fukuda & Vogel, 2011; Kane et al., 2008; Mcnab & Klingberg, 2008). Процессы управления рабочей памятью и вниманием зависят от лобно-теменных и полосатых сетей мозга (Klingberg, 2010). Сообщается, что когнитивная тренировка изменяет структуру и функцию мозга, при этом индуцированные изменения часто наблюдаются в префронтальных, теменных и полосатых областях (Astle et al., 2015; Buschkuehl et al., 2012; Flegal et al., 2019; Klingberg, 2010). ; McNab et al., 2009; Salmi et al., 2018; Schneiders et al., 2012).

Это важнейшие регионы, поддерживающие исполнительные функции, такие как рабочая память и контроль внимания (D'Esposito & Postle, 2015; Frank et al., 2001; Mcnab & Klingberg, 2008; Owen et al., 2005; Wager & Smith, 2003). Исследования визуализации мозга показывают, что для успешного перехода от тренированных навыков к нетренированным необходимо, чтобы оба когнитивных процесса задействовали хотя бы частично перекрывающиеся структурные и функциональные системы мозга (Dahlin et al., 2008; Morrison & Chein, 2011). Таким образом, чтобы программы когнитивного обучения были наиболее полезными, они должны способствовать развитию нейронов, которые позволяют более эффективно и действенно задействовать такие общие нейронные системы.

Чувствительные и надежные измерения изменений психических и нервных функций необходимы для выявления немедленных эффектов тренировок и прогнозирования долгосрочных преимуществ тренировок. В текущей работе мы проверяем гипотезу о том, что внутрииндивидуальная вариабельность времени ответа может быть полезна в этом отношении. Измерения внутрииндивидуальной изменчивости, основанные либо на точности, либо на времени отклика, более информативны, чем усредненные показатели точности, при попытке понять механизмы, с помощью которых положительные эффекты когнитивного обучения могут передаваться на академические навыки (Karbach & Unger, 2014; Könen & Karbach, 2015). , чтобы предвидеть долгосрочные выгоды в академической успеваемости (Judd et al., 2021) и способствовать выявлению тех людей, которые больше всего выиграют от обучения (Karbach & Unger, 2014; Könen & Karbach, 2015; MacDonald et др., 2009; Сэвилл и др., 2011).

Для количественной оценки и различия различных когнитивных процессов, которые могут привести к внутрииндивидуальной вариабельности времени реакции, использовалось несколько методов. Индивидуальный коэффициент вариации (ICV) — это распространенная мера, рассчитываемая как прямое отношение стандартного отклонения к среднему значению. Кроме того, форму распределения времени отклика можно параметризовать путем подбора экс-гауссовских моделей (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015), а потенциальными источниками изменчивости могут быть отличается подгонкой моделей диффузионного принятия решений (DDM) (Forstmann et al., 2016; Karalunas & Huang-Pollock, 2013; Ratcliff et al., 2016; Schmiedek et al., 2009). Кроме того, DDM также можно использовать для измерения и понимания влияния внимания на выполнение задач и принятие решений (Cavanagh et al., 2014; Krajbich & Rangel, 2011; Krajbich et al., 2015).

Внутрииндивидуальная изменчивость производительности связана с когнитивными способностями и функциями мозга, на которые направлены когнитивные тренинговые вмешательства (Castellanos et al., 2005; Geurts et al., 2008; Judd et al., 2021; Kofler et al., 2013; MacDonald). и др., 2006). Внутрииндивидуальная изменчивость также связана с функцией префронтального мозга и дофаминергической нейромодуляцией (Ilg et al., 2018; Johnson et al., 2015; MacDonald et al., 2006, 2009; Papenberg et al., 2013; Tamnes et al., 2012; van Belle et al., 2015), особенно способности к торможению и когнитивному контролю, опосредованные лобными и подкорковыми дофаминергическими системами мозга (Bellgrove et al., 2004; Isbell et al., 2018; Montez et al., 2017; van Belle и др., 2015).

Измерения внутрииндивидуальной изменчивости могут быть особенно полезны при сравнении разнородных групп, таких как дети и подростки, когнитивное развитие которых все еще продолжается, или группы населения с когнитивными трудностями, такими как СДВГ или аутизм (Castellanos et al., 2005; Dirk & Schmiedek, 2016). ; Geurts et al., 2008; Karalunas et al., 2014; Könen & Karbach, 2015). В соответствии с хорошо установленной закономерностью развития мозга и когнитивных функций на протяжении всей жизни, внутрииндивидуальная изменчивость демонстрирует перевернутую U-образную связь с возрастом, уменьшаясь от детства к подростковому возрасту и вплоть до юношеского возраста и снова увеличиваясь в пожилом возрасте (Montez et al. ., 2017; Папенберг и др., 2013; Уильямс и др., 2005).

Преимущество показателей внутрииндивидуальной изменчивости состоит в том, что они отражают не только результат, но и эффективность когнитивных процессов. Повышенная вариативность времени реакции связана с трудностями в контроле внимания или способности поддерживать внимание и цели (Unsworth, 2015). Улучшение когнитивных способностей, повышенная эффективность или стабильность когнитивных процессов были выдвинуты в качестве потенциальных механизмов, лежащих в основе воздействия обучающих вмешательств (von Bastian & Oberauer, 2014). Снижение внимания во время выполнения задачи может указывать на непоследовательную реализацию, а не на снижение работоспособности или ненормальное функционирование. Такая непоследовательность в реализации соответствующих когнитивных систем может не быть связана со снижением точности, если задание или тест недостаточно сложны и/или дают лишь грубые показатели точности, но все же может существенно ухудшить успеваемость детей (Judd et al., 2021). ). Непоследовательная реализация поведенчески значимых когнитивных процессов может изменить распределение времени реакции. Эти эффекты не обязательно приведут к различиям в среднем времени ответа, но их можно количественно оценить с помощью различных показателей внутрииндивидуальной изменчивости времени ответа (Ali et al., 2019; Geurts et al., 2008; van Belle et al., 2015).

Внутрииндивидуальная изменчивость действительно связана с провалами внимания. Это было показано у детей с СДВГ, у которых в ряде исследований часто наблюдались аномально длинные RT (Hervey et al., 2006; van Belle et al., 2015). По сравнению с показателями центральной тенденции (например, средним или медианным), показатели внутрииндивидуальной изменчивости более чувствительны к усталости у молодых людей (Wang et al., 2014) или к внешне оцениваемым проблемам с вниманием (Gómez-Guerrero et al., 2011) и правильно классифицировать пациентов с СДВГ (Klein et al., 2006). Таким образом, показатели внутрииндивидуальной изменчивости могут с большой долей вероятности обнаружить изменения, вызванные тренировочными вмешательствами, которые (пока) не могут быть отражены с помощью средних показателей производительности, поскольку показатели изменчивости производительности более чувствительны к эффективности когнитивных процессов.

Недавние работы показали, что изменчивость производительности связана со способностями рабочей памяти, обучением и переходом к академическим навыкам. Индивидуальная вариабельность точности выполнения задач на рабочую память внутри и между сеансами была связана с академической успеваемостью школьников 3-го и 4-го классов (Dirk & Schmiedek, 2016), а недавнее исследование с участием 6-летних детей показали, что внутрииндивидуальная изменчивость после когнитивной тренировки рабочей памяти была связана с успеваемостью по математике через 3 года (Judd et al., 2021). Учитывая прогностическую связь между успеваемостью в школе и благополучием во взрослой жизни (Tomasik et al., 2019), важно изучить влияние любой когнитивной тренировки на успеваемость.

Таким образом, есть достаточно оснований предположить, что метрики вариабельности времени реакции внутри человека могут выявить краткосрочные эффекты тренировки и могут быть полезны для прогнозирования степени долгосрочных преимуществ. Здесь мы проверяем гипотезу о том, что внутрииндивидуальная вариабельность выполнения задач, количественно выраженная через время реакции, может использоваться для оценки эффективности обучения в краткосрочной перспективе и коррелирует с будущими эффектами дальнего переноса. Мы используем комбинацию когнитивных задач (N-Back и Flanker), функциональной магнитно-резонансной томографии (фМРТ) и диффузионного моделирования индивидуальной производительности, чтобы изучить влияние пяти недель адаптивного WMT на мозг и когнитивные функции у первоклассников. .

Наши конкретные гипотезы заключались в том, что WMT улучшит производительность при выполнении задач N-Back и Flanker в краткосрочной перспективе, повысив точность и уменьшив внутрииндивидуальную вариативность времени отклика. Мы также предположили, что снижение вариабельности времени ответа после WMT будет связано с активацией мозга в ключевых областях рабочей памяти, таких как дорсолатеральная префронтальная кора и полосатое тело. Более того, мы предположили, что если WMT влияет на способность или мотивацию выборочно обращать внимание на информацию, относящуюся к задаче, то мы должны увидеть различия в предполагаемых скоростях дрейфа для DDM между обучающей и контрольной группами. Наконец, учитывая существующие доказательства связи между внутрииндивидуальной изменчивостью и когнитивными функциями в различных психиатрических и стареющих популяциях, мы предположили, что показатели внутрииндивидуальной изменчивости будут указывать на будущие результаты в последующие 6 и 12-месяцы наблюдения. вверх оценки. Мы проверяем эти гипотезы, используя три независимых набора данных.

2 МЕТОД

2.1 Участники

Для этой статьи мы проанализировали данные трех отдельных выборок детей (N=28, 572 и 11 878). Мы описываем участников и задачи, используемые в двух более крупных концептуальных примерах репликации, в подразделе 2.7 ниже. Первоначальная выборка фМРТ включала 28 типично развивающихся детей младшего школьного возраста 7–9-лет (средний возраст=93 месяцев, стандартное отклонение=5 месяцев, 14 женщин, группа тренировки рабочей памяти [WMT] { {13}}, группа сравнения [CMP]=12). Эти дети были отобраны из продолжающегося интервенционного исследования, в котором приняли участие более 500 детей и 29 разных классов. Местный комитет по этике (Kantonale Ethikkommission Zürich) одобрил все процедуры и методы, использованные в ходе данного исследования.

2.2 Программа когнитивной тренировки

Процедуры обучения состояли из пятинедельного вмешательства и четырех волн оценки: одной до вмешательства (исходного уровня), одной сразу после окончания пятинедельного вмешательства и двух последующих волн через 6 и 12–13 месяцев соответственно. . Батарея оценок включала тесты на рабочую память и IQ (диапазон цифр, диапазон локаций, диапазон объектов, тест Равена), результаты обучения (математический счет и математическая геометрия, способности к чтению) и тесты на концентрацию (задача «Go/NoGo» и BP).

В качестве программы тренировки рабочей памяти была разработана Cogmed RoboMemo1. Это компьютеризированная программа, легко адаптируемая к индивидуальной работе, реализуемая с помощью портативных компьютеров, включая наушники для голосовых инструкций и внешнюю мышь. Вмешательство состояло из ежедневных сеансов WMT (продолжительность ~30 минут) в течение 5 недель (25 сеансов). Каждая тренировочная сессия включала шесть адаптивных модулей (задачи на рабочую память), в том числе 12 проб (всего 75 проб). Во время вмешательства в каждом классе работал один специально обученный тренер-студент.

Мы сравниваем группу WMT с детьми, которые либо прошли стандартное обучение в классе (N=3), либо прошли обучение саморегуляции в течение шести школьных уроков (N=9). На этих уроках учитель преподавал версию техники мысленного контрастирования с реализацией намерений (MCII) (Duckworth et al., 2013), которая была адаптирована к соответствующей возрастной группе и контексту классной комнаты.

2.3 Когнитивные задачи и задачи принятия решений после обучения

Задача рабочей памяти (N-Back). Задача 11-min блока проектирования рабочей памяти состоит из четырех условий (рис. S1a). В состоянии «0-Назад» они должны реагировать всякий раз, когда видят на экране изображение солнца. В условиях «1-Назад», «2-Назад» и «3-Назад» они должны реагировать всякий раз, когда изображение на экране совпадает с 1, 2 или 3 перед ним соответственно. Данные о производительности записывались во время сканирования. Основными переменными производительности являются индекс d-prime (d'=z(HitRate) – z(FalseAlarms)) и внутрииндивидуальный коэффициент вариации (ICV=SDRT/MRT) для каждого рабочего состояние памяти.

Задача фланкера: 11-минутная задача, связанная с событием, была разработана на основе Rueda et al. (2004). Участникам было представлено 240 испытаний (рис. S1b). Каждое испытание состояло из центрального ряда из пяти желтых рыбок на синем фоне.

Им было поручено «покормить» рыбу, расположенную в центре экрана. Для этого ребенку нужно было нажать правую/левую кнопку на блоке кнопок, в зависимости от направления центральной рыбы и игнорируя направление фланкеров. Основными переменными производительности являются процент правильных ответов и внутрииндивидуальный коэффициент вариации времени ответа. Кроме того, мы адаптируем модель диффузии решений к результатам и времени реагирования, чтобы определить источник(и) дифференциальной изменчивости производительности (см. раздел 2.4.2). Наконец, для сравнения с ранее опубликованными статьями мы также провели апостериорный анализ данных RT, используя экс-гауссовский подход. На основании предыдущих исследований (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015) мы ожидали различия между группами по параметрам экспоненциальной составляющей эксгауссовского распределения RT.

Для полноты отметим, что дети также выполнили задачу межвременного выбора, аналогичную задаче Steinbeis et al. (2014), находясь в сканере, который использовался для проверки гипотезы, отдельной от той, на которой мы фокусируемся в этой статье.

Более подробную информацию о трех задачах можно найти в дополнительных методах.

2.4 Анализ поведенческих данных

Двое из 28 детей из выборки фМРТ вышли из исследования после выполнения первого задания (в обоих случаях задания межвременного выбора). У трех участников произошли технические сбои при сборе данных о производительности во время выполнения задачи «Фланкер», в результате чего один участник был исключен из-за полной потери данных о производительности, а для двух участников в анализе можно было использовать только один прогон задачи.

2.4.1 Регрессия поведенческих показателей

Статистический анализ проводился с использованием RStudio (версия 1.1.442) (RStudio Team 2020).

Мы исследовали различия между тренированными и нетренированными группами по основным показателям производительности заданий сразу после WMT. Для этого мы построили общую линейную модель (GLM) для задач NBack и Flanker с тренировочной группой (WMT против CMP) в качестве фактора воздействия и условия задачи (N-Back: высокая или низкая рабочая память; Flanker: конгруэнтная против .неконгруэнтные) как факторы случайного воздействия.

2.4.2 Анализ моделирования диффузии решений

Мы использовали байесовский иерархический подход для согласования параметров модели диффузии решений (DDM) с задачей Фланкера, используя JAGS (Plummer, 2003) и модуль JAGS-Wiener (Wabersich & Vandekerckhove, 2014) вместе с пакетом jags (Plummer, 2014). 2018) в R. Мы использовали априорные рекомендации для моделирования иерархических диффузионных решений в Wiecki et al. (2013). Подгонка проводилась с тремя цепочками: 100 000 выжигаемых образцов и 10 000 задних образцов со скоростью прореживания 10 образцов. Сходимость оценивали с помощью визуального осмотра и обеспечения того, чтобы показатели psrf были ниже 1,05 для всех параметров. Скорость дрейфа рассчитывалась как взвешенная линейная комбинация целевых и нецелевых стимулов, чтобы определить относительный вклад каждого в скорость накопления доказательств. Здесь мы подгоняем DDM к поведению детей в задаче «Фланкер». Мы не подгоняли данные из задачи N-Back, поскольку она требовала ответов только в целевых испытаниях, которые составляли небольшое меньшинство (25%) всех испытаний.

В нашей спецификации DDM величина коэффициентов скорости дрейфа сообщает нам о том, насколько сильно каждый стимул влияет на процессы накопления доказательств. Выполняя задание на фланкер, дети должны сосредоточиться на целевой рыбе, поскольку только она является доказательством правильного ответа в каждом испытании. Направление, в котором смотрит фланговая рыба-отвлекатель, не имеет значения, и его следует игнорировать. Таким образом, мы определили скорость дрейфа согласно уравнению (1), приведенному ниже. Мы предположили, что 1–2 (т.е. вес релевантной минус нерелевантной информации) должен быть больше в группе WMT, чем в группе CMP.

2.5 Сбор и анализ данных фМРТ

Подробное описание предварительной обработки фМРТ, параметров сканирования и фМРТ GLM можно найти в дополнительных методах.

2.6 Связь между выполнением когнитивных задач после тренировки

Мы исследовали, могут ли показатели внутрииндивидуальной изменчивости, рассчитанные сразу после обучения, служить индикаторами соответствующих будущих результатов при последующих последующих оценках. В частности, мы исследовали общий балл SDQ (Woerner et al., 2002) – показателя скрининга поведения и психологического благополучия, который обычно применяется в клинических условиях для выявления потенциально проблемных областей у ребенка, которые заслуживают дальнейшей оценки специалистом. SDQ был заполнен родителями через 6 месяцев после обучения. Мы также исследовали тесты академической успеваемости по чтению и двум субшкалам по математике (геометрия и арифметика), проведенные через 12 месяцев после обучения. Мы сосредоточились на этих конкретных академических навыках из-за результатов независимой выборки Berger et al. (2020), которые показывают, что WMT улучшил результаты по геометрии и чтению, но не по арифметике.

Чтобы выяснить, могут ли показатели внутрииндивидуальной изменчивости указывать на будущие результаты при последующих последующих оценках во всех группах вмешательства, мы провели байесовский устойчивый линейный регрессионный анализ. В ходе этого анализа проверялось, могут ли изменения в SDQ и академических навыках (т. е. контроль исходных баллов) быть объяснены точностью детей (d-prime) или вариабельностью времени ответа в когнитивных задачах, выполняемых в конце периода обучения. В частности, мы использовали коэффициент вариации времени ответа и оценок d-prime из задачи N-Back, а также оценки скорости дрейфа DDM из задачи фланкера, чтобы объяснить будущие результаты. У некоторых детей отсутствовали определенные показатели последующего наблюдения или внутрииндивидуальной изменчивости (максимальное количество пропущенных значений для любого показателя составляло 4). Чтобы использовать как можно больше данных из нашей небольшой выборки фМРТ, мы вменили недостающие значения, используя пакет «мыши» (van Buuren & Groothuis-Oudshoorn, 2011) в R. Мы сгенерировали 10 различных вмененных наборов данных и подогнали байесовские линейные регрессии. каждому из них, используя пакет R «brms» (Bürkner, 2018) в качестве интерфейса к STAN (Stan Development Team, 2020). Мы сделали окончательные выводы на основе комбинированных апостериорных распределений всех десяти робастных регрессионных моделей, чтобы уменьшить влияние любого набора вмененных значений на наши результаты. В каждой из 10 моделей использовались зависимые и независимые переменные с z-значением и априорные значения Стьюдента для всех фиксированных эффектов (среднее значение=0, стандартное отклонение = 1, степени свободы=10). В каждой модели использовалось 6000 образцов MCMC в трех независимых цепях после 1000 образцов прогрева для каждой цепи и этапа прореживания=5. Полный набор переменных регрессора и результаты этих регрессий представлены в таблице S7. Все регрессии контролировали базовые показатели каждой зависимой переменной, что эффективно оценивало изменения результатов.

2.7 Концептуальное воспроизведение и обобщение с использованием независимых выборок

Мы проверили, будут ли основные аспекты повторяться или обобщаться в двух независимых, более крупных выборках. Концептуальная репликация включала в себя новый анализ данных Berger et al. (2020), именуемое в дальнейшем исследованием BFHSW. Исследование BFHSW проводилось на отдельной выборке детей 1-го класса (возраст=6–7 лет, среднее значение = 6,8 лет, стандартное отклонение=4,3 месяца), чем та, из которой был взят наш образец фМРТ. Однако в обоих исследованиях использовались одни и те же процедуры WMT, а также многие из одних и тех же инструментов оценки на исходном этапе и в последующем. Эти совпадения позволяют нам проверить связь между изменениями ICV времени ответа после обучения и их связью с академическими навыками через 12-месяц последующего наблюдения, как в нашем образце фМРТ, хотя ICV времени ответа рассчитываются на основе подавления ответа. а не задача рабочей памяти (подробнее см. 2.7.1). Мы также проверили, будет ли связь между индивидуальной вариабельностью выполнения задач и показателями текущего и будущего благополучия, которую мы обнаружили в нашей небольшой выборке фМРТ, распространиться на гораздо большую группу детей, принявших участие в исследовании подросткового мозга и когнитивного развития (ABCD). (Кейси и др., 2018).

Бергер и др. (2020) реализовали то же вмешательство WMT и те же оценки до и после тренировки в те же моменты наблюдения (6 и 12 месяцев после окончания обучения), что и в нашей выборке фМРТ, в отдельной группе из 572 детей. (6–7 лет). В этой выборке группа WMT включала 279 участников, которые выполняли тот же WMT, что и в нашей первоначальной выборке. Контрольные группы получали либо стандартное школьное обучение, либо тренинг по саморегуляции, аналогичный нашей первоначальной выборке, либо обучение программному обеспечению. Следуя процедурам, установленным Berger et al. (2020) мы сравнили изменение ICV во времени ответа после WMT со 101 ребенком, получившим стандартное школьное обучение. Тем не менее, наши первичные тесты на связь между изменениями ICV в течение пятинедельного периода вмешательства и улучшением показателей по чтению или геометрии через 1 год после обучения были проведены среди 521–565 детей, для которых у нас есть все соответствующие показатели в каждый момент времени. (подробнее см. в таблицах 1 и 2).

В исследовании BFHSW мы рассчитали внутрииндивидуальную вариабельность времени ответа на основе задачи на торможение реакции вместо задачи на рабочую память. Это исследование не включало задачу на рабочую память с достаточно быстрыми ответами каждого ребенка, чтобы надежно вычислить внутрииндивидуальную вариабельность времени ответа. Однако оно включало задачу «Да/Нет», которая измеряет заторможенность реакции на всех волнах оценки, которую мы могли использовать для расчета внутрииндивидуальной изменчивости времени реакции. Поэтому, чтобы проверить связь между улучшением внутрииндивидуальной вариабельности после обучения и долгосрочным переходом к академическим навыкам, мы рассчитали ICV как стандартное отклонение RT в начале испытания, разделенное на среднее значение RT в начале испытания. Обратите внимание, что мы вычисляем ICV на основе правильных попыток только так же, как мы это делали для всех задач в исходной выборке, и в соответствии со стандартной процедурой, описанной в литературе (Bellgrove et al., 2004; Bos et al., 2020; Fagot et al., 2018; Марчиано и Йешурун, 2017). Мы называем этот анализ концептуальной репликацией, потому что мы используем задачу «Go/Nogo» вместо N-back. Наконец, мы проверяли академические навыки только в выборке BFHSW, поскольку многие родители не заполнили SDQ для своих детей в этом исследовании.

Мы подгоняем модели линейной регрессии с помощью Stata (StataCorp 2015). В частности, мы следовали методам, описанным Berger et al. (2020) и оценили обычные регрессии наименьших квадратов с надежными стандартными ошибками, сгруппированными на уровне класса. Все регрессионные модели включали контрольные ковариаты для типа лечения, школы, пола, возраста и исходной успеваемости как в зависимых переменных (геометрия или баллы по чтению), так и в ICV из задачи «Да/Нет».

For more information:1950477648nn@gmail.com