Интраиндивидуалната променливост в изпълнението на задачите след когнитивно обучение е свързана с дългосрочни резултати при деца Част 1

Резюме

Потенциалните ползи и механичните ефекти от обучението на работната памет (WMT) при деца са обект на много изследвания и дебати. Ние показваме, че след пет седмици базирани в училище, адаптивни WMT 6–9 годишни деца от началното училище са имали по-голяма активност в префронталните и стриаталните области на мозъка, по-висока точност на задачите и намалена вътрешноиндивидуална вариабилност във времето за реакция в сравнение с контролите. Използвайки модел за вземане на решения за последователно вземане на проби, ние демонстрираме, че това намаляване на вътрешноиндивидуалната променливост може да се обясни с промени в нивата на натрупване на доказателства и праговете. Критично, вътрешноиндивидуалната променливост е полезна при количествено определяне на непосредственото въздействие на интервенциите за когнитивно обучение, като е по-добър предсказател на академичните умения и благосъстоянието 6–12 месеца след края на обучението, отколкото точността на задачите.

Обучението на работната памет на децата се отнася до подобряване на паметта и мисловните способности на децата чрез поредица от практически дейности. Работната памет е важна част от човешкия мозък. Той е отговорен за обработката на нашата краткосрочна памет и може да помогне на хората да обработват и съхраняват по-добре информация. Следователно децата трябва да подобрят обучението си по работна памет.

Процесът на обучение трябва да бъде насочен към когнитивното ниво и възрастовите характеристики на децата, особено проблемите с паметта, които децата срещат в ежедневието, така че децата да могат да използват паметта по-ефективно в ежедневието.

Обучението на работната памет може да се приложи към много различни интелектуални дейности, като логически разсъждения, разбиране на езика, пространствено възприятие и решаване на проблеми, за да назовем само няколко. Чрез това обучение децата могат да подобрят своите способности за анализ, преценка и решаване на проблеми.

В допълнение, подобряването на работната памет също е тясно свързано с академичните постижения на децата. Ученето изисква от нас да имаме силна памет, за да овладеем знанията. Следователно, ефективното обучение на работната памет може да помогне на децата да усвояват знания по-добре и да подобрят своите академични постижения.

Накратко, обучението на работната памет на децата има положителен ефект върху растежа на децата. По време на процеса на обучение трябва да се съсредоточим върху разбирането на личността и характеристиките на децата и да ги оставим да почувстват щастието и чувството за постижение, което обучението носи в техния напредък. Ние вярваме, че с подкрепата на родители и учители, децата могат непрекъснато да подобряват своите мисловни умения и памет чрез обучение на работна памет. Вижда се, че трябва да подобрим паметта си. Cistanche deserticola може значително да подобри паметта, тъй като Cistanche deserticola е традиционен китайски лекарствен материал с много уникални ефекти, един от които е да подобрява паметта. Ефикасността на мляното месо идва от различните активни съставки, които съдържа, включително киселина, полизахариди, флавоноиди и др. Тези съставки могат да насърчат здравето на мозъка по различни начини.

Щракнете върху познайте начините за подобряване на мозъчната функция

Взети заедно, нашите резултати показват, че контролът на вниманието е първоначалният механизъм, който води до дългосрочните ползи от адаптивния WMT. Селективните и устойчиви способности за внимание могат да служат като скеле за последващи промени в по-високите когнитивни процеси, академични умения и общо благосъстояние. Освен това, тези резултати подчертават, че изборът на мерки за резултатите и времето на оценките играят решаваща роля при откриването на ефикасността на обучението. По този начин, оценяването на вътрешноиндивидуалната променливост по време или непосредствено след обучението може да позволи ранно адаптиране на обучителните интервенции по отношение на продължителността или съдържанието, за да се увеличи максимално тяхното въздействие.

КЛЮЧОВИ ДУМИ

Контрол на вниманието, деца, когнитивно обучение, fMRI, интраиндивидуална променливост, работна памет.

1. ВЪВЕДЕНИЕ

Програмите за когнитивно обучение са получили значително внимание през годините, като се има предвид техният потенциал да подобрят когнитивните способности при здрави и клинични популации. Въпреки това, ефективността и устойчивостта на ползите от програмите за когнитивно обучение все още се изследват внимателно и се обсъждат бурно (Au et al., 2015; Bogg & Lasecki, 2014; Cortese et al., 2015, Karbach & Verhaeghen, 2014; Melby-Lervag et al., 2016; Sala & Gobet, 2020; Schwaighofer et al., 2015; Smidet al., 2020; Wass et al., 2012). Въпреки че е доказано, че програмите за когнитивно обучение подобряват представянето при подобни необучени задачи (почти трансфер), доказателствата за трансфер към когнитивни умения в други области (далечен трансфер) остават по-оскъдни и противоречиви (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; Smid и др., 2020). Все още ни липсва достатъчно разбиране за видовете когнитивни умения и способности, които са най-полезни за обучение, видовете методи на обучение и дозировките, които работят най-добре за определени умения, и типовете хора, които могат да извлекат достатъчни ползи, за да оправдаят времето и парите разходи за интервенции за когнитивно обучение.

Както при много аспекти на когнитивното обучение, степента на ефектите на трансфер върху академичните постижения е обект на интензивен дебат. Подобренията в академичните постижения изглеждат по-силни за областта на езика и четенето и по-малко последователни по математика, въпреки че това варира в зависимост от вида на режима на обучение и учебната извадка (вижте Sala & Gobet, 2020 и Titz & Karbach, 2014 за преглед и мета -анализ). Например, има съобщения, че първоначалните ефекти на прехвърляне към математиката не продължават три месеца по-късно (Jones et al., 2020) и че децата с ниска способност за работна памет показват по-лоши математически умения от контролна група с нормални инструкции в класната стая 2 години след работната памет обучение (WMT) (Roberts et al., 2016). От друга страна, скорошно проучване установи, че ефектите от обучението могат да се появят и да се увеличат с течение на времето в група от над 500 деца в първи клас, които не са били предварително избрани въз основа на способностите за работна памет (Berger et al., 2020).

Това проучване установи, че ползите от далечния трансфер от адаптивния WMT към академичните умения са очевидни едва 6–12 месеца след края на обучението. Нещо повече, тази работа показа, че пет седмици адаптивен WMT през годината в първи клас са довели до повишена вероятност за навлизане в най-високата академична писта на немската среднообразователна система 3-4 години по-късно. Като се имат предвид обобщените резултати от множество проучвания, ясно е, че дизайните на надлъжни проучвания, които включват последващи мерки в продължение на няколко години, ще бъдат важни за определяне на потенциалната ефективност на различни видове и/или дози когнитивно обучение, особено за деца.

Важно е да се разберат когнитивните и невробиологичните промени, които се случват по време на или непосредствено след тренировка. Предполага се, че тези проксимални ефекти позволяват евентуалната поява на широкообхватни ползи в бъдеще. Нивото на внимание може да определи колко добре се запомня информацията (Gazzaley & Nobre, 2012). Процесите на работната памет, определени като временно съхранение и манипулиране на информация, която позволява изпълнението на сложни когнитивни задачи (Baddeley, 1996; Baddeley, 2010), следователно са тясно свързани с контрола на вниманието.

Ние наричаме способността да координираме и разпределяме вниманието към съответните стимули в околната среда, независимо от разсейването и умората, като контрол на вниманието (Cartwright, 2012; Corbetta & Shulman, 2002; Norman & Shallice, 1983). Работната памет изисква контрол на вниманието, за да се поддържа и преоценява информацията, свързана със задачата, като същевременно се блокира намесата от неподходяща за задачата информация (Engle, 2018; Fukuda & Vogel, 2011; Kane et al., 2008; Mcnab & Klingberg, 2008). Както работната памет, така и процесите на контрол на вниманието разчитат на фронто-париетални и стриатални мозъчни мрежи (Klingberg, 2010). Съобщава се, че когнитивното обучение променя структурата и функцията на мозъка, като индуцираните промени често се наблюдават в префронталната, париеталната и стриаталната област (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).

Това са ключови региони, поддържащи изпълнителни функции като работна памет и контрол на вниманието (D'Esposito & Postle, 2015; Frank et al., 2001; Mcnab & Klingberg, 2008; Owen et al., 2005; Wager & Smith, 2003). Проучванията за изображения на мозъка предполагат, че успешното прехвърляне от обучени към нетренирани умения изисква и двата когнитивни процеса да включват поне частично припокриващи се структурни и функционални мозъчни системи (Dahlin et al., 2008; Morrison & Chein, 2011). По този начин, за да бъдат най-полезни програмите за когнитивно обучение, трябва да улесняват невронните развития, които позволяват по-ефективно и ефикасно ангажиране на такива споделени невронни системи.

Необходими са чувствителни и надеждни измервания на промените в умствените и нервните функции, за да се открият непосредствените ефекти от тренировъчните интервенции и да се прогнозират дългосрочните ползи от обучението. В настоящата работа ние тестваме хипотезата, че вътрешноиндивидуалната променливост във времето за реакция може да бъде полезна в това отношение. Мерките за вътрешноиндивидуална променливост, базирани или на точност, или на време за реакция, са по-информативни от мерките за осреднена точност, когато се опитваме да разберем механизмите, чрез които благоприятните ефекти от когнитивното обучение могат да се прехвърлят върху академичните умения (Karbach & Unger, 2014; Könen & Karbach, 2015) , за предвиждане на дългосрочни ползи в академичните постижения (Judd et al., 2021) и за улесняване на идентифицирането на онези лица, които биха имали най-голяма полза от обучителната интервенция (Karbach & Unger, 2014; Könen & Karbach, 2015; MacDonald et др., 2009 г.; Савил и др., 2011 г.).

Използвани са няколко метода за количествено определяне и разграничаване на различните когнитивни процеси, които могат да доведат до интраиндивидуална вариабилност във времето за реакция. Индивидуалният коефициент на вариация (ICV) е обща мярка, изчислена като директно съотношение на стандартното отклонение спрямо средната стойност. В допълнение, формата на разпределението на времето за реакция може да бъде параметризирана чрез монтиране на ex-gaussian модели (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015), а потенциалните източници на променливост могат да бъдат отличават се чрез напасване на модели за вземане на решения за дифузия (DDM) (Forstmann et al., 2016; Karalunas & Huang-Pollock, 2013; Ratcliff et al., 2016; Schmiedek et al., 2009). Освен това, DDM могат да се използват и за измерване и разбиране на ефектите от вниманието върху изпълнението на задачите и вземането на решения (Cavanagh et al., 2014; Krajbich & Rangel, 2011; Krajbich et al., 2015).

Интраиндивидуалната променливост в представянето е свързана с когнитивните способности и мозъчните функции, насочени към интервенциите за когнитивно обучение (Castellanos et al., 2005; Geurts et al., 2008; Judd et al., 2021; Kofler et al., 2013; MacDonald и др., 2006). Интраиндивидуалната вариабилност също е свързана с префронталната мозъчна функция и допаминергичната невромодулация (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), особено инхибиторните и когнитивните контролни способности, медиирани от фронтални и субкортикални допаминергични мозъчни системи (Bellgrove et al., 2004; Isbell et al., 2018; Montez et al., 2017; van Belle и др., 2015).

Измерванията на интраиндивидуалната вариабилност могат да бъдат особено полезни при сравняване между хетерогенни групи, като деца и юноши, чието когнитивно развитие все още продължава, или популации с когнитивни затруднения като ADHD или аутизъм (Castellanos et al., 2005; Dirk & Schmiedek, 2016). ; Geurts et al., 2008; Karalunas et al., 2014; Könen & Karbach, 2015). В съответствие с добре установения модел на мозъчно и когнитивно развитие през целия живот, интраиндивидуалната вариабилност показва връзка с обърната U-образна форма с възрастта, намаляваща от детството през юношеството до младата зряла възраст и отново нарастваща в напреднала възраст (Montez et al ., 2017; Papenberg et al., 2013; Williams et al., 2005).

Предимство на мерките за вътрешноиндивидуална променливост е, че те улавят не само резултата, но и ефективността на когнитивните процеси. Повишената вариабилност във времето за реакция е свързана с трудности в контрола на вниманието или способността да се поддържа внимание и цели (Unsworth, 2015). Подобреният когнитивен капацитет, повишената ефективност или стабилността на когнитивните процеси са хипотетични като потенциални механизми, лежащи в основата на въздействието на обучителните интервенции (von Bastian & Oberauer, 2014). Провалът на вниманието по време на изпълнение на задачата може да означава непоследователно изпълнение, а не намален капацитет или необичайна функция. Такова несъответствие при прилагането на съответните когнитивни системи може да не е свързано с намалена точност, ако задачата или тестът не е достатъчно труден и/или дава само груби мерки за точност, но все пак може значително да влоши академичното представяне на децата (Judd et al., 2021 г. ). Непоследователното прилагане на поведенчески значими когнитивни процеси може да промени разпределението на времето за реакция. Тези ефекти няма непременно да доведат до разлики в средните времена за реакция, но могат да бъдат количествено определени чрез различни показатели за интраиндивидуална променливост на времето за реакция (Ali et al., 2019; Geurts et al., 2008; van Belle et al., 2015).

Вътрешноиндивидуалната променливост наистина е свързана с пропуски на вниманието. Това е показано при деца с ADHD, които често показват необичайно дълги RT при подгрупа от изпитвания (Hervey et al., 2006; van Belle et al., 2015). В сравнение с мерките за централна тенденция (напр. средна стойност или медиана), мерките за вътрешноиндивидуална променливост са по-чувствителни към умора при млади възрастни (Wang et al., 2014) или към външно оценени проблеми с вниманието (Gómez-Guerrero et al., 2011) и правилно класифициране на пациенти с ADHD (Klein et al., 2006). Следователно, показателите за вътрешноиндивидуална променливост биха могли правдоподобно да открият промени, причинени от интервенции за обучение, които (все още) не могат да бъдат обхванати от средни мерки за ефективност, тъй като мерките за променливост на ефективността са по-чувствителни към ефективността на когнитивните процеси.

Скорошна работа показа, че променливостта на представянето е свързана със способностите на работната памет, обучението и трансфера към академични умения. Интраиндивидуалната вариабилност в точността в рамките на и между сесиите на задачите за работна памет е свързана с академичните постижения при деца в 3-ти и 4-ти клас (Dirk & Schmiedek, 2016) и скорошно проучване при 6--годишни деца показаха, че интраиндивидуалната променливост след когнитивното обучение на работната памет е свързана с представянето по математика 3 години по-късно (Judd et al., 2021). Като се има предвид предсказуемата връзка между академичните постижения в училище и благосъстоянието в зряла възраст (Tomasik et al., 2019), важно е да се проучи въздействието на всяко когнитивно обучение върху академичните постижения.

В обобщение, има достатъчно основание да се предположи, че интраиндивидуалните показатели за променливост на времето за реакция могат да открият краткосрочни ефекти от обучението и могат да бъдат полезни при прогнозиране на степента на дългосрочни ползи. Тук тестваме хипотезата, че вътрешноиндивидуалната променливост в изпълнението на задачата - количествено определена чрез времето за реакция - може да се използва за оценка на ефикасността на обучението в краткосрочен план и е свързана с бъдещи ефекти на далечно прехвърляне. Ние използваме комбинация от когнитивни задачи (N-Back и Flanker), функционално магнитно-резонансно изображение (fMRI) и моделиране на дифузионно решение на индивидуалното представяне, за да изследваме ефектите от пет седмици адаптивен WMT върху мозъка и когнитивната функция при деца в първи клас .

Нашите специфични хипотези бяха, че WMT ще облагодетелства представянето на задачите N-Back и Flanker в краткосрочен план, повишавайки точността и намалявайки вътрешноиндивидуалната променливост във времето за реакция. Ние също така предположихме, че намалената вариабилност на времето за реакция след WMT ще бъде свързана с мозъчно активиране в ключови области на работната памет, като дорзолатералния префронтален кортекс и стриатума. Освен това предположихме, че ако WMT повлияе на способността или мотивацията за селективно обръщане на внимание на информация, свързана със задачата, тогава трябва да видим разлики в очакваните скорости на отклонение за DDM между тренировъчните и контролните групи. И накрая, като се имат предвид съществуващите доказателства за асоциации между интраиндивидуалната вариабилност и когнитивната функция в различни психиатрични и застаряващи популации, ние предположихме, че мерките за интраиндивидуална вариабилност биха били показателни за бъдещи резултати на следващите 6 и 12-месеца след- нагоре оценки. Тестваме тези хипотези, като използваме три независими набора от данни.

2 МЕТОД

2.1 Участници

За тази статия анализирахме данни от три отделни проби от деца (N=28, 572 и 11 878). Ние описваме участниците и задачите, използвани в двете по-големи концептуални проби за репликация в подраздел 2.7 по-долу. Първоначалната извадка за fMRI включва 28 обикновено развиващи се 7–9--годишни деца от началното училище (средна възраст=93 месеца, SD=5 месеца, 14 жени, група за обучение на работна памет [WMT] { {13}}, група за сравнение [CMP]=12). Тези деца бяха избрани от текущо интервенционно проучване на над 500 деца и 29 различни класни стаи. Местната комисия по етика (Kantonale Ethikkommission Zürich) одобри всички процедури и методи, използвани по време на това проучване.

2.2 Програма за когнитивно обучение

Процедурите за обучение се състоят от петседмична интервенция и четири вълни за оценка, една предварителна интервенция (базова линия), една непосредствено след края на петседмичната интервенция и две последващи вълни съответно на 6 и 12–13 месеца . Батерията за оценка включваше тестове за работна памет и коефициент на интелигентност (обхват на цифри, обхват на местоположение, обхват на обекти, тест на Рейвън), образователни резултати (математическа математика и математическа геометрия, способности за четене) и тестове за концентрация (Go/NoGo и задача за BP).

Приложената програма за обучение на работната памет беше RoboMemo1 на Cogmed. Това е компютъризирана програма, силно адаптивна към индивидуалното представяне, реализирана чрез преносими компютри, включително слушалки за устни инструкции и външна мишка. Интервенцията се състоеше от ежедневна WMT сесия на ден (продължителност ~ 30 минути), в продължение на 5 седмици (25 сесии). Всяка обучителна сесия включваше шест адаптивни модула (задачи за работна памет), включително 12 опита (общо 75 опита). По време на интервенцията във всеки клас имаше по един специално обучен ученик треньор.

Ние сравняваме WMT групата с деца, които или са получили стандартни инструкции в класната стая (N=3) или обучение за саморегулиране в продължение на шест училищни урока (N=9). В тези уроци учителят преподава версия на техниката за умствен контраст с намерения за изпълнение (MCII) (Duckworth et al., 2013), която е адаптирана към съответната възрастова група и контекста на класната стая.

2.3 Когнитивни и решаващи задачи след обучение

Задача за работна памет (N-Back): Задачата за 11-min block design работна памет се състои от четири условия (Фигура S1a). В условието „0-Назад“ те трябва да отговорят всеки път, когато видят снимка на слънце на екрана. При условията „1-Назад“, „2-Назад“ и „3-Назад“ те трябва да отговорят всеки път, когато картината на екрана е същата като 1, 2 или 3 преди него, съответно. Данните за производителността са записани по време на сканиране. Основните променливи на ефективността са индексът d-prime (d'=z(HitRate) – z(FalseAlarms)) и интраиндивидуалният коефициент на вариация (ICV=SDRT/MRT) за всеки работен състояние на паметта.

Фланкерна задача: 11-минутната задача, свързана със събитие, е проектирана въз основа на Rueda et al. (2004). На участниците бяха представени 240 опита (Фигура S1b). Всеки опит се състоеше от централен ред от пет жълти риби върху син фон.

Те бяха инструктирани да „нахранят“ рибата, разположена в центъра на екрана. За да направи това, детето трябваше да натисне бутона надясно/наляво на кутията с бутони, в зависимост от посоката на централната риба и игнорирайки посоката на фланкерите. Основните променливи на ефективността са процентът на правилните отговори и интраиндивидуалният коефициент на вариация във времето за реакция. Освен това, ние приспособяваме модел на разпространение на решенията към резултатите и времената на отговора, за да определим източника(ите) на диференциална променливост в представянето (вижте раздел 2.4.2). И накрая, за сравнение с предишни публикувани статии, ние също проведохме пост-хок анализ на RT данните, използвайки ex-gaussian подход. Въз основа на предишни проучвания (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015), очаквахме разлики между групите в параметрите на експоненциалния компонент на екс-гаусовото разпределение на RT.

За пълнота отбелязваме, че децата също са изпълнили задача за интертемпорален избор, подобна на тази в Steinbeis et al. (2014), докато в скенера, който беше администриран за тестване на отделна хипотеза от тази, върху която се фокусираме в този документ.

Допълнителни подробности за трите задачи могат да бъдат намерени в Допълнителните методи.

2.4 Анализ на данните за поведението

Две от 28-те деца от извадката с fMRI се оттеглиха от проучването след първата задача (и в двата случая задачата за интертемпорален избор). За трима участници имаше технически неизправности при събирането на данни за ефективността по време на задачата Flanker, което доведе до изключване на един участник поради пълната загуба на данни за ефективността, а за двама участници само едно изпълнение на задачата можеше да бъде използвано в анализа.

2.4.1 Регресии на поведенческото представяне

Статистическите анализи бяха проведени с помощта на RStudio (Версия 1.1.442) (RStudio Team 2020).

Изследвахме разликите между обучените и необучените групи по основните променливи на ефективността на задачите веднага след WMT. За да направим това, проведохме общ линеен модел (GLM) за задачите NBack и Flanker с тренировъчна група (WMT срещу CMP) като ефект фактор и условие на задачата (N-Back: висока срещу ниска работна памет; Flanker: конгруентна срещу .неконгруентни) като фактори със случаен ефект.

2.4.2 Анализи на моделиране на разпространение на решения

Използвахме байесов йерархичен подход, за да напаснем параметрите на модела на дифузия на решенията (DDM) към задачата Flanker, използвайки JAGS (Plummer, 2003) и модула JAGS-Wiener (Wabersich & Vandekerckhove, 2014) заедно с пакета jags (Plummer, 2018) в R. Използвахме предишните препоръки за моделиране на решение за йерархична дифузия във Wiecki et al. (2013). Фитингът беше проведен с три вериги, 100,000 прегарящи проби и 10,000 задни проби със скорост на изтъняване от 10 проби. Конвергенцията беше оценена с помощта на визуална проверка и чрез осигуряване на psrf мерките да са под 1,05 за всички параметри. Скоростите на отклонение бяха изчислени като претеглена линейна комбинация от целеви и нецелеви стимули, за да се разграничи относителният принос на всеки към степента на натрупване на доказателства. Тук приспособяваме DDM към поведението на децата в задачата Flanker. Не съобразихме данните от задачата N-Back, тъй като изискваше отговори само на целеви опити, които бяха малка част (25%) от всички опити.

В нашата спецификация на DDM, величината на коефициентите на скоростта на отклонение ни информира колко силно всеки стимул влияе върху процесите на натрупване на доказателства. При фланговата задача децата трябва да се съсредоточат върху целевата риба, защото тя сама осигурява доказателство за правилния отговор във всеки опит. Посоката, към която са обърнати страничните дистракторни риби, е без значение и трябва да се игнорира. По този начин ние определихме скоростта на дрейфа съгласно уравнение (1) по-долу. Ние предположихме, че 1–2 (т.е. теглото на съответната минус неподходящата информация) трябва да бъде по-голямо в WMT, отколкото в групата CMP.

2.5 Събиране и анализ на данни с fMRI

Подробни описания на предварителната обработка на fMRI, параметрите на сканиране и fMRI GLM могат да бъдат намерени в Допълнителните методи.

2.6 Асоциации между изпълнението на когнитивните задачи след обучение

Ние проучихме дали мерките за вътрешноиндивидуална променливост, изчислени веднага след обучението, могат да служат като индикатори за съответните бъдещи резултати при последващи последващи оценки. По-конкретно, ние изследвахме общия резултат в SDQ (Woerner et al., 2002), мярка за скрининг на поведение и психологическо благополучие, обикновено прилагана в клинични условия, за да се идентифицират потенциално проблемни области в дете, които заслужават допълнителна оценка от специалист. SDQ беше попълнен от родителите 6 месеца след обучението. Ние също така проверихме тестове за академични постижения по четене и две математически субскали (геометрия и аритметика), проведени 12 месеца след обучението. Фокусирахме се върху тези специфични академични умения поради резултатите от независимата извадка в Berger et al. (2020), които показват, че WMT подобрява геометрията и резултатите за четене, но не и аритметиката.

За да проучим дали мерките за вътрешноиндивидуална променливост могат да бъдат показателни за бъдещи резултати при последващи последващи оценки във всички интервенционни групи, ние проведохме байесови стабилни линейни регресионни анализи. Тези анализи тестваха дали промените в SDQ и академичните умения (т.е. контролиране на изходните резултати) могат да се обяснят с точността на децата (d-prime) или променливостта на времето за реакция в когнитивните задачи, изпълнявани в края на периода на обучение. По-конкретно, ние използвахме коефициента на вариация във времето за реакция и d-prime резултатите от задачата N-Back и оценките на скоростите на отклонение на DDM от задачата за фланкера, за да обясним бъдещите резултати. Някои проследяващи или интраиндивидуални мерки за променливост липсваха за някои деца (максималния брой липсващи стойности за всяка мярка беше 4). За да използваме колкото се може повече от данните от нашата малка fMRI извадка, ние условно условно липсващите стойности, използвайки пакета „мишки“ (van Buuren & Groothuis-Oudshoorn, 2011) в R. Генерирахме 10 различни вменени набора от данни и напаснахме байесови линейни регресии към всеки от тях, използвайки R пакета, „brms“ (Bürkner, 2018) като интерфейс към STAN (Stan Development Team, 2020). Направихме окончателните си изводи от комбинираните постериорни разпределения на всичките десет стабилни регресионни модела, за да намалим влиянието на всеки един набор от условни стойности върху нашите резултати. Всеки от 10-те модела използва z-оценени зависими и независими променливи и student-t преди за всички фиксирани ефекти (средно=0, SD = 1, степени на свобода=10). Всеки модел използва 6000 MCMC проби в три независими вериги след 1000 проби за загряване за всяка верига и стъпка на изтъняване=5. Пълният набор от регресорни променливи и резултатите от тези регресии са докладвани в таблица S7. Всички регресии са контролирани за базовото представяне за всяка зависима променлива, което ефективно оценява промените в резултатите.

2.7 Концептуална репликация и обобщение с помощта на независими проби

Тествахме дали основните аспекти ще се повторят или обобщят в две независими, по-големи проби. Концептуалната репликация включваше нови анализи на данните от Berger et al. (2020), наричано оттук нататък проучване на BFHSW. Проучването BFHSW е проведено в отделна извадка от деца от 1-ви клас (възраст=6–7 години, средно = 6.8 години, SD=4.3 месеца), отколкото тази, от която нашата fMRI проба беше изтеглена. Двете проучвания обаче използват едни и същи процедури на WMT, както и много от едни и същи инструменти за оценка на изходно ниво и проследяване. Тези припокривания ни позволяват да тестваме връзката между промените в ICV на времето за реакция след обучението и връзката им с академичните умения при 12-месечното проследяване, като нашата fMRI извадка, въпреки че изчисляваме ICV на времето за реакция от инхибиране на реакцията а не задача за работна памет (вижте 2.7.1 за подробности). Ние също така тествахме дали връзката между интраиндивидуалната променливост в изпълнението на задачите и мерките за настоящо и бъдещо благосъстояние, които открихме в нашата малка fMRI извадка, ще се обобщи за много по-голям набор от деца, участващи в изследването на мозъка и когнитивното развитие на юношите (ABCD). (Кейси и др., 2018 г.).

Бергер и др. (2020) прилагат същата интервенция на WMT и същите оценки преди и след обучението в същите времеви точки на проследяване (6 и 12 месеца след края на обучението), използвани в нашата извадка за fMRI в отделен набор от 572 деца (6-7 годишна възраст). В тази извадка групата WMT включва 279 участници, които са извършили същия WMT като в нашата първоначална извадка. Контролните групи получиха или стандартни училищни инструкции, обучение за саморегулиране, подобно на нашата първоначална извадка, или обучение за обучение по софтуер. Следвайки процедурите, установени от Berger et al. (2020 г.), сравнихме промяната в ICV във времето за реакция след WMT със 101 деца, които са получили стандартни училищни инструкции. Въпреки това, нашите първични тестове на връзката между промените в ICV през петседмичния период на интервенция и подобренията в резултатите от четенето или геометрията 1 година след обучението бяха проведени сред 521–565 деца, за които имаме всички съответни мерки по всяко време точка (вижте таблици 1 и 2 за подробности).

Ние изчислихме интраиндивидуална променливост във времето за реакция от задача за инхибиране на реакцията вместо задача за работна памет в проучването BFHSW. Това проучване не включва задача за работна памет с достатъчно бързи отговори от всяко дете, за да се изчисли надеждно вътрешноиндивидуалната променливост във времето за реакция. Той обаче включва задача Go/Nogo, която измерва инхибирането на отговора, при всички вълни за оценка, които бихме могли да използваме, за да изчислим вътрешноиндивидуалната променливост във времето за отговор. Следователно, за да тестваме връзката между подобренията в интраиндивидуалната вариабилност след обучение и дългосрочното, далечно прехвърляне към академични умения, ние изчислихме ICV като стандартното отклонение на RTs за изпробване, разделено на средната стойност на RTs за изпробване. Обърнете внимание, че ние изчисляваме ICV само от правилни опити, както направихме за всички задачи в първоначалната извадка и в съответствие със стандартната процедура в литературата (Bellgrove et al., 2004; Bos et al., 2020; Fagot et al., 2018; Marciano & Yeshurun, 2017). Ние наричаме тези анализи концептуална репликация, защото използваме задачата Go/Nogo вместо N-back. И накрая, тествахме само академичните умения в извадката на BFHSW, тъй като много от родителите не са попълнили SDQ за децата си в това проучване.

Ние напасваме линейни регресионни модели, използвайки Stata (StataCorp 2015). По-конкретно, ние следвахме методите, докладвани от Berger et al. (2020) и изчислени обикновени регресии на най-малките квадрати със стабилни стандартни грешки, групирани на ниво класна стая. Всички регресионни модели включват контролни ковариати за вида на лечението, училището, пола, възрастта и изходното представяне както в зависимите променливи (резултати за геометрия или четене), така и в ICV от задачата Go/Nogo.

For more information:1950477648nn@gmail.com