인지 훈련 후 작업 수행의 개인 내 변동성은 어린이의 장기 결과와 관련이 있습니다 1부
Sep 27, 2023
추상적인
어린이의 작업 기억 훈련(WMT)의 잠재적인 이점과 기계적 효과는 많은 연구와 논쟁의 대상입니다. 우리는 5주간의 학교 기반 적응형 WMT 6~9세 초등학생이 전두엽 및 선조체 뇌 영역에서 더 큰 활동을 보였고, 작업 정확도가 더 높았으며, 대조군에 비해 응답 시간의 개인 내 변동성이 감소했음을 보여줍니다. 순차적 샘플링 결정 모델을 사용하여 우리는 개인 내 변동성의 이러한 감소가 증거 축적 속도 및 임계값의 변경으로 설명될 수 있음을 보여줍니다. 비판적으로, 개인 내 변동성은 인지 훈련 개입의 즉각적인 영향을 정량화하는 데 유용하며, 작업 정확도보다 훈련 종료 후 6~12개월 후 학업 기술과 웰빙을 더 잘 예측하는 지표입니다.
어린이 작업기억 훈련이란 일련의 연습 활동을 통해 어린이의 기억력과 사고력을 향상시키는 것을 말합니다. 작업 기억은 인간 두뇌의 중요한 부분입니다. 이는 단기 기억 처리를 담당하며 사람들이 정보를 더 잘 처리하고 저장하는 데 도움을 줄 수 있습니다. 그러므로 아이들은 작업기억 훈련을 향상시켜야 합니다.
훈련 과정은 어린이의 인지 수준과 연령 특성, 특히 어린이가 일상 생활에서 겪는 기억 문제를 대상으로 하여 어린이가 일상 생활에서 기억을 보다 효율적으로 사용할 수 있도록 해야 합니다.
작업 기억 훈련은 논리적 추론, 언어 이해, 공간 지각, 문제 해결 등 다양한 지적 활동에 적용될 수 있습니다. 이 훈련을 통해 아이들은 분석력, 판단력, 문제해결 능력을 향상시킬 수 있습니다.
또한, 작업기억의 향상은 아이들의 학업 성취도와도 밀접한 관련이 있습니다. 학습을 위해서는 지식을 습득할 수 있는 강력한 기억력이 필요합니다. 따라서 효과적인 작업 기억 훈련은 아이들이 지식을 더 잘 배우고 학업 성적을 향상시키는 데 도움이 될 수 있습니다.
즉, 어린이의 작업기억 훈련은 어린이의 성장에 긍정적인 영향을 미친다. 훈련 과정에서 우리는 아이들의 성격과 특성을 이해하는 데 중점을 두고 훈련을 통해 얻는 행복감과 성취감을 느낄 수 있도록 해야 합니다. 우리는 부모와 교사의 지원으로 아이들이 작업 기억 훈련을 통해 사고 능력과 기억력을 지속적으로 향상시킬 수 있다고 믿습니다. 기억력을 향상시켜야 함을 알 수 있습니다. Cistanche Deserticola는 많은 독특한 효과를 지닌 전통 중국 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. 그 중 하나는 기억력을 향상시키는 것입니다. 다진 고기의 효능은 산, 다당류, 플라보노이드 등 포함된 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.
종합해보면, 우리의 결과는 주의 제어가 적응형 WMT의 장기적 이점을 가져오는 초기 메커니즘임을 시사합니다. 선택적이고 지속적인 주의력 능력은 더 높은 인지 과정, 학업 기술 및 전반적인 웰빙의 후속 변화를 위한 발판 역할을 할 수 있습니다. 또한, 이러한 결과는 결과 측정의 선택과 평가 시기가 훈련 효과를 감지하는 데 중요한 역할을 한다는 점을 강조합니다. 따라서 훈련 중 또는 훈련 직후에 개인 내 변동성을 평가하면 기간이나 내용 측면에서 훈련 개입을 조기에 조정하여 영향을 최대화할 수 있습니다.
키워드
주의력 조절, 어린이, 인지 훈련, fMRI, 개인 내 변동성, 작업 기억.
1. 소개
인지 훈련 프로그램은 건강한 집단과 임상 집단의 인지 능력을 향상시킬 수 있는 잠재력으로 인해 수년 동안 상당한 주목을 받아 왔습니다. 그러나 인지 훈련 프로그램의 효과와 지속성은 여전히 면밀히 조사되고 활발하게 논의되고 있습니다(Au et al., 2015; Bogg & Lasecki, 2014; Cortese et al., 2015, Karbach & Verhaeghen, 2014; Melby-Lervag 외, 2016, Sala & Gobet, 2020, Schwaighofer 외, 2015, Smidet 외, 2020, Wass 외, 2012). 인지 훈련 프로그램이 유사한 훈련되지 않은 작업(근접 전이)에 대한 성과를 향상시키는 것으로 나타났지만, 다른 영역(원거리 전이)의 인지 기술로의 전이에 대한 증거는 여전히 희박하고 논란의 여지가 있습니다(Au 외..2015; Cortese 외 al., 2015, Delalande 등, 2020, Gilligan 등, 2020, Jones 등, 2020, Karbach & Verhaeghen, 2014, Melby-Lervag 등, 2016, Sala & Gobet, 2020, Schwaighofer 등 ., 2015; Smid 외., 2020). 우리는 훈련에 가장 유익한 인지 기술 및 능력 유형, 특정 기술에 가장 적합한 훈련 방법 및 복용량 유형, 시간과 금전적 비용을 정당화할 만큼 충분한 혜택을 얻을 수 있는 개인 유형에 대한 충분한 이해가 여전히 부족합니다. 인지 훈련 개입 비용.
인지 훈련의 여러 측면과 마찬가지로 학업 성취도에 대한 전이 효과의 정도는 격렬한 논쟁의 대상입니다. 학업 성취도 향상은 언어 및 읽기 영역에서 더 강력하고 수학에서는 일관성이 덜한 것으로 보입니다. 단, 이는 훈련 방식 및 연구 샘플 유형에 따라 다릅니다(리뷰 및 메타에 대해서는 Sala & Gobet, 2020 및 Titz & Karbach, 2014 참조). -분석). 예를 들어, 수학으로의 초기 전이 효과는 3개월 후에도 지속되지 않으며(Jones et al., 2020) 작업 기억 능력이 낮은 어린이는 작업 기억 2년 후에 일반 교실 수업 통제 그룹보다 수학 능력이 더 나쁘다는 보고가 있습니다. 훈련(WMT)(Roberts et al., 2016). 반면, 최근 연구에 따르면 작업 기억 능력을 기반으로 사전 선택되지 않은 500명이 넘는 1학년 어린이 집단에서 훈련의 효과가 시간이 지남에 따라 나타나고 증가할 수 있다는 사실이 밝혀졌습니다(Berger et al., 2020).
이 연구에서는 적응형 WMT에서 학문적 기술로의 원거리 전이 이점이 훈련 종료 후 6~12개월 후에만 분명하다는 것을 발견했습니다. 더욱이, 이 연구는 1학년 동안 5주간의 적응형 WMT가 3~4년 후 독일 중등학교 시스템의 최고 학업 트랙에 입학할 가능성을 높인다는 것을 보여주었습니다. 여러 연구에 걸쳐 종합된 결과를 고려할 때, 특히 어린이를 위한 다양한 유형 및/또는 인지 훈련 용량의 잠재적 효과를 결정하는 데 수년에 걸친 후속 조치를 포함하는 종단적 연구 설계가 중요할 것이 분명합니다.
훈련 중 또는 훈련 직후에 발생하는 인지적, 신경생물학적 변화를 이해하는 것이 중요합니다. 아마도 이러한 근위 효과는 미래에 광범위한 이점이 궁극적으로 출현할 수 있게 해줄 것입니다. 주의 수준은 정보가 얼마나 잘 기억되는지를 결정할 수 있습니다(Gazzaley & Nobre, 2012). 따라서 복잡한 인지 작업을 수행할 수 있는 정보의 임시 저장 및 조작으로 정의되는 작업 기억 프로세스(Baddeley, 1996; Baddeley, 2010)는 주의력 제어와 밀접하게 상호 연관되어 있습니다.
우리는 주의 산만함과 피로에 관계없이 환경의 관련 자극에 주의를 조정하고 할당하는 능력을 주의 통제라고 부릅니다(Cartwright, 2012; Corbetta & Shulman, 2002; Norman & Shallice, 1983). 작업 기억에는 작업 관련 정보를 유지하고 재평가하는 동시에 작업과 관련 없는 정보의 간섭을 차단하기 위한 주의력 제어가 필요합니다(Engle, 2018; Fukuda & Vogel, 2011; Kane et al., 2008; Mcnab & Klingberg, 2008). 작업 기억과 주의력 제어 과정은 모두 전두정엽 및 선조체 뇌 네트워크에 의존합니다(Klingberg, 2010). 인지 훈련은 뇌 구조와 기능을 변경하는 것으로 보고되었으며, 전두엽, 정수리 및 선조체 영역에서 종종 관찰되는 유도된 변화가 있습니다(Astle et al., 2015; Buschkuehl et al., 2012; Flegal et al., 2019; Klingberg, 2010 McNab 등, 2009, Salmi 등, 2018, Schneiders 등, 2012).
이는 작업 기억 및 주의력 제어와 같은 실행 기능을 지원하는 중요한 영역입니다(D'Esposito & Postle, 2015; Frank et al., 2001; Mcnab & Klingberg, 2008; Owen et al., 2005; Wager & Smith, 2003). 뇌 영상 연구에 따르면 훈련된 기술에서 훈련되지 않은 기술로 성공적으로 전환하려면 두 인지 과정이 적어도 부분적으로 겹치는 구조적 및 기능적 뇌 시스템을 참여해야 한다고 합니다(Dahlin et al., 2008; Morrison & Chein, 2011). 따라서 가장 유익한 인지 훈련 프로그램이 되려면 그러한 공유 신경 시스템의 보다 효과적이고 효율적인 참여를 가능하게 하는 신경 발달을 촉진해야 합니다.
훈련 개입의 즉각적인 효과를 감지하고 훈련의 장기적인 이점을 예측하려면 정신 및 신경 기능의 변화에 대한 민감하고 신뢰할 수 있는 측정이 필요합니다. 현재 작업에서 우리는 응답 시간의 개인 내 변동성이 이와 관련하여 유용할 수 있다는 가설을 테스트합니다. 인지 훈련의 유익한 효과가 학문적 기술로 전환될 수 있는 메커니즘을 이해하려고 할 때 정확도 또는 응답 시간을 기반으로 한 개인 내 변동성 측정은 평균 정확도 측정보다 더 유익합니다(Karbach & Unger, 2014; Könen & Karbach, 2015) , 학업 성과의 장기적인 이점을 예상하고(Judd et al., 2021) 훈련 개입으로 가장 큰 혜택을 받을 개인의 식별을 촉진합니다(Karbach & Unger, 2014; Könen & Karbach, 2015; MacDonald et al., 2009; Saville et al., 2011).
응답 시간에 개인 내 변동성을 초래할 수 있는 다양한 인지 과정을 정량화하고 구별하기 위해 여러 가지 방법이 사용되었습니다. 개별 변동 계수(ICV)는 평균에 대한 표준 편차의 간단한 비율로 계산되는 일반적인 측정값입니다. 또한, 응답 시간 분포의 모양은 가우스 외 모델을 피팅하여 매개변수화할 수 있으며(Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015), 변동성의 잠재적 원인은 다음과 같습니다. 확산 결정 모델(DDM)을 적용하여 구별됩니다(Forstmann et al., 2016; Karalunas & Huang-Pollock, 2013; Ratcliff et al., 2016; Schmiedek et al., 2009). 또한 DDM은 작업 수행 및 의사 결정에 대한 주의의 영향을 측정하고 이해하는 데에도 사용될 수 있습니다(Cavanagh et al., 2014; Krajbich & Rangel, 2011; Krajbich et al., 2015).
성과의 개인 내 변동성은 인지 훈련 중재의 목표가 되는 인지 능력 및 뇌 기능과 관련이 있습니다(Castellanos et al., 2005; Geurts et al., 2008; Judd et al., 2021; Kofler et al., 2013; MacDonald 외., 2006). 개인 내 다양성은 전두엽 뇌 기능 및 도파민성 신경 조절과도 연관되어 있습니다(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), 특히 전두엽 및 피질하 도파민성 뇌 시스템에 의해 매개되는 억제 및 인지 조절 능력(Bellgrove et al., 2004; Isbell et al., 2018; Montez et al., 2017; van Belle 외., 2015).
개인 내 변동성에 대한 측정은 인지 발달이 아직 진행 중인 아동 및 청소년이나 ADHD 또는 자폐증과 같은 인지 장애가 있는 집단과 같은 이질적인 그룹을 비교할 때 특히 유용할 수 있습니다(Castellanos et al., 2005; Dirk & Schmiedek, 2016) Geurts 외, 2008, Karalunas 외, 2014, Könen & Karbach, 2015). 전 생애에 걸쳐 잘 정립된 뇌 및 인지 발달 패턴과 일관되게, 개인 내 변동성은 연령과 역U자형 연관성을 보여 아동기부터 청소년기를 거쳐 청년기까지 감소하고 노년기에 다시 증가합니다(Montez et al. ., 2017; Papenberg 외, 2013; Williams 외, 2005).
개인 내 가변성 측정의 장점은 결과뿐만 아니라 인지 과정의 효율성도 포착한다는 것입니다. 응답 시간의 가변성이 증가하면 주의력 조절이나 주의력과 목표를 유지하는 능력의 어려움과 관련이 있습니다(Unsworth, 2015). 향상된 인지 능력, 향상된 효율성 또는 인지 과정의 안정성은 모두 훈련 개입의 영향을 뒷받침하는 잠재적 메커니즘으로 가정되었습니다(von Bastian & Oberauer, 2014). 작업 수행 중 주의가 실패하면 용량 감소나 비정상적인 기능보다는 구현이 일관되지 않음을 나타낼 수 있습니다. 관련 인지 시스템 구현의 이러한 불일치는 작업이나 테스트가 충분히 어렵지 않고/하거나 대략적인 정확성 측정만 산출하는 경우 정확성 감소와 관련이 없을 수 있지만 여전히 어린이의 학업 성과를 크게 저하시킬 수 있습니다(Judd et al., 2021 ). 행동과 관련된 인지 과정의 일관되지 않은 구현은 응답 시간 분포를 변경할 수 있습니다. 이러한 효과가 반드시 평균 응답 시간의 차이로 이어지는 것은 아니지만 개인 내 응답 시간 변동성의 다양한 측정항목을 통해 정량화할 수 있습니다(Ali et al., 2019; Geurts et al., 2008; van Belle et al., 2015).
개인 내 변동성은 실제로 주의력 상실과 관련이 있습니다. 이는 일부 시험에서 종종 비정상적으로 긴 RT를 보이는 ADHD 아동에게서 나타났습니다(Hervey et al., 2006; van Belle et al., 2015). 중심 경향 측정(예: 평균 또는 중앙값)과 비교하여 개인 내 변동성 측정은 젊은 성인의 피로(Wang et al., 2014) 또는 외부에서 평가된 주의력 문제(Gómez-Guerrero et al., 2011), ADHD 환자를 올바르게 분류하기 위한 것입니다(Klein et al., 2006). 따라서 개인 내 변동성 측정법은 성과 변동성 측정이 인지 과정의 효율성에 더 민감하기 때문에 (아직) 평균 성과 측정으로 포착할 수 없는 훈련 개입으로 인한 변화를 그럴듯하게 감지할 수 있습니다.
최근 연구에 따르면 성과 변동성은 작업 기억 능력, 훈련 및 학업 기술로의 전환과 관련이 있는 것으로 나타났습니다. 작업 기억 작업 세션 내 및 세션 간 정확도의 개인 내 가변성은 3학년 및 4학년 어린이의 학업 성과와 관련이 있으며(Dirk & Schmiedek, 2016), 6-세 어린이를 대상으로 한 최근 연구 작업 기억 인지 훈련 후 개인 내 변동성이 3년 후 수학 성과와 관련이 있음을 보여주었습니다(Judd et al., 2021). 학교에서의 학업 성과와 성인기의 웰빙 사이의 예측 연관성을 고려할 때(Tomasik et al., 2019), 인지 훈련이 학업 성과에 미치는 영향을 조사하는 것이 중요합니다.
요약하면, 개인 내 반응 시간 변동성 측정항목이 단기적인 훈련 효과를 감지할 수 있고 장기적인 이점의 정도를 예측하는 데 유용할 수 있다는 가설을 세울 충분한 이유가 있습니다. 여기에서는 응답 시간을 통해 정량화된 작업 성능의 개인 내 변동성이 단기적으로 훈련 효능을 평가하는 데 사용될 수 있으며 미래의 원거리 전달 효과와 상관 관계가 있다는 가설을 테스트합니다. 우리는 인지 작업(N-Back 및 Flanker), 기능적 자기 공명 영상(fMRI), 개인 수행 능력의 확산 결정 모델링을 조합하여 5주간의 적응형 WMT가 1학년 어린이의 뇌 및 인지 기능에 미치는 영향을 조사합니다. .
우리의 구체적인 가설은 WMT가 단기적으로 N-Back 및 Flanker 작업의 성능에 도움이 되어 정확도를 높이고 응답 시간의 개인 내 변동성을 줄이는 것이었습니다. 우리는 또한 WMT 후 감소된 반응 시간 변동성이 등 외측 전두엽 피질 및 선조체와 같은 주요 작업 기억 영역의 뇌 활성화와 관련이 있을 것이라는 가설을 세웠습니다. 또한, WMT가 작업 관련 정보에 선택적으로 주의를 기울이는 능력이나 동기에 영향을 미쳤다면 훈련 그룹과 통제 그룹 간의 DDM에 대한 추정 드리프트 비율의 차이를 확인해야 한다는 가설을 세웠습니다. 마지막으로, 다양한 정신과 및 노년 인구에 걸쳐 개인 내 변동성과 인지 기능 사이의 연관성에 대한 기존 증거를 고려하여, 우리는 개인 내 변동성 측정이 이후 6개월 및 12-개월 후의 미래 결과를 나타낼 것이라는 가설을 세웠습니다. 평가를 올립니다. 우리는 세 가지 독립적인 데이터 세트를 사용하여 이러한 가설을 테스트합니다.
2 방법
2.1 참가자
이 논문에서는 세 가지 어린이 샘플(N= 28, 572 및 11,878)의 데이터를 분석했습니다. 아래 하위 섹션 2.7에서 두 개의 더 큰 개념적 복제 샘플에 사용된 참가자와 작업에 대해 설명합니다. 초기 fMRI 샘플에는 일반적으로 발달하는 7~9-세 초등학생 28명이 포함되었습니다(평균 연령=93개월, SD=5개월, 여성 14명, 작업 기억 훈련 그룹[WMT] { {13}}, 비교 그룹 [CMP]=12). 이 어린이들은 500명이 넘는 어린이와 29개 교실을 대상으로 진행 중인 중재 연구를 통해 모집되었습니다. 지역 윤리 위원회(Kantonale Ethikkommission Zürich)는 본 연구 기간 동안 사용된 모든 절차와 방법을 승인했습니다.
2.2 인지훈련 프로그램
훈련 절차는 5주 개입과 4번의 평가 단계, 1번의 사전 개입(기준선), 1번의 개입 종료 직후 1번, 각각 6개월과 12-13개월에 2번의 후속 조치로 구성되었습니다. . 평가 배터리에는 작업 기억 및 IQ 테스트(숫자 범위, 위치 범위, 객체 범위, Raven 테스트), 교육 결과(수학 수리력 및 수학 기하학, 읽기 능력) 및 집중력 테스트(Go/NoGo 및 BP 작업)가 포함되었습니다.
구현된 작업기억 훈련 프로그램은 Cogmed의 RoboMemo1이었습니다. 이는 음성 지시를 위한 헤드폰과 외부 마우스를 포함한 노트북 컴퓨터를 통해 실행되는 개인 성능에 적응력이 뛰어난 컴퓨터 프로그램입니다. 개입은 5주(25회) 동안 매일 WMT 세션(기간 ~ 30분)으로 구성되었습니다. 각 훈련 세션에는 12개의 시도(총 75개의 시도)를 포함하여 6개의 적응 모듈(작업 기억 작업)이 포함되었습니다. 개입하는 동안 각 수업에는 특별히 훈련된 학생 코치가 한 명 있었습니다.
우리는 WMT 그룹을 표준 교실 수업(N=3) 또는 6개의 학교 수업에 대한 자기 조절 훈련(N=9)을 받은 어린이와 비교합니다. 이 수업에서 교사는 관련 연령 그룹과 교실 상황에 맞게 조정된 실행 의도와 정신적 대조(MCII) 기법(Duckworth et al., 2013) 버전을 가르쳤습니다.
2.3 훈련 후 인지 및 결정 과제
작업 메모리(N-Back) 작업: 11-최소 블록 디자인 작업 메모리 작업은 네 가지 조건으로 구성됩니다(그림 S1a). '0-뒤로' 조건에서는 화면에 태양 그림이 나타날 때마다 응답해야 합니다. '1-뒤로', '2-뒤로', '3-뒤로' 조건에서는 화면의 그림이 1, 2, 1과 같을 때마다 응답해야 합니다. 그 전에는 각각 3개. 스캐닝 중에 성능 데이터가 기록되었습니다. 주요 성능 변수는 각 작업에 대한 d-프라임 지수(d'=z(HitRate) – z(FalseAlarms))와 개체 내 변동 계수(ICV=SDRT/MRT)입니다. 기억상태.
측면 작업: 11-분 이벤트 관련 작업은 Rueda et al.을 기반으로 설계되었습니다. (2004). 참가자에게는 240개의 시험이 제공되었습니다(그림 S1b). 각 시험은 파란색 배경 위에 다섯 마리의 노란색 물고기가 중앙 줄로 구성되었습니다.
그들은 화면 중앙에 위치한 물고기에게 '먹이'를 주라는 지시를 받았습니다. 그러기 위해 아이는 측면 물고기의 방향은 무시하고 중앙 물고기의 방향에 따라 버튼 박스의 오른쪽/왼쪽 버튼을 눌러야 했습니다. 주요 성과 변수는 정답률(%)과 응답 시간의 개인 내 변동 계수입니다. 또한, 우리는 성과의 차등 변동성의 원인을 결정하기 위해 응답 결과와 시간에 결정 확산 모델을 적용했습니다(섹션 2.4.2 참조). 마지막으로 이전에 발표된 논문과의 비교를 위해 ex-gaussian 접근법을 사용하여 RT 데이터에 대한 사후 분석도 수행했습니다. 이전 연구(Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015)를 기반으로 우리는 RT의 가우스 외 분포의 지수 성분 매개변수에서 그룹 간의 차이를 예상했습니다.
완전성을 위해 우리는 아이들이 Steinbeis et al.의 것과 유사한 시간간 선택 과제도 완료했다는 점에 주목합니다. (2014) 이 문서에서 초점을 맞춘 것과는 별도의 가설을 테스트하기 위해 스캐너에 있는 동안.
세 가지 작업에 대한 자세한 내용은 보충 방법에서 확인할 수 있습니다.
2.4 행동 데이터 분석
fMRI 샘플의 28명의 어린이 중 2명은 첫 번째 작업(두 경우 모두 시간 간 선택 작업) 후에 연구에서 탈퇴했습니다. 3명의 참가자의 경우 Flanker 작업 중에 성능 데이터를 수집하는 데 기술적 오류가 발생하여 성능 데이터가 완전히 손실되어 한 명의 참가자가 제외되었으며, 2명의 참가자의 경우 한 번의 작업 실행만 분석에 사용할 수 있었습니다.
2.4.1 행동 수행에 대한 회귀
통계 분석은 RStudio(버전 1.1.442)(RStudio Team 2020)를 사용하여 수행되었습니다.
우리는 WMT 직후 작업의 주요 성과 변수에 대해 훈련된 그룹과 훈련되지 않은 그룹 간의 차이를 조사했습니다. 이를 위해 우리는 훈련 그룹(WMT 대 CMP)을 효과 요인 및 작업 조건(N-Back: 높은 작업 메모리 대 낮은 작업 메모리; Flanker: 합동 대 CMP)으로 NBack 및 Flanker 작업에 대한 일반 선형 모델(GLM)을 수행했습니다. . 부적합)을 무작위 효과 요인으로 사용합니다.
2.4.2 의사결정 확산 모델링 분석
우리는 JAGS(Plummer, 2003)와 JAGS-Wiener 모듈(Wabersich & Vandekerckhove, 2014)을 jags 패키지(Plummer, 2018) R에서. 우리는 Wiecki et al.의 계층적 확산 결정 모델링에 대한 사전 권장 사항을 사용했습니다. (2013). 피팅은 세 개의 체인, 즉 100,000 번인 샘플과 10,000 후방 샘플을 사용하여 10개 샘플의 희석 비율로 실행되었습니다. 수렴은 육안 검사를 통해 평가되었으며 모든 매개변수에 대해 psrf 측정값이 1.05 미만인지 확인했습니다. 표류율은 증거 축적 속도에 대한 각각의 상대적 기여도를 구별하기 위해 표적 자극과 비표적 자극의 가중 선형 조합으로 계산되었습니다. 여기서는 Flanker 작업에서 어린이의 행동에 DDM을 적용합니다. N-Back 작업의 데이터는 전체 시험 중 소수(25%)인 표적 시험에만 응답이 필요했기 때문에 데이터를 맞추지 못했습니다.
DDM 사양에서 표류율 계수의 크기는 각 자극이 증거 축적 프로세스에 얼마나 강하게 영향을 미치는지 알려줍니다. 측면 작업에서 어린이는 대상 물고기에만 집중해야 합니다. 왜냐하면 그것만으로도 각 시험에서 올바른 반응에 대한 증거를 제공하기 때문입니다. 측면에 있는 산만한 물고기가 향하는 방향은 관련이 없으며 무시해야 합니다. 따라서 우리는 아래 방정식 (1)에 따라 드리프트 속도를 지정했습니다. 우리는 1-2(즉, 관련성에서 관련 없는 정보에 대한 가중치)가 CMP 그룹보다 WMT에서 더 커야 한다는 가설을 세웠습니다.
2.5 fMRI 데이터 수집 및 분석
fMRI 전처리, 스캐닝 매개변수 및 fMRI GLM에 대한 자세한 설명은 보충 방법에서 확인할 수 있습니다.
2.6 훈련 후 인지 작업 수행 간의 연관성
우리는 훈련 직후 계산된 개인 내 변동성 측정값이 후속 후속 평가에서 관련 향후 결과의 지표가 될 수 있는지 조사했습니다. 구체적으로 우리는 전문가의 추가 평가가 필요한 아동의 잠재적으로 문제가 있는 영역을 식별하기 위해 임상 환경에서 일반적으로 시행되는 행동 및 심리적 웰빙 선별 측정인 SDQ(Woerner et al., 2002)의 총 점수를 조사했습니다. SDQ는 교육 후 6개월 후에 부모가 작성했습니다. 또한 훈련 후 12개월 동안 읽기 및 두 가지 수학 하위 항목(기하학 및 산수)의 학업 성적 테스트를 조사했습니다. Berger et al.의 독립적인 표본 결과로 인해 우리는 이러한 특정 학문적 기술에 중점을 두었습니다. (2020), 이는 WMT가 기하학과 읽기 점수를 향상시켰지만 산술에서는 향상되지 않았음을 보여줍니다.
개인 내 변동성 측정이 모든 개입 그룹에 대한 후속 후속 평가에서 향후 결과를 나타낼 수 있는지 여부를 조사하기 위해 베이지안 강력한 선형 회귀 분석을 수행했습니다. 이러한 분석에서는 SDQ 및 학업 능력의 변화(즉, 기준 점수 제어)가 어린이의 정확성(d-프라임) 또는 훈련 기간이 끝날 때 수행되는 인지 작업의 응답 시간 변동성으로 설명될 수 있는지 여부를 테스트했습니다. 특히 N-Back 작업의 응답 시간 및 d-프라임 점수의 변동 계수와 플랭커 작업의 DDM 드리프트 속도 추정치를 사용하여 향후 결과를 설명했습니다. 일부 어린이의 경우 특정 후속 조치 또는 개인 내 변동성 측정이 누락되었습니다(모든 측정에 대한 최대 누락 값 수는 4였습니다). 작은 fMRI 샘플의 데이터를 가능한 한 많이 사용하기 위해 R의 'mice' 패키지(van Buuren & Groothuis-Oudshoorn, 2011)를 사용하여 누락된 값을 대치했습니다. 10개의 서로 다른 귀속 데이터 세트를 생성하고 베이지안 선형 회귀를 적합했습니다. STAN(Stan Development Team, 2020)에 대한 인터페이스로 R 패키지 'brms'(Bürkner, 2018)를 사용하여 각각에 연결합니다. 우리는 대치된 값 세트 중 하나가 결과에 미치는 영향을 줄이기 위해 10개의 강력한 회귀 모델 모두의 결합된 사후 분포에서 최종 추론을 도출했습니다. 10개 모델 각각은 모든 고정 효과(평균=0, SD = 1, 자유도=10)에 대해 z 점수 종속 및 독립 변수와 Student-t 사전 변수를 사용했습니다. 각 모델은 각 체인에 대한 1000개의 워밍업 샘플과 씬닝 단계= 5 후에 3개의 독립 체인에 걸쳐 6000개의 MCMC 샘플을 사용했습니다. 전체 회귀 변수 세트와 이러한 회귀 분석 결과는 표 S7에 보고됩니다. 모든 회귀는 각 종속 변수의 기준 성능에 대해 제어되어 결과의 변화를 효과적으로 추정합니다.
2.7 독립 샘플을 사용한 개념적 복제 및 일반화
우리는 핵심 측면이 두 개의 독립적이고 큰 샘플에서 복제되거나 일반화되는지 테스트했습니다. 개념적 복제에는 Berger et al.의 데이터에 대한 새로운 분석이 포함되었습니다. (2020), 이후 BFHSW 연구라고 합니다. BFHSW 연구는 1학년 아동(나이=6~7세, 평균 = 6.8세, SD=4.3개월)을 대상으로 별도의 표본을 대상으로 실시되었습니다. 우리의 fMRI 샘플이 그려졌습니다. 그러나 두 연구에서는 동일한 WMT 절차와 기준선 및 후속 조치에서 동일한 평가 도구를 사용했습니다. 이러한 중복을 통해 훈련 후 응답 시간 ICV의 변화와 fMRI 샘플과 같은 12-개월 후속 조치에서 학문적 기술과의 연관성을 테스트할 수 있지만, 반응 억제에서 응답 시간 ICV를 계산합니다. 작업 메모리 작업이 아닌 (자세한 내용은 2.7.1 참조) 우리는 또한 작은 fMRI 샘플에서 발견한 작업 수행의 개인 내 변동성과 현재 및 미래의 웰빙 측정 사이의 연관성이 청소년 뇌 및 인지 발달(ABCD) 연구에 참여하는 훨씬 더 많은 어린이 집단에 일반화되는지 여부를 테스트했습니다. (케이시 외, 2018).
Bergeret al. (2020)은 572명의 어린이로 구성된 별도의 세트에서 fMRI 샘플에 사용된 동일한 후속 시점(훈련 종료 후 6개월 및 12개월)에 동일한 WMT 개입과 동일한 훈련 전 및 훈련 후 평가를 구현했습니다. (6~7세). 이 표본에서 WMT 그룹에는 초기 표본과 동일한 WMT를 수행한 279명의 참가자가 포함되었습니다. 통제 그룹은 표준 학교 교육, 초기 샘플과 유사한 자기 규제 교육 또는 학습 소프트웨어 교육을 받았습니다. Berger et al.이 확립한 절차를 따릅니다. (2020)에서는 표준 학교 교육을 받은 101명의 어린이와 WMT 이후 응답 시간의 ICV 변화를 비교했습니다. 그러나 5주간의 개입 기간 동안의 ICV 변화와 훈련 후 1년 동안 읽기 또는 기하 점수의 향상 사이의 연관성에 대한 1차 테스트는 매번 관련 측정값을 모두 가지고 있는 521~565명의 어린이를 대상으로 실시되었습니다. 포인트(자세한 내용은 표 1 및 2 참조).
우리는 BFHSW 연구에서 작업 기억 작업 대신 반응 억제 작업에서 응답 시간의 개인 내 변동성을 계산했습니다. 이 연구에는 응답 시간의 개인 내 변동성을 안정적으로 계산할 수 있을 만큼 각 어린이의 반응 속도가 충분히 빠른 작업 기억 작업이 포함되지 않았습니다. 그러나 여기에는 응답 시간의 개인 내 변동성을 계산하는 데 사용할 수 있는 모든 평가 파동에서 응답 억제를 측정하는 Go/Nogo 작업이 포함되었습니다. 따라서 훈련 후 개인 내 변동성 개선과 학문적 기술로의 장기 전이 간의 연관성을 테스트하기 위해 ICV를 go-trial RT의 표준 편차를 go-trial RT의 평균으로 나눈 값으로 계산했습니다. 우리는 초기 샘플의 모든 작업에 대해 수행한 것과 마찬가지로 올바른 시행에서 ICV를 계산하고 문헌의 표준 절차와 일치합니다(Bellgrove et al., 2004; Bos et al., 2020; Fagot et al., 2018; 마르시아노 & 예슈룬, 2017). N-back 대신 Go/Nogo 작업을 사용하기 때문에 이러한 분석을 개념적 복제라고 합니다. 마지막으로, 많은 부모들이 해당 연구에서 자녀에 대한 SDQ를 완료하지 않았기 때문에 BFHSW 샘플에서만 학업 능력을 테스트했습니다.
Stata(StataCorp 2015)를 사용하여 선형 회귀 모델을 피팅했습니다. 구체적으로 우리는 Berger et al.이 보고한 방법을 따랐습니다. (2020) 및 교실 수준에서 클러스터링된 강력한 표준 오류를 사용하여 일반 최소 제곱 회귀를 추정했습니다. 모든 회귀 모델에는 Go/Nogo 작업의 종속 변수(형상 또는 읽기 점수)와 ICV 모두에서 치료 유형, 학교, 성별, 연령 및 기준 성능에 대한 제어 공변량이 포함되었습니다.
For more information:1950477648nn@gmail.com
