本研究旨在确定阅读策略和工作记忆综合教学对基础数学和解决问题技能的有效性。这是一项准实验性前测后测研究,于 2020-2021 学年对 Chahashk Shandiz 村的 50 名二年级学生进行,通过整群抽样随机选出这些学生,并随机分为实验组和对照组。干预是通过手机软件通过虚拟教育分两步进行的。实验组接受了 20 节综合训练,但对照组没有接受任何干预。使用彩色渐进矩阵 (1956) 和研究人员制作的故事解决问题和算术技能测试来收集数据。使用描述性统计(平均值和标准差)和单向多变量协方差分析来分析数据。结果显示,阅读策略与工作记忆的融合教学提高了小学二年级学生的数学基本技能,效果值为0.67(P<0.001)。结果表明,融合教学提高了学生的解题能力,但不影响他们的算术运算能力。因此,小学二年级教师可以采用此方法提高学生的故事解题能力。关键词:融合教学、阅读策略、工作记忆、数学基本技能
社会经济状况低的儿童期经历与额叶网络和腹侧视觉流的神经功能的改变有关,这可能会导致工作记忆的差异。然而,导致这些差异的低社会经济地位环境的特定特征仍然对这些差异的理解仍然很差。在这里,我们检查了认知剥夺的经历(即与威胁的经验相比,经验的多样性和复杂性降低(即暴力暴露),作为一种潜在的机制,家庭收入有助于在工作记忆期间神经激活的改变。作为一项纵向研究的一部分,148名10至13岁的青年完成了视觉空间工作记忆fMRI任务。幼儿期低收入,幼儿期低收入的慢性性以及当前的收入到需要的收入与腹侧视觉流和额叶网络中与任务相关的激活有关。在工作记忆期间,家庭收入与侧面枕骨内沟的激活下降的关联是由认知剥夺的经历介导的。令人惊讶的是,家庭收入和剥夺与工作记忆绩效没有显着相关,并且仅剥夺该样本中的学术成就。综上所述,这些发现表明,早期生活低收入和相关的认知剥夺是支持工作记忆的神经功能的重要因素。
人们不配备内部随机系列发电机。当被要求产生一个随机系列时,他们只是尝试重现已知随机过程的输出。但是,这项工作通常受到其工作记忆能力的限制。在这里,我们研究了类似随机的系列生成的模型,该模型解释了工作内存的存储和处理组件的参与。在两项研究中,我们使用了现代,强大的随机性来评估人类生成的序列。在研究1中,在实验设计中,最后生成的元素作为受试者间变量的可见性,我们测试了在工作记忆上减少认知负载是否会减轻生成系列的随机性水平的衰减。此外,我们研究了人类生成系列的随机性判断与算法复杂性之间的关系。结果表明,当人们不必仅依靠其工作记忆存储成分来维持活跃的过去选择时,他们就能延长其高素质的性能。此外,能够更好地区分更复杂模式的人同时产生了更多随机系列。在研究2中,在相关设计中,我们检查了工作记忆能力与产生类似随机系列的能力之间的关系。结果表明,工作记忆能力较长的个体也将产生更复杂的系列。这些发现突出了工作记忆在生成随机序列中的重要性,并提供了对这种认知过程的基本机制的见解。
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年1月5日发布。 https://doi.org/10.1101/2024.01.05.574287 doi:Biorxiv Preprint
阿尔茨海默氏病(AD)是一种进行性神经退行性疾病,导致记忆,注意力和语言下降。当前的AD诊断方法缺乏客观性和非侵入性。虽然电解图(EEG)对AD研究有希望,但传统的脑电图分析方法已证明并不令人满意。非线性动力学方法在评估大脑的复杂性质方面被认为更有效。从这些考虑开始,本研究提出了一种基于熵的算法,该算法利用多尺度模糊熵(MFE)作为一种有希望的有效的AD诊断方法。表现出显着的歧视能力。值得注意的是,在结果中观察到趋势反演:与健康对照相比,AD受试者显示出慢速频段的复杂性值更高,而在快速频段中发现了相反的情况。这些发现强调了MFE在有效区分AD患者和健康个体的潜力,这标志着更加客观和可靠的AD诊断策略的重大进展。
人们从工作记忆 (WM) 训练中受益的程度存在很大差异。尽管越来越多的研究关注与 WM 训练结果相关的个体差异,但我们仍然缺乏对哪些特定的个体差异以及以何种组合方式导致个体间训练轨迹差异的了解。在当前的研究中,568 名本科生在两周内完成了几种 N-back 干预方案之一。参与者的训练轨迹被分为三种不同的训练模式(高绩效者、中等绩效者和低绩效者)。我们应用机器学习算法来训练二叉树模型,以预测个人的训练模式,该模型依赖于先前文献中已确定为相关的几个个体差异变量。这些个体差异变量包括预先存在的认知能力、性格特征、动机因素、视频游戏经验、健康状况、双语能力和社会经济地位。我们发现我们的分类模型在区分高绩效者和相对较低的绩效者方面表现出良好的预测能力。此外,我们发现开放性和预先存在的 WM 能力是区分高绩效者和低绩效者的两个最重要的因素。然而,对于低绩效者来说,开放性和视频游戏背景是他们学习坚持的最重要预测因素。总之,在培训之前,可以使用参与者的特征来预测个人培训表现,这可以为个性化干预措施的制定提供参考。
图 1:多区域小鼠皮质模型的解剖基础。(A)。小鼠皮质区域的平面视图。图片改编自 (Harris et al. 2019)。(B)。每个大脑区域的标准化 PV 细胞分数,在小鼠大脑的 3d 表面上可视化。突出显示了五个区域:VISp、初级体感区、桶状场 (SSp-bfd)、初级运动 (MOp)、MOs 和 PL。(C)。每个皮质区域的 PV 细胞分数,按顺序排列。每个区域都属于五个模块之一,以彩色显示。(Harris et al. 2019)。(D)。3d 大脑表面上每个区域的层次位置。五个区域如图 (B) 所示突出显示,颜色代表层次位置。(E)。每个皮质区域的层次位置。对层级位置进行归一化,将VISp的层级位置设为0。如C)所示,颜色代表区域所属的模块。(F)。PV细胞分数与层级之间的相关性(皮尔逊相关系数r = − 0.35,p < 0.05)。
当将多个项目保存在短期内存中时,回顾性优先级优先级优先于另一个项目(复古示意)可以促进后续召回。然而,这种作用的神经和计算基础知之甚少。最近的一项研究记录了在复古任务期间猕猴侧向前额叶皮层(LPFC)中的神经信号,在(预先提示)和(会引发后)回归开始之前(预告症)和之后的延迟期间活动对比。他们报告说,在提示前延迟中,单个刺激被维持在神经种群活动的非独立子空间中,而在提示后延迟中,先前的项目被旋转成一个共同的子空间,有可能允许一种常见的读取机制。为了了解如何通过错误最小化可以学习此类代表性转变,我们通过监督训练了经常性的神经网络(RNN),以执行同等的提示回复任务。rnns提供了两个表示结合性颜色刺激的输入,然后进行了预示记忆延迟,位置返回和后提示延迟。我们发现,在猕猴LPFC中观察到的正交到平行的几何变换自然出现在经过训练以执行任务的RNN中。有趣的是,仅当需要在读数之前将提示信息用于几个周期的短期记忆中才能形成平行几何形状,这表明它在维护过程中可能具有鲁棒性。我们通过分析RNN的学习动态和连接模式以及用概率提示训练的模型的行为来扩展这些发现,从而使我们能够为将来的研究做出预测。总的来说,我们的发现与最新的理论说明是一致的,该账目提出的回顾将优先的内存项转化为前瞻性,面向动作的格式。
工作记忆 (WM) 是在推理、理解和学习等复杂任务中临时存储和处理信息所必需的认知系统(Baddeley,1992、2010)。研究表明,通过有目的的指导和有针对性的认知训练,工作记忆训练 (WMT) 可以提高工作记忆能力(Shipstead 等,2012;Melby-Lervåg 和 Hulme,2013;Finc 等,2020)。如何进行有效的工作记忆训练和评估是一个重要的研究课题。随着科技的发展,脑机接口 (BCI) 与虚拟现实 (VR) 技术的结合,即 BCI-VR,是一种新兴技术,在有效的工作记忆训练方面具有巨大潜力。 BCI-VR系统将VR的沉浸式感官反馈与大脑活动的实时脑电图(EEG)信号相结合,与传统方法相比,使认知训练更具吸引力和效率(Elbamby等人,2018年;Wen等人,2021年)。近年来,BCI-VR已广泛应用于康复医学领域,针对多种疾病,包括自闭症(Amaral等人,2017年)、中风(Lechner等人,2014年;Vourvopoulos和Bermúdez I Badia,2016年)、注意力缺陷多动障碍(ADHD)(Rohani和Puthusserypady,2015年)、帕金森病(Morales-Gomez等人,2018年)。然而,BCI-VR 在 WM 训练和评估中的神经影像学研究仍处于早期阶段,需要做更多的工作才能最终有效地提高 WM 能力。在这篇评论文章中,我们将分析当前 WM 训练和 WM 评估的 EEG 信号分析方法的相关文献,说明 BCI-VR 的价值及其在 WMT 中的应用,并讨论当前的挑战以及潜在的未来方向。希望这些分析能为 WMT 领域带来启示。
结果:(1)低运动技能组在三重记忆负荷条件下的准确度显著低于两重记忆负荷条件下的准确度。在两重记忆和三重记忆负荷条件下,高运动技能组均表现出显著高于低运动技能组的表现。(2)高运动技能组的左侧背外侧前额叶皮层(L-DLPFC)和布罗卡区左右三角部分(R-PTBA和L-PTBA)的Oxy-Hb浓度在两个记忆难度水平之间有显著差异。三重记忆负荷条件下的Oxy-Hb浓度显著高于两重记忆负荷条件下的Oxy-Hb浓度。在两重记忆负荷条件下,高运动技能组的L-DLPFC和L-PTBA区域的Oxy-Hb浓度显著高于低运动技能组。在三种记忆负荷条件下,高运动技能组的 L-DLPFC、R-PTBA 和 L-PTBA 区域的 Oxy-Hb 浓度明显高于低运动技能组。