Intraindividuelle Variabilität in der Aufgabenleistung nach kognitivem Training ist mit langfristigen Ergebnissen bei Kindern verbunden, Teil 1

Abstrakt

Die potenziellen Vorteile und mechanistischen Auswirkungen des Arbeitsgedächtnistrainings (WMT) bei Kindern sind Gegenstand zahlreicher Forschungen und Debatten. Wir zeigen, dass 6–9-jährige Grundschulkinder nach fünf Wochen schulbasiertem, adaptivem WMT im Vergleich zu Kontrollpersonen eine größere Aktivität in den präfrontalen und striatalen Gehirnregionen, eine höhere Aufgabengenauigkeit und eine geringere intraindividuelle Variabilität der Reaktionszeiten aufwiesen. Mithilfe eines sequentiellen Stichprobenentscheidungsmodells zeigen wir, dass diese Verringerung der intraindividuellen Variabilität durch Änderungen der Evidenzakkumulationsraten und -schwellenwerte erklärt werden kann. Entscheidend ist, dass die intraindividuelle Variabilität bei der Quantifizierung der unmittelbaren Wirkung kognitiver Trainingsinterventionen nützlich ist, da sie ein besserer Prädiktor für akademische Fähigkeiten und das Wohlbefinden 6–12 Monate nach Ende des Trainings ist als die Aufgabengenauigkeit.

Unter Training des Arbeitsgedächtnisses von Kindern versteht man die Verbesserung des Gedächtnisses und der Denkfähigkeit von Kindern durch eine Reihe von Übungsaktivitäten. Das Arbeitsgedächtnis ist ein wichtiger Teil des menschlichen Gehirns. Es ist für die Verarbeitung unseres Kurzzeitgedächtnisses verantwortlich und kann Menschen dabei helfen, Informationen besser zu verarbeiten und zu speichern. Daher müssen Kinder ihr Arbeitsgedächtnistraining verbessern.

Der Trainingsprozess muss auf das kognitive Niveau und die Altersmerkmale von Kindern ausgerichtet sein, insbesondere auf die Gedächtnisprobleme, mit denen Kinder im täglichen Leben konfrontiert sind, damit Kinder ihr Gedächtnis im täglichen Leben effizienter nutzen können.

Das Training des Arbeitsgedächtnisses kann auf viele verschiedene intellektuelle Aktivitäten angewendet werden, wie zum Beispiel logisches Denken, Sprachverständnis, räumliche Wahrnehmung und Problemlösung, um nur einige zu nennen. Durch dieses Training können Kinder ihre Analyse-, Urteils- und Problemlösungsfähigkeiten verbessern.

Darüber hinaus hängt die Verbesserung des Arbeitsgedächtnisses auch eng mit der schulischen Leistung von Kindern zusammen. Lernen erfordert von uns ein starkes Gedächtnis, um Wissen zu beherrschen. Daher kann ein effektives Arbeitsgedächtnistraining Kindern helfen, sich Wissen besser anzueignen und ihre schulischen Leistungen zu verbessern.

Kurz gesagt: Das Training des Arbeitsgedächtnisses von Kindern wirkt sich positiv auf das Wachstum von Kindern aus. Während des Trainingsprozesses müssen wir uns darauf konzentrieren, die Persönlichkeiten und Eigenschaften der Kinder zu verstehen und sie das Glück und Erfolgserlebnis spüren zu lassen, das das Training zu ihrem Fortschritt bringt. Wir glauben, dass Kinder mit der Unterstützung von Eltern und Lehrern durch Arbeitsgedächtnistraining ihre Denkfähigkeiten und ihr Gedächtnis kontinuierlich verbessern können. Es ist ersichtlich, dass wir unser Gedächtnis verbessern müssen. Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola ein traditionelles chinesisches Arzneimittel mit vielen einzigartigen Wirkungen ist, darunter die Verbesserung des Gedächtnisses. Die Wirksamkeit von Hackfleisch beruht auf den verschiedenen darin enthaltenen Wirkstoffen, darunter Säure, Polysaccharide, Flavonoide usw. Diese Inhaltsstoffe können die Gesundheit des Gehirns auf verschiedene Weise fördern.

Klicken Sie auf Möglichkeiten zur Verbesserung der Gehirnfunktion

Zusammenfassend legen unsere Ergebnisse nahe, dass die Aufmerksamkeitskontrolle der erste Mechanismus ist, der zu den langfristigen Vorteilen der adaptiven WMT führt. Die Fähigkeit zur selektiven und anhaltenden Aufmerksamkeit kann als Gerüst für nachfolgende Veränderungen höherer kognitiver Prozesse, akademischer Fähigkeiten und des allgemeinen Wohlbefindens dienen. Darüber hinaus verdeutlichen diese Ergebnisse, dass die Auswahl der Ergebnismaße und der Zeitpunkt der Bewertungen eine entscheidende Rolle bei der Ermittlung der Trainingswirksamkeit spielen. Daher könnte die Bewertung der intraindividuellen Variabilität während oder direkt nach dem Training eine frühzeitige Anpassung von Trainingsinterventionen hinsichtlich Dauer oder Inhalt ermöglichen, um ihre Wirkung zu maximieren.

SCHLÜSSELWÖRTER

Aufmerksamkeitskontrolle, Kinder, kognitives Training, fMRT, intraindividuelle Variabilität, Arbeitsgedächtnis.

1. EINLEITUNG

Kognitive Trainingsprogramme haben im Laufe der Jahre große Aufmerksamkeit erhalten, da sie das Potenzial haben, die kognitiven Fähigkeiten in gesunden und klinischen Bevölkerungsgruppen zu verbessern. Die Wirksamkeit und Dauerhaftigkeit der Vorteile kognitiver Trainingsprogramme wird jedoch immer noch genau untersucht und heftig diskutiert (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). Obwohl gezeigt wurde, dass kognitive Trainingsprogramme die Leistung bei ähnlichen untrainierten Aufgaben verbessern (Near-Transfer), sind die Belege für die Übertragung auf kognitive Fähigkeiten in anderen Bereichen (Far-Transfer) nach wie vor spärlicher und umstrittener (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 et al., 2020). Uns mangelt es immer noch an ausreichendem Verständnis darüber, welche Arten von kognitiven Fähigkeiten und Fertigkeiten am vorteilhaftesten zu trainieren sind, welche Arten von Trainingsmethoden und -dosierungen für bestimmte Fähigkeiten am besten geeignet sind und welche Arten von Personen ausreichende Vorteile erzielen können, um den Zeit- und Geldaufwand zu rechtfertigen Kosten für kognitive Trainingsinterventionen.

Wie bei vielen Aspekten des kognitiven Trainings ist das Ausmaß der Transfereffekte auf akademische Leistungen Gegenstand intensiver Debatten. Die Verbesserungen der akademischen Leistungen scheinen im Sprach- und Lesebereich stärker zu sein und in Mathematik weniger konsistent, obwohl dies je nach Art des Trainingsprogramms und der Studienstichprobe unterschiedlich ist (siehe Sala & Gobet, 2020 und Titz & Karbach, 2014 für Übersicht und Meta). -Analyse). Beispielsweise gibt es Berichte darüber, dass anfängliche Transfereffekte in die Mathematik drei Monate später nicht anhalten (Jones et al., 2020) und dass Kinder mit geringer Arbeitsgedächtnisfähigkeit zwei Jahre nach dem Arbeitsgedächtnis schlechtere mathematische Fähigkeiten aufweisen als eine Kontrollgruppe mit normalem Unterricht Training (WMT) (Roberts et al., 2016). Andererseits ergab eine aktuelle Studie, dass die Auswirkungen des Trainings in einer Kohorte von über 500 Erstklässlern, die nicht aufgrund ihrer Arbeitsgedächtnisfähigkeiten vorab ausgewählt wurden, im Laufe der Zeit auftreten und sich verstärken können (Berger et al., 2020).

Diese Studie ergab, dass die weitreichenden Vorteile des adaptiven WMT auf akademische Fähigkeiten erst 6–12 Monate nach Ende der Ausbildung sichtbar waren. Darüber hinaus zeigte diese Arbeit, dass fünf Wochen adaptiver WMT im ersten Schuljahr zu einer erhöhten Wahrscheinlichkeit führten, drei bis vier Jahre später in die höchste akademische Laufbahn des deutschen Sekundarschulsystems einzutreten. Angesichts der aggregierten Ergebnisse mehrerer Studien ist klar, dass Längsschnittstudiendesigns, die Follow-up-Maßnahmen über mehrere Jahre umfassen, wichtig sein werden, um die potenzielle Wirksamkeit verschiedener Arten und/oder Dosierungen kognitiven Trainings, insbesondere für Kinder, zu bestimmen.

Es ist wichtig, die kognitiven und neurobiologischen Veränderungen zu verstehen, die während oder direkt nach dem Training stattfinden. Vermutlich ermöglichen diese unmittelbaren Effekte die Entstehung weitreichender Vorteile in der Zukunft. Der Grad der Aufmerksamkeit kann bestimmen, wie gut Informationen erinnert werden (Gazzaley & Nobre, 2012). Arbeitsgedächtnisprozesse, definiert als die vorübergehende Speicherung und Manipulation von Informationen, die die Ausführung komplexer kognitiver Aufgaben ermöglichen (Baddeley, 1996; Baddeley, 2010), stehen daher in engem Zusammenhang mit der Aufmerksamkeitskontrolle.

Als Aufmerksamkeitskontrolle bezeichnen wir die Fähigkeit, unabhängig von Ablenkungen und Müdigkeit die relevanten Reize in der Umgebung zu koordinieren und die Aufmerksamkeit auf sie zu lenken (Cartwright, 2012; Corbetta & Shulman, 2002; Norman & Shallice, 1983). Das Arbeitsgedächtnis erfordert Aufmerksamkeitskontrolle, um aufgabenrelevante Informationen aufrechtzuerhalten und neu zu bewerten und gleichzeitig Störungen durch aufgabenirrelevante Informationen zu blockieren (Engle, 2018; Fukuda & Vogel, 2011; Kane et al., 2008; Mcnab & Klingberg, 2008). Sowohl Arbeitsgedächtnis- als auch Aufmerksamkeitskontrollprozesse basieren auf frontoparietalen und striatalen Gehirnnetzwerken (Klingberg, 2010). Es wurde berichtet, dass kognitives Training die Struktur und Funktion des Gehirns verändert, wobei induzierte Veränderungen häufig in präfrontalen, parietalen und striatalen Regionen beobachtet werden (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).

Dies sind entscheidende Regionen, die exekutive Funktionen wie Arbeitsgedächtnis und Aufmerksamkeitskontrolle unterstützen (D'Esposito & Postle, 2015; Frank et al., 2001; Mcnab & Klingberg, 2008; Owen et al., 2005; Wager & Smith, 2003). Studien zur Bildgebung des Gehirns legen nahe, dass ein erfolgreicher Transfer von trainierten zu ungeübten Fähigkeiten erfordert, dass beide kognitiven Prozesse zumindest teilweise überlappende strukturelle und funktionelle Gehirnsysteme einbeziehen (Dahlin et al., 2008; Morrison & Chein, 2011). Damit kognitive Trainingsprogramme den größtmöglichen Nutzen bringen, sollten sie neuronale Entwicklungen fördern, die eine effektivere und effizientere Einbindung dieser gemeinsamen neuronalen Systeme ermöglichen.

Um die unmittelbaren Auswirkungen von Trainingsinterventionen zu erkennen und den langfristigen Nutzen des Trainings vorherzusagen, sind sensible und zuverlässige Messungen der Veränderungen mentaler und neuronaler Funktionen erforderlich. In der aktuellen Arbeit testen wir die Hypothese, dass die intraindividuelle Variabilität der Reaktionszeiten in dieser Hinsicht nützlich sein könnte. Intraindividuelle Variabilitätsmessungen, die entweder auf Genauigkeit oder Reaktionszeiten basieren, sind aussagekräftiger als gemittelte Genauigkeitsmessungen, wenn es darum geht, die Mechanismen zu verstehen, durch die positive Effekte des kognitiven Trainings auf akademische Fähigkeiten übertragen werden könnten (Karbach & Unger, 2014; Könen & Karbach, 2015). , um langfristige Vorteile bei der akademischen Leistung zu antizipieren (Judd et al., 2021) und um die Identifizierung derjenigen Personen zu erleichtern, die am meisten von der Trainingsintervention profitieren würden (Karbach & Unger, 2014; Könen & Karbach, 2015; MacDonald et al., 2009; Saville et al., 2011).

Zur Quantifizierung und Unterscheidung verschiedener kognitiver Prozesse, die zu intraindividuellen Variabilitäten der Reaktionszeiten führen können, wurden verschiedene Methoden eingesetzt. Der individuelle Variationskoeffizient (ICV) ist ein gängiges Maß, das als einfaches Verhältnis der Standardabweichung zum Mittelwert berechnet wird. Darüber hinaus kann die Form der Antwortzeitverteilung durch Anpassen von Ex-Gaußschen Modellen parametrisiert werden (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015) und potenzielle Variabilitätsquellen sein zeichnen sich durch die Anpassung von Diffusion Decision Models (DDM) aus (Forstmann et al., 2016; Karalunas & Huang-Pollock, 2013; Ratcliff et al., 2016; Schmiedek et al., 2009). Darüber hinaus können DDMs auch verwendet werden, um die Auswirkungen der Aufmerksamkeit auf die Aufgabenleistung und Entscheidungsfindung zu messen und zu verstehen (Cavanagh et al., 2014; Krajbich & Rangel, 2011; Krajbich et al., 2015).

Die intraindividuelle Variabilität der Leistung ist mit den kognitiven Fähigkeiten und Gehirnfunktionen verbunden, auf die kognitive Trainingsinterventionen abzielen (Castellanos et al., 2005; Geurts et al., 2008; Judd et al., 2021; Kofler et al., 2013; MacDonald). et al., 2006). Intraindividuelle Variabilität ist auch mit der präfrontalen Gehirnfunktion und der dopaminergen Neuromodulation verbunden (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), insbesondere die inhibitorischen und kognitiven Kontrollfähigkeiten, die durch frontale und subkortikale dopaminerge Gehirnsysteme vermittelt werden (Bellgrove et al., 2004; Isbell et al., 2018; Montez et al., 2017; van Belle et al., 2015).

Messungen der intraindividuellen Variabilität können besonders nützlich sein, wenn sie heterogene Gruppen vergleichen, wie z. B. Kinder und Jugendliche, deren kognitive Entwicklung noch im Gange ist, oder Populationen mit kognitiven Schwierigkeiten wie ADHS oder Autismus (Castellanos et al., 2005; Dirk & Schmiedek, 2016). ; Geurts et al., 2008; Karalunas et al., 2014; Könen & Karbach, 2015). Im Einklang mit dem gut etablierten Muster der Gehirn- und kognitiven Entwicklung über die Lebensspanne zeigt die intraindividuelle Variabilität einen umgekehrten U-förmigen Zusammenhang mit dem Alter, der von der Kindheit über die Adoleszenz bis zum jungen Erwachsenenalter abnimmt und im Alter wieder zunimmt (Montez et al ., 2017; Papenberg et al., 2013; Williams et al., 2005).

Ein Vorteil intraindividueller Variabilitätsmessungen besteht darin, dass sie nicht nur das Ergebnis, sondern auch die Effizienz kognitiver Prozesse erfassen. Eine erhöhte Variabilität der Reaktionszeiten ist mit Schwierigkeiten bei der Aufmerksamkeitskontrolle oder der Fähigkeit, Aufmerksamkeit und Ziele aufrechtzuerhalten, verbunden (Unsworth, 2015). Als potenzielle Mechanismen, die der Wirkung von Trainingsinterventionen zugrunde liegen, wurden eine verbesserte kognitive Kapazität, eine gesteigerte Effizienz oder Stabilität kognitiver Prozesse vermutet (von Bastian & Oberauer, 2014). Unzureichende Aufmerksamkeit während der Aufgabenerfüllung kann eher auf eine inkonsistente Umsetzung als auf eine verringerte Kapazität oder eine abnormale Funktion hinweisen. Eine solche Inkonsistenz bei der Implementierung der relevanten kognitiven Systeme ist möglicherweise nicht mit einer verringerten Genauigkeit verbunden, wenn die Aufgabe oder der Test nicht schwierig genug ist und/oder nur grobe Genauigkeitsmaße liefert, kann aber dennoch die schulischen Leistungen von Kindern erheblich beeinträchtigen (Judd et al., 2021). ). Eine inkonsistente Umsetzung verhaltensrelevanter kognitiver Prozesse kann die Reaktionszeitverteilung verändern. Diese Effekte führen nicht unbedingt zu Unterschieden in den durchschnittlichen Reaktionszeiten, können aber durch verschiedene Metriken der intraindividuellen Reaktionszeitvariabilität quantifiziert werden (Ali et al., 2019; Geurts et al., 2008; van Belle et al., 2015).

Intraindividuelle Variabilität wurde tatsächlich mit Aufmerksamkeitsdefiziten in Verbindung gebracht. Dies wurde bei Kindern mit ADHS gezeigt, die in einer Untergruppe von Studien häufig ungewöhnlich lange RTs zeigten (Hervey et al., 2006; van Belle et al., 2015). Im Vergleich zu Messungen der zentralen Tendenz (z. B. Mittelwert oder Median) reagieren intraindividuelle Variabilitätsmessungen empfindlicher auf Müdigkeit bei jungen Erwachsenen (Wang et al., 2014) oder auf extern bewertete Aufmerksamkeitsprobleme (Gómez-Guerrero et al., 2011) und zur korrekten Klassifizierung von Patienten mit ADHS (Klein et al., 2006). Daher könnten intraindividuelle Variabilitätsmetriken plausibel Veränderungen erkennen, die durch Trainingsinterventionen verursacht werden, die (noch) nicht durch mittlere Leistungsmessungen erfasst werden können, da Leistungsvariabilitätsmessungen empfindlicher auf die Effizienz kognitiver Prozesse reagieren.

Neuere Arbeiten haben gezeigt, dass die Leistungsvariabilität mit den Fähigkeiten des Arbeitsgedächtnisses, dem Training und der Übertragung auf akademische Fähigkeiten zusammenhängt. Die intraindividuelle Variabilität der Genauigkeit innerhalb und zwischen Sitzungen bei Arbeitsgedächtnisaufgaben wurde mit der schulischen Leistung von Schulkindern der 3. und 4. Klasse in Verbindung gebracht (Dirk & Schmiedek, 2016) und einer aktuellen Studie bei 6--jährigen Kindern zeigten, dass die intraindividuelle Variabilität nach dem kognitiven Training des Arbeitsgedächtnisses drei Jahre später mit der Leistung in Mathematik verbunden war (Judd et al., 2021). Angesichts des prädiktiven Zusammenhangs zwischen schulischen Leistungen in der Schule und dem Wohlbefinden im Erwachsenenalter (Tomasik et al., 2019) ist es wichtig, die Auswirkungen jeglichen kognitiven Trainings auf die schulischen Leistungen zu untersuchen.

Zusammenfassend gibt es genügend Gründe für die Hypothese, dass intraindividuelle Reaktionszeitvariabilitätsmetriken kurzfristige Trainingseffekte erkennen können und bei der Vorhersage des Ausmaßes langfristiger Vorteile hilfreich sein können. Hier testen wir die Hypothese, dass die intraindividuelle Variabilität der Aufgabenleistung – quantifiziert über Reaktionszeiten – zur kurzfristigen Beurteilung der Trainingswirksamkeit genutzt werden kann und mit zukünftigen Fernübertragungseffekten korreliert. Wir verwenden eine Kombination aus kognitiven Aufgaben (N-Back und Flanker), funktioneller Magnetresonanztomographie (fMRT) und Diffusion Decision Modeling der individuellen Leistung, um die Auswirkungen von fünf Wochen adaptivem WMT auf das Gehirn und die kognitiven Funktionen bei Kindern der ersten Klasse zu untersuchen .

Unsere spezifische Hypothese war, dass WMT kurzfristig die Leistung bei den N-Back- und Flanker-Aufgaben verbessern, die Genauigkeit erhöhen und die intraindividuelle Variabilität der Reaktionszeiten verringern würde. Wir stellten auch die Hypothese auf, dass eine verringerte Variabilität der Reaktionszeit nach WMT mit der Gehirnaktivierung in wichtigen Arbeitsgedächtnisregionen wie dem dorsolateralen präfrontalen Kortex und dem Striatum verbunden wäre. Darüber hinaus haben wir die Hypothese aufgestellt, dass, wenn WMT die Fähigkeit oder Motivation beeinflusst, aufgabenrelevante Informationen gezielt zu berücksichtigen, Unterschiede in den geschätzten Driftraten für das DDM zwischen der Trainings- und der Kontrollgruppe auftreten sollten. Angesichts der vorhandenen Belege für Zusammenhänge zwischen intraindividueller Variabilität und kognitiver Funktion in verschiedenen psychiatrischen und alternden Bevölkerungsgruppen stellten wir schließlich die Hypothese auf, dass intraindividuelle Variabilitätsmessungen Hinweise auf zukünftige Ergebnisse in den folgenden 6 und 12-Monaten geben würden. Einschätzungen erstellen. Wir testen diese Hypothesen anhand von drei unabhängigen Datensätzen.

2 METHODE

2.1 Teilnehmer

Für diese Arbeit haben wir Daten von drei verschiedenen Stichproben von Kindern analysiert (N=28, 572 und 11.878). Wir beschreiben die Teilnehmer und Aufgaben, die in den beiden größeren konzeptionellen Replikationsbeispielen im folgenden Unterabschnitt 2.7 verwendet werden. Die erste fMRT-Stichprobe umfasste 28 sich typischerweise entwickelnde 7–9-jährige Grundschulkinder (Durchschnittsalter=93 Monate, SD=5 Monate, 14 Frauen, Arbeitsgedächtnistrainingsgruppe [WMT] { {13}}, Vergleichsgruppe [CMP]=12). Diese Kinder wurden aus einer laufenden Interventionsstudie mit über 500 Kindern und 29 verschiedenen Klassenräumen rekrutiert. Die örtliche Ethikkommission (Kantonale Ethikkommission Zürich) genehmigte alle während dieser Studie verwendeten Verfahren und Methoden.

2.2 Kognitives Trainingsprogramm

Die Schulungsverfahren bestanden aus einer fünfwöchigen Intervention und vier Bewertungswellen, einer vor der Intervention (Basislinie), einer unmittelbar nach dem Ende der fünfwöchigen Intervention und zwei Nachbeobachtungswellen nach 6 bzw. 12–13 Monaten . Die Bewertungsbatterie umfasste Tests des Arbeitsgedächtnisses und des IQ (Ziffernspanne, Standortspanne, Objektspanne, Raven-Test), Bildungsergebnisse (mathematisches Rechnen und mathematische Geometrie, Lesefähigkeit) sowie Konzentrationstests (Go/NoGo und BP-Aufgabe).

Das implementierte Programm zum Training des Arbeitsgedächtnisses war RoboMemo1 von Cogmed. Es handelt sich um ein computergestütztes Programm, das sich stark an die individuelle Leistung anpasst und über Notebook-Computer mit Kopfhörern für die gesprochenen Anweisungen und einer externen Maus implementiert wird. Die Intervention bestand aus einer täglichen WMT-Sitzung pro Tag (Dauer ca. 30 Minuten) über 5 Wochen (25 Sitzungen). Jede Trainingseinheit umfasste sechs adaptive Module (Arbeitsgedächtnisaufgaben), darunter 12 Versuche (insgesamt 75 Versuche). Während der Intervention gab es in jeder Klasse einen speziell ausgebildeten Schülertrainer.

Wir vergleichen die WMT-Gruppe mit Kindern, die entweder Standardunterricht im Klassenzimmer (N=3) oder Selbstregulierungstraining über sechs Schulstunden (N=9) erhielten. In diesen Unterrichtsstunden unterrichtete der Lehrer eine Version der Technik des mentalen Kontrastierens mit Umsetzungsabsichten (MCII) (Duckworth et al., 2013), die an die entsprechende Altersgruppe und den Unterrichtskontext angepasst war.

2.3 Kognitive und Entscheidungsaufgaben nach dem Training

Arbeitsspeicheraufgabe (N-Back): Die Arbeitsspeicheraufgabe 11-min block design besteht aus vier Bedingungen (Abbildung S1a). Im Zustand „0-Zurück“ müssen sie reagieren, wann immer sie ein Bild einer Sonne auf dem Bildschirm sehen. In den Bedingungen „1-Zurück“, „2-Zurück“ und „3-Zurück“ müssen sie immer dann reagieren, wenn das Bild auf dem Bildschirm mit 1, 2 oder identisch ist 3 davor bzw. Beim Scannen wurden Leistungsdaten aufgezeichnet. Die wichtigsten Leistungsvariablen sind der d-Prime-Index (d'=z(HitRate) – z(FalseAlarms)) und der intraindividuelle Variationskoeffizient (ICV=SDRT/MRT) für jede Funktion Speicherzustand.

Flanker-Aufgabe: Die 11-minütige ereignisbezogene Aufgabe wurde basierend auf Rueda et al. entwickelt. (2004). Den Teilnehmern wurden 240 Studien vorgelegt (Abbildung S1b). Jeder Versuch bestand aus einer zentralen Reihe von fünf gelben Fischen auf blauem Hintergrund.

Sie wurden angewiesen, den Fisch in der Mitte des Bildschirms zu „füttern“. Dazu musste das Kind den rechten/linken Knopf am Knopfkasten drücken, abhängig von der Richtung des zentralen Fisches und ohne Rücksicht auf die Richtung der Flanker. Die wichtigsten Leistungsvariablen sind der Prozentsatz der richtigen Antworten und der intraindividuelle Variationskoeffizient der Antwortzeiten. Darüber hinaus passen wir ein Entscheidungsdiffusionsmodell an die Antwortergebnisse und -zeiten an, um die Quelle(n) der unterschiedlichen Leistungsvariabilität zu bestimmen (siehe Abschnitt 2.4.2). Zum Vergleich mit zuvor veröffentlichten Arbeiten führten wir schließlich auch eine Post-hoc-Analyse der RT-Daten unter Verwendung des Ex-Gauß-Ansatzes durch. Basierend auf früheren Studien (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015) erwarteten wir Unterschiede zwischen den Gruppen in den Parametern der Exponentialkomponente der Ex-Gauß-Verteilung der RTs.

Der Vollständigkeit halber stellen wir fest, dass die Kinder auch eine intertemporale Auswahlaufgabe ähnlich der von Steinbeis et al. gelöst haben. (2014) im Scanner, der verwendet wurde, um eine andere Hypothese zu testen als die, auf die wir uns in diesem Artikel konzentrieren.

Weitere Einzelheiten zu den drei Aufgaben finden Sie in den Ergänzenden Methoden.

2.4 Verhaltensdatenanalysen

Zwei der 28 Kinder aus der fMRT-Stichprobe brachen die Studie nach der ersten Aufgabe ab (in beiden Fällen die intertemporale Auswahlaufgabe). Bei drei Teilnehmern kam es zu technischen Fehlern bei der Erfassung der Leistungsdaten während der Flanker-Aufgabe, was dazu führte, dass ein Teilnehmer aufgrund des vollständigen Verlusts der Leistungsdaten ausgeschlossen wurde, und bei zwei Teilnehmern konnte nur ein Durchlauf der Aufgabe in der Analyse verwendet werden.

2.4.1 Regressionen zur Verhaltensleistung

Statistische Analysen wurden mit RStudio (Version 1.1.442) (RStudio Team 2020) durchgeführt.

Wir untersuchten Unterschiede zwischen den trainierten und untrainierten Gruppen hinsichtlich der Hauptleistungsvariablen der Aufgaben direkt nach dem WMT. Zu diesem Zweck führten wir ein allgemeines lineares Modell (GLM) für die NBack- und Flanker-Aufgaben mit Trainingsgruppe (WMT vs. CMP) als Effektfaktor und Aufgabenbedingung durch (N-Back: hohes vs. niedriges Arbeitsgedächtnis; Flanker: kongruent vs . inkongruent) als Zufallseffektfaktoren.

2.4.2 Entscheidungsdiffusionsmodellierungsanalysen

Wir haben einen bayesianischen hierarchischen Ansatz verwendet, um die Parameter des Entscheidungsdiffusionsmodells (DDM) an die Flanker-Aufgabe anzupassen, indem wir JAGS (Plummer, 2003) und das JAGS-Wiener-Modul (Wabersich & Vandekerckhove, 2014) zusammen mit dem Jags-Paket (Plummer, 2014) verwendet haben. 2018) in R. Wir haben die Priors-Empfehlungen für die hierarchische Diffusionsentscheidungsmodellierung in Wiecki et al. verwendet. (2013). Die Anpassung wurde mit drei Ketten, 100 000 Einbrennproben und 10 000 hinteren Proben mit einer Ausdünnungsrate von 10 Proben durchgeführt. Die Konvergenz wurde anhand einer visuellen Inspektion beurteilt und es wurde sichergestellt, dass die psrf-Messwerte für alle Parameter unter 1,05 lagen. Die Driftraten wurden als gewichtete lineare Kombination der Ziel- und Nichtzielreize berechnet, um den relativen Beitrag jedes einzelnen zur Evidenzakkumulationsrate zu unterscheiden. Hier passen wir das DDM an das Verhalten der Kinder in der Flanker-Aufgabe an. Wir haben die Daten der N-Back-Aufgabe nicht angepasst, da sie Antworten nur auf Zielversuche erforderte, die eine kleine Minderheit (25 %) aller Versuche ausmachten.

In unserer Spezifikation des DDM informiert uns die Größe der Driftratenkoeffizienten darüber, wie stark jeder Reiz die Prozesse der Beweisakkumulation beeinflusst. Bei der Flanker-Aufgabe sollten sich die Kinder auf den Zielfisch konzentrieren, da dieser allein den Beweis für die richtige Reaktion in jedem Versuch liefert. Die Richtung, in die die flankierenden Distraktorfische blicken, ist irrelevant und sollte ignoriert werden. Daher haben wir die Driftrate gemäß Gleichung (1) unten angegeben. Wir stellten die Hypothese auf, dass 1–2 (dh die Gewichtung relevanter minus irrelevanter Informationen) in der WMT-Gruppe größer sein sollte als in der CMP-Gruppe.

2.5 fMRT-Datenerfassung und -analyse

Detaillierte Beschreibungen der fMRI-Vorverarbeitung, der Scanparameter und des fMRI-GLM finden Sie in den ergänzenden Methoden.

2.6 Zusammenhänge zwischen der Leistung kognitiver Aufgaben nach dem Training

Wir untersuchten, ob unmittelbar nach dem Training berechnete intraindividuelle Variabilitätsmaße als Indikatoren für relevante zukünftige Ergebnisse bei den nachfolgenden Folgebewertungen dienen könnten. Insbesondere untersuchten wir die Gesamtpunktzahl im SDQ (Woerner et al., 2002), einem Screening-Maß für Verhalten und psychisches Wohlbefinden, das typischerweise in klinischen Umgebungen durchgeführt wird, um potenziell problematische Bereiche bei einem Kind zu identifizieren, die einer weiteren Beurteilung durch einen Spezialisten bedürfen. Der SDQ wurde 6 Monate nach dem Training von den Eltern ausgefüllt. Wir untersuchten auch Tests zur akademischen Leistung im Lesen und in zwei Teilskalen der Mathematik (Geometrie und Arithmetik), die 12 Monate nach dem Training durchgeführt wurden. Wir haben uns aufgrund der Ergebnisse der unabhängigen Stichprobe in Berger et al. auf diese spezifischen akademischen Fähigkeiten konzentriert. (2020), die zeigen, dass WMT die Ergebnisse in den Bereichen Geometrie und Lesen verbesserte, nicht jedoch in der Arithmetik.

Um zu untersuchen, ob intraindividuelle Variabilitätsmessungen Hinweise auf zukünftige Ergebnisse bei den nachfolgenden Nachuntersuchungen in allen Interventionsgruppen geben könnten, führten wir Bayes'sche robuste lineare Regressionsanalysen durch. Diese Analysen testeten, ob Veränderungen im SDQ und in den akademischen Fähigkeiten (d. h. Kontrolle der Basiswerte) durch die Genauigkeit der Kinder (d-prime) oder die Variabilität der Reaktionszeit bei kognitiven Aufgaben, die am Ende des Trainingszeitraums ausgeführt wurden, erklärt werden können. Insbesondere haben wir den Variationskoeffizienten der Reaktionszeiten und D-Prime-Werte aus der N-Back-Aufgabe sowie die Schätzungen der DDM-Driftraten aus der Flanker-Aufgabe verwendet, um zukünftige Ergebnisse zu erklären. Bei einigen Kindern fehlten bestimmte Follow-up- oder intraindividuelle Variabilitätsmaße (die maximale Anzahl fehlender Werte für jedes Maß betrug 4). Um so viele Daten wie möglich aus unserer kleinen fMRI-Stichprobe zu verwenden, haben wir die fehlenden Werte mit dem „Mäuse“-Paket (van Buuren & Groothuis-Oudshoorn, 2011) in R imputiert. Wir haben 10 verschiedene imputierte Datensätze generiert und Bayes'sche lineare Regressionen angepasst zu jedem von ihnen über das R-Paket „brms“ (Bürkner, 2018) als Schnittstelle zu STAN (Stan Development Team, 2020). Wir haben unsere endgültigen Schlussfolgerungen aus den kombinierten Posteriorverteilungen aller zehn robusten Regressionsmodelle gezogen, um den Einfluss eines beliebigen Satzes unterstellter Werte auf unsere Ergebnisse zu reduzieren. Jedes der 10 Modelle verwendete abhängige und unabhängige Z-Score-Variablen und Student-t-Prioritäten für alle festen Effekte (Mittelwert=0, SD = 1, Freiheitsgrade=10). Jedes Modell verwendete 6000 MCMC-Proben über drei unabhängige Ketten nach 1000 Aufwärmproben für jede Kette und einem Ausdünnungsschritt=5. Der vollständige Satz der Regressorvariablen und die Ergebnisse dieser Regressionen sind in Tabelle S7 aufgeführt. Alle Regressionen werden hinsichtlich der Basisleistung für jede abhängige Variable kontrolliert, wodurch Änderungen in den Ergebnissen effektiv geschätzt werden.

2.7 Konzeptionelle Replikation und Verallgemeinerung mithilfe unabhängiger Stichproben

Wir haben getestet, ob sich die Kernaspekte in zwei unabhängigen, größeren Stichproben replizieren oder verallgemeinern würden. Die konzeptionelle Replikation umfasste neuartige Analysen der Daten von Berger et al. (2020), im Folgenden als BFHSW-Studie bezeichnet. Die BFHSW-Studie wurde an einer anderen Stichprobe von Kindern der 1. Klasse (Alter=6–7 Jahre, Mittelwert = 6,8 Jahre, Standardabweichung=4,3 Monate) durchgeführt Unsere fMRT-Probe wurde gezogen. Allerdings verwendeten die beiden Studien die gleichen WMT-Verfahren sowie viele der gleichen Bewertungsinstrumente zu Studienbeginn und im Follow-up. Diese Überschneidungen ermöglichen es uns, den Zusammenhang zwischen Änderungen der Reaktionszeit-ICVs nach dem Training und deren Zusammenhang mit akademischen Fähigkeiten bei der Nachuntersuchung im 12- Monat wie in unserer fMRT-Stichprobe zu testen, obwohl wir die Reaktionszeit-ICVs anhand einer Reaktionshemmung berechnen und nicht eine Arbeitsspeicheraufgabe (Einzelheiten siehe 2.7.1). Wir haben auch getestet, ob sich der Zusammenhang zwischen der intraindividuellen Variabilität der Aufgabenerfüllung und den Maßen des aktuellen und zukünftigen Wohlbefindens, die wir in unserer kleinen fMRT-Stichprobe gefunden haben, auf die viel größere Gruppe von Kindern übertragen lässt, die an der ABCD-Studie (Adolescent Brain and Cognitive Development) teilnehmen (Casey et al., 2018).

Berger et al. (2020) führten die gleiche WMT-Intervention und die gleichen Bewertungen vor und nach dem Training zu den gleichen Nachuntersuchungszeitpunkten (6 und 12 Monate nach Ende des Trainings) durch, die in unserer fMRT-Stichprobe in einer separaten Gruppe von 572 Kindern verwendet wurden (6–7 Jahre alt). In dieser Stichprobe umfasste die WMT-Gruppe 279 Teilnehmer, die den gleichen WMT wie in unserer ersten Stichprobe durchführten. Die Kontrollgruppen erhielten entweder Standardschulunterricht, ein Selbstregulationstraining ähnlich unserer Erststichprobe oder eine Lernsoftwareschulung. Nach den von Berger et al. (2020) verglichen wir die Veränderung des ICV in den Reaktionszeiten nach WMT mit den 101 Kindern, die normalen Schulunterricht erhielten. Unsere primären Tests zum Zusammenhang zwischen Veränderungen des ICV während des fünfwöchigen Interventionszeitraums und Verbesserungen der Lese- oder Geometriewerte ein Jahr nach dem Training wurden jedoch an 521–565 Kindern durchgeführt, für die wir zu jedem Zeitpunkt alle relevanten Messungen haben (Einzelheiten finden Sie in den Tabellen 1 und 2).

In der BFHSW-Studie haben wir die intraindividuelle Variabilität der Reaktionszeiten anhand einer Reaktionshemmungsaufgabe anstelle einer Arbeitsgedächtnisaufgabe berechnet. Diese Studie umfasste keine Arbeitsgedächtnisaufgabe mit ausreichend schnellen Antworten jedes Kindes, um die intraindividuelle Variabilität der Reaktionszeiten zuverlässig zu berechnen. Es beinhaltete jedoch eine Go/Nogo-Aufgabe, die die Reaktionshemmung bei allen Bewertungswellen misst, mit deren Hilfe wir die intraindividuelle Variabilität der Reaktionszeiten berechnen konnten. Um den Zusammenhang zwischen Verbesserungen der intraindividuellen Variabilität nach dem Training und einem langfristigen Ferntransfer zu akademischen Fertigkeiten zu testen, haben wir daher den ICV als Standardabweichung der Go-Trial-RTs dividiert durch den Mittelwert der Go-Trial-RTs berechnet. Beachten Sie, dass wir den ICV nur aus korrekten Versuchen berechnen, so wie wir es für alle Aufgaben in der ursprünglichen Stichprobe getan haben und im Einklang mit dem Standardverfahren in der Literatur (Bellgrove et al., 2004; Bos et al., 2020; Fagot et al., 2018; Marciano & Yeshurun, 2017). Wir bezeichnen diese Analysen als konzeptionelle Replikation, da wir die Go/Nogo-Aufgabe anstelle der N-back-Aufgabe verwenden. Schließlich haben wir in der BFHSW-Stichprobe nur die akademischen Fähigkeiten getestet, da viele Eltern in dieser Studie den SDQ für ihre Kinder nicht abgeschlossen haben.

Wir passen lineare Regressionsmodelle mithilfe von Stata an (StataCorp 2015). Insbesondere folgten wir den von Berger et al. beschriebenen Methoden. (2020) und geschätzte gewöhnliche Regressionen der kleinsten Quadrate mit robusten Standardfehlern, geclustert auf Klassenraumebene. Alle Regressionsmodelle umfassten Kontrollkovariaten für Behandlungstyp, Schule, Geschlecht, Alter und Ausgangsleistung sowohl in den abhängigen Variablen (Geometrie oder Leseergebnisse) als auch im ICV aus der Go/Nogo-Aufgabe.

For more information:1950477648nn@gmail.com