显示带有标签的帖子 神经认知. 显示所有帖子
显示带有标签的帖子 神经认知. 显示所有帖子

2018年6月9日,星期六

精神旋转和流体智力:脑电势分析

Gv和Gf下的文件

精神旋转和流体智力:脑电势分析
情报69(2018)146–157. 文章链接。

Vincenzo Varrialea,Maurits W.van der Molenb,Vilfredo De Pascalis


抽象

当前的研究使用性能指标和脑电势指数来检验心理旋转与流体智力之间的关系。参加者进行了Raven的渐进式矩阵测试,并执行了心理旋转任务,该任务呈现了垂直和旋转字母刺激(60°, 120° or 180°),并且需要根据说明执行或禁止响应的正常和镜像图像。性能结果表明,线性斜率与性能精度有关,而与速度无关,与刺激的角旋转有关,与流体智能的个体差异有关。对于直立刺激,在额叶和中央区域记录的P3振幅与体液智力得分呈正相关。精神旋转过程与顶叶皮层上记录的脑电势的负移有关。将与旋转相关的负数的幅度与旋转角度相关的线性函数与流体智能相关。高能力参与者相对于低能力参与者的坡度更为明显,这表明前者可以根据精神旋转需求灵活地调整他们的精神努力支出,而后者则不那么熟练。


-使用iPad上的BlogPress发布

2017年11月4日星期六

数学(Gq)天赋:认知,惯常和神经变量的回顾

点击图片可放大。

文章链接.




抽象

大多数数学认知研究的重点是理解正常的成人功能和儿童发育以及轻度和中度受损的数学技能,通常被称为发育性旋肌障碍和/或数学学习障碍。相比之下,关于成人和儿童的天赋/优秀数学知识的认知和神经相关性的研究很少。为了促进对该领域的进一步研究,在这里我们回顾了40个可用的研究,这些研究检查了天才数学的认知和神经基础。研究将许多认知因素与有天赋的数学联系在一起,其中最常发现的贡献因素是空间处理和工作记忆。然而,目前的文献遭受
统计能力低,这很可能会导致结果之间的差异。其他主要缺点包括未能建立研究结果的域和刺激特异性,提示缺乏充分证据的因果关系以及在神经影像研究中频繁使用无效的反向推论。未来的研究必须提高统计能力,而神经影像研究在解释发现时必须依靠支持行为的数据。研究应以更具体的方式调查与数学天赋相关的因素,并准确确定各个因素如何影响数学天赋。


结论总结声明

符合数学残疾的异质性(例如Rubinsten和Henik,2009年; Fias等人,2013年),数学天赋似乎也与众多因素相关—(请参阅附录A中每个研究中发现的因素)。这些因素大致分为社会,动机和认知领域。具体来说,在社会和动机领域,动机,高动力和学习数学的兴趣,练习时间,缺乏参与人际交往或宗教问题,专制态度和较高的社会经济地位都与较高水平相关。数学成就。从推测上讲,有趣的是,这些因素中的某些因素是否可能与所谓的“自发聚焦于云度”(SFON)概念有关,该概念在生命早期就出现了,这意味着一些孩子倾向于关注数字信息(Hannula和Lehtinen,2005年)。为了澄清这个问题,纵向研究可以调查早年的高SFON是否与晚年的高水平数学专业知识相关。更好地评估个体变异性也很重要,例如,阿尔伯特·爱因斯坦(Albert Einstein)(即使有时“lazy”数学家参见例如艾萨克森(Isaacson,2008))是著名的反威权主义者。

在认知变量方面,我们发现空间处理,工作记忆,动机/练习时间,推理,一般智商,信息处理速度,短期记忆,从工作记忆有效转换为情节记忆,模式识别,抑制,流畅智力,联想记忆和运动功能都与数学天赋有关。请注意,重要的是“重要性计数”(即仅考虑对某个概念具有统计学显着性结果的研究)可能会极具误导性,尤其是在心理学和神经影像研究通常缺乏动力的情况下(参见例如Szucs和Ioannidis,2017)。但是,考虑到零星的研究,这是我们目前可以做的最好的事情。此外,即使可能进行荟萃分析,通常也仅考虑已发表的研究,因此它们通常(高度)高估了效应量,尤其是小规模研究(参见Szucs和Ioannidis,2017年)。


-使用iPad上的BlogPress发布