Влияние функциональной коннективности ЭЭГ и тормозного контроля на образовательный веб-поиск
DOI:
https://doi.org/10.33910/2686-9527-2024-6-3-259-266Ключевые слова:
цифровые технологии, функциональная коннективность, тормозной контроль, ЭЭГ, обучение детей, веб-поиск, учебные задачиАннотация
Введение. Цифровые технологии стали важным аспектом современной жизни, что требует исследования их влияния на процессы обучения детей. Кроме того, крайне важно исследовать другие факторы, влияющие на успешное выполнение образовательных задач. Было показано, что функциональные связи мозга коррелируют с интеллектуальными способностями и качеством выполнения когнитивных задач. Более того, изменения в моделях подключения связаны с процессами обучения в мозге. Несмотря на это, исследований, изучающих показатели функциональной связи в контексте обучения детей, недостаточно. Тормозной контроль — еще один важный параметр, который существенно влияет на результаты обучения. Таким образом, это исследование направлено на то, чтобы выяснить, связано ли выполнение образовательной задачи с использованием веб-поиска с различными метриками функциональной коннективности и тормозным контролем.
Материалы и методы. В исследовании приняло участие 50 детей. Для определения метрик функциональной коннективности в пространстве электроэнцефалографии (ЭЭГ) была записана ЭЭГ в покое с закрытыми глазами. Для дальнейшего анализа были использованы следующие метрики коннективности: глобальная эффективность, модулярность и ассортативность. Для исследования тормозного контроля была использована методика ReBOS (Е. Г. Вергунов). Статистическая обработка проводилась с использованием языка программирования Python, данные анализировались с помощью бинарной логистической регрессии и непараметрического критерия U Манна — Уитни.
Результаты. Переменная результативности поиска веб-информации, связанного с выполнением учебного задания, зависит от количества веб-ссылок, использованных участниками, среднего времени реакции при выполнении задачи на тормозной контроль, а также от параметра «модулярность» функциональной коннективности в пространстве ЭЭГ сенсоров. Чем больше веб-ссылок использует ребенок при поиске учебной информации, чем меньше время его реакции при выполнении задачи на тормозной контроль и чем выше индекс модулярности, тем выше вероятность того, что он успешно найдет ответ на учебное задание.
Заключение. Успешность учебного веб-поиска зависит от уровня тормозного контроля и особенностей ЭЭГ функциональной коннективности.
Библиографические ссылки
Akin, A., Yorgancıgil, E., Ozturk, O. C. et al. (2024) It is not a small world for psychiatric patients: Small-world of psychiatric patients. bioRxiv. [Online]. Available at: https://doi.org/10.1101/2024.03.25.586529 (accessed 14.05.2024). (In English)
Chamandar, F., Jabbari, S., Poorghorban, M. et al. (2019) Mathematics performance of the students in primary school: Comparison of working memory capacity and inhibition. Journal of Education and Learning, vol. 8, no. 3, pp. 242–250. https://doi.org/10.5539/jel.v8n3p242 (In English)
Chevalier, N., Sheffield, T. D., Nelson, J. M. et al. (2012) Underpinnings of the costs of flexibility in preschool children: The roles of inhibition and working memory. Developmental Neuropsychology, vol. 37, no. 2, pp. 99–118. https://doi.org/10.1080/87565641.2011.632458 (In English)
Conti, M., Bovenzi, R., Garasto, E. et al. (2022) Brain functional connectivity in de novo Parkinson’s disease patients based on clinical EEG. Frontiers in Neurology, vol. 13, article 844745. https://doi.org/10.3389/fneur.2022.844745 (In English)
Diamond, А. (2013) Want to optimize executive functions and academic outcomes? Simple, just nourish the human spirit. In: P. D. Zelazo, M. D. Sera (eds.). Minnesota symposia on child psychology. Developing cognitive control processes: Mechanisms, implications, and interventions. Vol. 37. [S. l.]: Wiley Publ., pp. 203–230. https://doi.org/10.1002/9781118732373.ch7 (In English)
Ewing, R., Park, K. (eds.). (2020) Basic quantitative research methods for urban planners. New York: Routledge Publ., 342 p. https://doi.org/10.4324/9780429325021 (In English)
Gallen, C. L., D’Esposito, M. (2019) Brain modularity: A biomarker of intervention-related plasticity. Trends in Cognitive Sciences, vol. 23, no. 4, pp. 293–304. https://doi.org/10.1016/j.tics.2019.01.014 (In English)
Handiru, V. S., Alivar, A., Hoxha, A. et al. (2021) Graph-theoretical analysis of EEG functional connectivity during balance perturbation in traumatic brain injury: A pilot study. Human Brain Mapping, vol. 42, no. 14, pp. 4427–4447. https://doi.org/10.1002/hbm.25554 (In English)
Hasan, H. S., Al-Sharqi, M. A. (2023) EEG-based image classification using an efficient geometric deep network based on functional connectivity. Periodicals of Engineering and Natural Sciences, vol. 11, no. 1, pp. 208–215. https://doi.org/10.21533/pen.v11i1.3450 (In English)
Imperatori, L. S., Betta, M., Cecchetti, L. et al. (2019) EEG functional connectivity metrics wPLI and wSMI account for distinct types of brain functional interactions. Scientific Reports, vol. 9, article 8894. https://doi.org/10.1038/s41598-019-45289-7 (In English)
Invernizzi, P. L., Rigon, M., Signorini, G. et al. (2022) Effects of varied practice approach in physical education teaching on inhibitory control and reaction time in preadolescents. Sustainability, vol. 14, no. 11, article 6455. https://doi.org/10.3390/su14116455 (In English)
Ismail, L. E., Karwowski, W. (2020) A graph theory-based modeling of functional brain connectivity based on EEG: A systematic review in the context of neuroergonomics. IEEE Access, vol. 8, pp. 155103–155135. https://doi.org/10.1109/ACCESS.2020.3018995 (In English)
Johann, J., Konen, T., Karbach, J. (2020) The unique contribution of working memory, inhibition, cognitive flexibility, and intelligence to reading comprehension and reading speed. Child Neuropsychology, vol. 26, no. 3, pp. 324–344. https://doi.org/10.1080/09297049.2019.1649381 (In English)
Kang, J.-H., Bae, J.-H., Jeon, Y.-J. (2024) Age-related characteristics of resting-state electroencephalographic signals and the corresponding analytic approaches: A review. Bioengineering, vol. 11, no. 5, article 418. https://doi.org/10.3390/bioengineering11050418 (In English)
Lee, J.-Y., Choi, C-H., Park, M. et al. (2022) Enhanced resting-state EEG source functional connectivity within the default mode and reward-salience networks in internet gaming disorder. Psychological Medicine, vol. 52, no. 11, pp. 2189–2197. https://doi.org/10.1017/S0033291722000137 (In English)
Macfadyen, L. P., Dawson, S. (2010) Mining LMS data to develop an “early warning system” for educators: A proof of concept. Computers & Education, vol. 54, no. 2, pp. 588–599. https://doi.org/10.1016/j.compedu.2009.09.008 (In English)
Massullo, C., Imperatori, C., de Vico Fallani, F. et al. (2022) Decreased brain network global efficiency after attachment memories retrieval in individuals with unresolved/disorganized attachment-related state of mind. Scientific Reports, vol. 12, article 4725. https://doi.org/10.1038/s41598-022-08685-0 (In English)
Menon, V., D’Esposito, M. (2022) The role of PFC networks in cognitive control and executive function. Neuropsychopharmacology, vol. 47, pp. 90–103. https://doi.org/10.1038/s41386-021-01152-w (In English)
Moscarelli, M. (2023) Logistic Regression. In: Biostatistics with ‘R’: A guide for medical doctors. Cham: Springer Publ., pp. 181–205 https://doi.org/10.1007/978-3-031-33073-5_10 (In English)
Nagel, M.-T., Schafer, S., Zlatkin-Troitschanskaia, O. et al. (2020) How do university students’ web search behavior, website characteristics, and the interaction of both influence students’ critical online reasoning? Frontiers in Education, vol. 5, article 565062. https://doi.org/10.3389/feduc.2020.565062 (In English)
Nikolaeva, E. I., Merenkova, V. S. (2017) An inner picture of health as a factor in changing a child’s behavior to health-promoting behavior. Psychology in Russia: State of the Art, vol. 10, no. 4, pp. 162–171. https://doi.org/10.11621/PIR.2017.0414 (In English)
Pathak, A. K., Sharma, M., Katiyar, S. K. et al. (2020) Logistic regression analysis of environmental and other variables and incidences of tuberculosis in respiratory patients. Scientific Reports, vol. 10, article 21843. https://doi.org/10.3991/ijim.v15i04.20291 (In English)
Qureshi, M. I., Khan, N., Raza, H. et al. (2021) Digital technologies in education 4.0. Does it enhance the effectiveness of learning? A Systematic Literature Review. International Journal of Interactive Mobile Technologies, vol. 15, no. 4, pp. 31–47. https://doi.org/10.3991/ijim.v15i04.20291 (In English)
Ryali, S., Supekar, K., Chen, T. et al. (2016) Temporal dynamics and developmental maturation of salience, default and central-executive network interactions revealed by variational bayes hidden Markov modeling. PLoS Computational Biology, vol. 12, no. 12, article e1005138. https://doi.org/10.1371/journal.pcbi.1005138 (In English)
Smita, M. (2021) Logistic regression model — a review. International Journal of Innovative Science and Research Technology, vol. 6, no. 5, pp. 1276–1280. (In English)
Uchitel, J., Vanhatalo, S., Austin, T. (2022) Early development of sleep and brain functional connectivity in term-born and preterm infants. Pediatric Research, vol. 91, pp. 771–786. https://doi.org/10.1038/s41390-021-01497-4 (In English)
Xuan, B. (2020) From evaluation to prediction: Behavioral effects and biological markers of cognitive control intervention. Neural Plasticity, vol. 2020, article 1869459. https://doi.org/10.1155/2020/1869459 (In English)
Yang, S., Hwang, H.-S., Zhu, B.-H. et al. (2022) Evaluating the alterations induced by virtual reality in cerebral small-world networks using graph theory analysis with electroencephalography. Brain Sciences, vol. 12, no. 12, article 1630. https://doi.org/10.3390/brainsci12121630 (In English)
Zelazo, P. D. (2020) Executive function and psychopathology: A neurodevelopmental perspective. Annual Review of Clinical Psychology, vol. 16, pp. 431–454. https://doi.org/10.1146/annurev-clinpsy-072319-024242 (In English)
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Надежда Владимировна Сутормина
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Автор предоставляет материалы на условиях публичной оферты и лицензии CC BY-NC 4.0. Эта лицензия позволяет неограниченному кругу лиц копировать и распространять материал на любом носителе и в любом формате, но с обязательным указанием авторства и только в некоммерческих целях.
Авторы сохраняют авторские права на статью и могут использовать материалы опубликованной статьи при подготовке других публикаций, а также пользоваться печатными или электронными копиями статьи в научных, образовательных и иных целях. Право на номер журнала как составное произведение принадлежит издателю.
