ЭЭГ-характеристики состояния спокойного бодрствования и вызванных потенциалов при решении математических примеров у детей младшего школьного возраста с разным уровнем сформированности навыков устного счета

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В электроэнцефалографическом (ЭЭГ) исследовании приняли участие младшие школьники 8–9 лет (24 чел.). Участники выполняли арифметические задания в парадигме отложенного сличения ответа: сначала предъявлялся пример, потом – ответ, на который надо было отреагировать нажатием кнопки, если он был правильным или пропустить нажатие, если предъявленный ответ оказался неправильным. Были выявлены различия параметров вызванных потенциалов (ВП) между группой школьников, допустивших больше 50% ошибок (8 чел.) – с низким уровнем усвоения навыков устного счета – и группой школьников, допустивших меньше 20% ошибок (13 чел.) – с нормальным уровнем усвоения навыков устного счета. В группе хорошо считающих школьников (по сравнению с плохо считающими) при предъявлении правильного ответа выявлена меньшая латентность компонента P2 (на временном интервале 140–200 мс) в центральных и лобных областях коры и бóльшая амплитуда позитивного компонента, соотносимого с P3 (292–616 мс) с максимумом различий в центральных, теменных и височных областях правого полушария. При предъявлении неправильного ответа – в группе хорошо считающих школьников наблюдалась бóльшая амплитуда положительных компонентов в широком временном интервале 272–1232 мс – в центральных и теменных зонах коры с максимумом в правом полушарии. Выявленные различия амплитуд ВП затрагивают как более ранние перцептивные компоненты (в частности, P2), так и поздние семантические компоненты ВП, отражающие разные стадии обработки информации и принятия решений. По данным анализа фоновой ЭЭГ у учащихся с проблемами устного счета, спектральная мощность в θ (4–8 Гц)-, α1 (8–10 Гц)- и β1 (13–18 Гц)-диапазонах ЭЭГ, а также величина интегрального параметра пространственной связности, рассчитываемого по структурной функции многоканальной ЭЭГ, была выше, чем у учащихся со сформированными навыками устного счета. С учетом возрастной динамики анализируемых ЭЭГ-показателей эти различия могут характеризовать более медленное созревание регуляторных механизмов мозга у детей с проблемами устного счета.

Полный текст

Доступ закрыт

Об авторах

Ж. В. Нагорнова

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Автор, ответственный за переписку.
Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

М. И. Трифонов

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

Е. А. Панасевич

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

В. П. Рожков

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

В. А. Галкин

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

А. В. Грохотова

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

Е. М. Заводова

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

С И. Сороко

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

Н. В. Шемякина

ФГБУН Институт эволюционной физиологии и биохимии имени И.М. Сеченова РАН

Email: nagornova_zh@mail.ru
Россия, Санкт-Петербург

Список литературы

  1. Крутецкий В.А. Психология математических способностей школьников / Под ред. Чуприковой Н.И. М.: Институт практической психологии, 1998. 416 с.
  2. O'Boyle M.W., Cunnington R., Silk T.J. et al. Mathematically gifted male adolescents activate a unique brain network during mental rotation // Brain Res. Cogn. Brain Res. 2005. V. 25. № 2. P. 583.
  3. Leikin M., Waisman I., Leikin R. How brain research can contribute to the evaluation of mathematical giftedness // Psychological Test and Assessment Modeling. 2013. V. 55. № 4. P. 415.
  4. Zhang L., Gan J.Q., Wang H. Neurocognitive mechanisms of mathematical giftedness: A literature review // Appl. Neuropsychol. Child. 2017. V. 6. № 1. P. 79.
  5. Mikheev I., Steiner H., Martynova O. Detecting cognitive traits and occupational proficiency using EEG and statistical inference // Sci. Rep. 2024. V. 14. № 1. P. 5605.
  6. Gashaj V., Trninić D., Formaz C. et al. Bridging cognitive neuroscience and education: Insights from EEG recording during mathematical proof evaluation // Trends Neurosci. Educ. 2024. V. 35. P. 100226.
  7. Micev R., Rogelj P. Exploring mathematical decision-making through EEG analysis / Proc. of the 10th Student Computing Research Symposium (SCORES’24). Maribor. Slovenia, October 3, 2024. P. 69.
  8. Gebuis T., Herfs I.K., Kenemans J.L. The development of automated access to symbolic and non-symbolic number knowledge in children: An ERP study // Eur. J. Neurosci. 2009. V. 30. № 10. P. 1999.
  9. Chen C.C., Berteletti I., Hyde D.C. Neural evidence of core foundations and conceptual change in preschool numeracy // Dev. Sci. 2024. V. 27. № 6. P. e13556.
  10. Dehaene S., Piazza M., Pinel P., Cohen L. Three parietal circuits for number processing // Cogn. Neuropsychol. 2003. V. 20. № 3. P. 487.
  11. Vanbinst K., De Smedt B. Individual differences in children’s mathematics achievement: The roles of symbolic numerical magnitude processing and domain-general cognitive functions // Prog. Brain Res. 2016. V. 227. P. 105.
  12. Нагорнова Ж.В., Шемякина Н.В., Сороко С.И. Когнитивные вызванные потенциалы при решении математических задач у подростков, проживающих в различных регионах Севера РФ // Физиология человека. 2020. Т. 46. № 3. С. 29.
  13. Grenier A.E., Dickson D.S., Sparks C.S., Wicha N.Y.Y. Meaning to multiply: Electrophysiological evidence that children and adults treat multiplication facts differently // Dev. Cogn. Neurosci. 2020. V. 46. P. 100873.
  14. Cárdenas S.Y., Silva-Pereyra J., Prieto-Corona B. et al. Arithmetic processing in children with dyscalculia: An event-related potential study // PeerJ. 2021. V. 9. P. e10489.
  15. Berteletti I., Kimbley S.E., Sullivan S.J. et al. Different language modalities yet similar cognitive processes in arithmetic fact retrieval // Brain Sci. 2022. V. 12. № 2. P. 145.
  16. Ковалева Г.С., Даниленко О.В., Ермакова И.В. и др. О первоклассниках: по результатам исследований готовности первоклассников к обучению в школе // Муниципальное образование: инновация и эксперимент. 2012. № 5. С. 30.
  17. Карданова Е.Ю., Иванова А.Е., Сергоманов П.А. и др. Обобщенные типы развития первоклассников на входе в школу. По материалам исследования iPIPS // Вопросы образования / Educational Studies Moscow. 2018. № 1. C. 8.
  18. Bull R., Scerif G. Executive functioning as a predictor of children’s mathematics ability: Inhibition, switching, and working memory // Dev. Neuropsychol. 2001. V. 19. № 3. P. 273.
  19. Безруких М.М., Мачинская Р.И., Фарбер Д.А. Структурно-функциональная организация развивающегося мозга и формирование познавательной деятельности в онтогенезе ребенка // Физиология человека. 2009. Т. 35. № 6. С. 10.
  20. Hillman C.H., Pontifex M.B., Motl R.W. From ERPs to academics // Dev. Cogn. Neurosci. 2012. V. 2. P. 90.
  21. Robinson K.M., Arbuthnott K.D., Rose D. et al. Stability and change in children's division strategies // J. Exp. Child. Psychol. 2006. V. 93. № 3. P. 224.
  22. Roussel J.-L., Fayol M., Barrouillet P. Procedural vs. direct retrieval strategies in arithmetic: A comparison between additive and multiplicative problem solving // Eur. J. Cogn. Psychol. 2002. V. 14. № 1. P. 61.
  23. Thevenot C., Barrouillet P., Castel C., Uittenhove K. Ten-year-old children strategies in mental addition: A counting model account // Cognition. 2016. V. 146. P. 48.
  24. Семенова О.А., Мачинская Р.И., Ломакин Д.И. Влияние функционального состояния регуляторных систем мозга на эффективность программирования, избирательной регуляции и контроля когнитивной деятельности у детей. Сообщение I. нейропсихологический и электроэнцефалографический анализ возрастных преобразований регуляторных функций мозга в период от 9 до 12 лет // Физиология человека. 2015. Т. 41. № 4. С. 5.
  25. Vigário R.N. Extraction of ocular artefacts from EEG using independent component analysis // Electroencephalogr. Clin. Neurophysiol. 1997. V. 103. № 3. P. 395.
  26. Jung T.P., Makeig S., Westerfield M. et al. Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects // Clin. Neurophysiol. 2000. V. 111. № 10. P. 1745.
  27. Терещенко Е.П., Пономарев В.А., Кропотов Ю.Д., Мюллер А. Сравнение эффективности различных методов удаления артефактов морганий при анализе количественной электроэнцефалограммы и вызванных потенциалов // Физиология человека. 2009. Т. 35. № 2. С. 124.
  28. Pernet C.R., Latinus M., Nichols T.E., Rousselet G.A. Cluster-based computational methods for mass univariate analyses of event-related brain potentials/fields: A simulation study // J. Neuosci. Methods. 2015. V. 250. P. 85.
  29. Никишена И.С., Пономарев В.А., Кропотов Ю.Д. Связанные с событиями потенциалы мозга человека при сравнении зрительных стимулов // Физиология человека. 2023. Т. 49. № 3. С. 67.
  30. Handbook of electroencephalography and clinical neurophysiology: Methods of analysis of brain and magnetic signals. Eds. Gevins A.S., Remond A. Elsevier Science Ltd. Amsterdam, The Netherlands, 1987. 683 p.
  31. Трифонов М.И., Панасевич Е.А. Прогнозирование успешности когнитивной деятельности на основе интегральных характеристик ЭЭГ // Физиология человека. 2018. Т. 44. № 2. C. 103.
  32. Рожков В.П., Трифонов М.И., Сороко С.И. Контроль функционального состояния мозга на основе оценки динамики интегральных параметров многоканальной ЭЭГ у человека в условиях гипоксии // Физиология человека. 2021. Т. 47. № 1. С. 5.
  33. Huynh H., Feldt L.S. Estimation of the box correction for degrees of freedom from sample data in randomized block and split-plot designs // J. Educ. Stat. 1976. V. 1. P. 69.
  34. Dickson D.S., Cerda V.R., Beavers R.N. et al. When 2 × 4 is meaningful: The N400 and P300 reveal operand format effects in multiplication verification // Psychophysiology. 2018. V. 55. № 11. P. e13212.
  35. Dickson D.S., Wicha N.Y.Y. P300 amplitude and latency reflect arithmetic skill: An ERP study of the problem size effect // Biol. Psychol. 2019. V. 148. P. 107745.
  36. Jasinski E.C., Coch D. ERPs across arithmetic operations in a delayed answer verification task // Psychophysiology. 2012. V. 49. № 7. P. 943.
  37. Suárez-Pellicioni M., Núñez-Peña M.I., Colomé A. Mathematical anxiety effects on simple arithmetic processing efficiency: An event-related potential study // Biol. Psychol. 2013. V. 94. № 3. P. 517.
  38. Zhou X., Chen C., Dong Q. et al. Event-related potentials of single-digit addition, subtraction, and multiplication // Neuropsychologia. 2006. V. 44. № 12. P. 2500.
  39. Niedeggen M., Rösler F. N400 effects reflect activation spread during retrieval of arithmetic facts // Psychological Science. 1999. V. 10. № 3. P. 271.
  40. Niedeggen M., Rösler F., Jost K. Processing of incongruous mental calculation problems: evidence for an arithmetic N400 effect // Psychophysiology. 1999. V. 36. № 3. P. 307.
  41. Van Beek L., Ghesquièr P., De Smedt B., Lagae L. The arithmetic problem size effect in children: An event-related potential study // Front. Hum. Neurosci. 2014. V. 25. № 8. P. 756.
  42. Kutas M., Federmeier K.D. Thirty years and counting: Finding meaning in the N400 component of the event-related brain potential (ERP) // Annu. Rev. Psychol. 2011. V. 62. P. 621.
  43. Hoyniak C. Changes in the NoGo N2 event-related potential component across childhood: A systematic review and meta-analysis // Dev. Neuropsychol. 2017. V. 42. № 1. P. 1.
  44. Friederici A.D. Neurophysiological aspects of language processing // Clin. Neurosci. 1997. V. 4. № 2. P. 64.
  45. Megías P., Macizo P. Simple arithmetic: Electrophysiological evidence of coactivation and selection of arithmetic facts // Exp. Brain. Res. 2016. V. 234. № 11. P. 3305.
  46. Wongupparaj P., Sumich A., Wickens M. et al. Individual differences in working memory and general intelligence indexed by P200 and P300: A latent variable model // Biol. Psychol. 2018. V. 139. P. 96.
  47. Dickson D.S., Grenier A.E., Obinyan B.O. Wicha N.Y.Y. When multiplying is meaningful in memory: Electrophysiological signature of the problem size effect in children // J. Exp. Child. Psychol. 2022. V. 219. P. 105399.
  48. Duan X., Shi J., Wu J. et al. Electrophysiological correlates for response inhibition in intellectually gifted children: A Go/NoGo study // Neurosci. Lett. 2009. V. 457. № 1. P. 45.
  49. Соколова Л.С., Мачинская Р.И. Формирование функциональной организации коры больших полушарий в покое у детей младшего школьного возраста с различной степенью зрелости регуляторных систем мозга. Сообщение I. Анализ спектральных характеристик ЭЭГ в покое // Физиология человека. 2006. Т. 32. № 5. С. 5.
  50. Niedermeyer E., Lopes da Silva F.H. Electroence-phalography: Basic Principles, Clinical Applications, and Related Fields. Lippincott Williams & Wilkins, 2005. 1309 p.
  51. Eeg-Olofsson O. The development of the electroencephalogram in normal children and adolescents from the age of 1 through 21 years // Acta Paediat. Scand. 1970. V. 208. P. 1.
  52. Freschl J., Azizi L.A., Balboa L. et al. The development of peak alpha frequency from infancy to adolescence and its role in visual temporal processing: A meta-analysis // Dev. Cogn. Neurosci. 2022. V. 57. P. 101146.
  53. Whitford T.J., Rennie C.J., Grieve S.M. et al. Brain maturation in adolescence: Concurrent changes in neuroanatomy and neurophysiology // Hum. Brain Mapp. 2007. V. 28. № 3. P. 228.
  54. Gasser T., Verleger R., Bacher P., Sroka L. Development of the EEG of school-age children and adolescents: I, analysis of band power // Electroenceph. Clin. Neurophysiol. 1988. V. 69. № 2. P. 91.
  55. Алферова В.В., Фарбер Д.А. Отражение возрастных особенностей функциональной организации мозга в электроэнцефалограмме покоя / Структурно-функциональная организация развивающегося мозга // Под ред. Фарбер Д.А. и др. Л.: Наука, 1990. С. 45.
  56. Горбачевская Н.Л., Сорокин А.Б., Данилина К.К. Возрастные изменения нейрофизиологических характеристик у детей в норме и при синдроме умственной отсталости, сцепленной с ломкой хромосомой Х (FRAXA) // Психологическая наука и образование. 2014. Т. 19. № 4. С. 36.
  57. Кожушко Н.Ю., Пономарев В.А., Матвеев Ю.К., Евдокимов С.А. Возрастные особенности формирования биоэлектрической активности мозга у детей с отдаленными последствиями перинатального поражения ЦНС. Сообщение II. Типология ЭЭГ в норме и при нарушениях психического развития // Физиология человека. 2011. Т. 37. № 3. C. 5.
  58. Комкова Ю.Н., Сугробова Г.А., Безруких М.М. ЭЭГ-анализ функционального состояния головного мозга у детей 5–7 лет // Росс. физиол. журн. им. И.М. Сеченова. 2023. Т. 109. № 7. C. 954.
  59. Мачинская Р.И., Курганский А.В., Ломакин Д.И. Возрастные изменения функциональной организации корковых звеньев регуляторных систем мозга у подростков. Анализ нейронных сетей покоя в пространстве источников // Физиология человека. 2019. Т. 45. № 5. С. 5.
  60. Мачинская Р.И., Крупская Е.В. ЭЭГ анализ функционального состояния глубинных регуляторных структур мозга у гиперактивных детей 7—8 лет // Физиология человека. 2001. Т. 27. № 3. С. 122.
  61. Trifonov M. The structure function as new integral measure of spatial and temporal properties of multi-channel EEG // Brain Inform. 2016. V. 3. № 4. P. 211.
  62. Цицерошин М.Н., Шеповальников А.Н. Становление интегративной функции мозга. Под ред. акад. Бехтеревой Н.П. СПб.: Наука, 2009. 249 с.
  63. Ливанов М.Н. Пространственная организация процессов головного мозга. М.: Наука, 1972. 181 с.
  64. Babiloni C., Barry R. J., Basar E. et al. International Federation of Clinical Neurophysiology (IFCN) – EEG research workgroup: Recommendations on frequency and topographic analysis of resting state EEG rhythms. Part 1: Applications in clinical research studies // Clin. Neurophysiol. 2020. V. 131. № 1. P. 285.
  65. O’Neill G.C., Tewarie P., Vidaurre D. et al. Dynamics of large-scale electrophysiological networks: A technical review // Neuroimage. 2018. V. 180. P. 559.
  66. Рожков В.П., Трифонов М.И., Сороко С.И. Отражение процесса созревания ЦНС у детей и подростков северного региона РФ в динамике интегральных параметров ЭЭГ // Журн. высш. нервн. деят. им. И.П. Павлова 2021. Т. 71. № 4. C. 529.
  67. Сороко С.И., Бекшаев С.С., Рожков В.П. ЭЭГ корреляты генофенотипических особенностей возрастного развития мозга у детей аборигенного и пришлого населения Северо-Востока России // Росс. физиол. журн. им. И.М. Сеченова. 2012. Т. 98. № 1. С. 3.
  68. Мачинская Р.И., Соколова Л.С., Крупская Е.В. Формирование функциональной организации коры больших полушарий в покое у детей младшего школьного возраста с различной степенью зрелости регуляторных систем мозга. Сообщение II. Анализ когерентности а-ритма ЭЭГ // Физиология человека. 2007. V. 33. № 2. P. 5.
  69. Gmehlin D., Thomas C., Weisbrod M. et al. Development of brain synchronization within school-age–individual analysis of resting (α) coherence in a longitudinal data set // Clin. Neurophysiol. 2011. V. 122. № 10. P. 1973.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Структура пробы.

Скачать (319KB)
Метаданные
3. Рис. 2. Время ответа и процент ошибочных реакций при восприятии правильных и неправильных ответов арифметических примеров учащимися 8–9 лет. По оси абсцисс – относительное количество ошибочных ответов, в %, по оси ординат – время реакции, в мс. Каждый символ (кружок) соответствует одному из учащихся, светлый кружок – учащиеся, считающие удовлетворительно, темно-серый – учащиеся, считающие неудовлетворительно.

Скачать (442KB)
Метаданные
4. Рис. 3. Вызванные потенциалы (ВП) при восприятии правильного и неправильного решения в общей группе младших школьников 8–9 лет. Каждый график – ВП от одного электрода. На графиках: по оси х – время (мс), по оси у – амплитуда ВП (мкВ). Черная линия – ВП при предъявлении правильного решения. Серая линия – ВП при предъявлении неправильного решения. На линии под каждым графиком обозначены отдельные кластеры и интервалы различий (I–IV). Вертикальные пунктирные линии – время начала и окончания предъявления ответа (время предъявления 200 мс).

Скачать (1MB)
Метаданные
5. Рис. 4. Вызванные потенциалы (ВП) при предъявлении правильного ответа в арифметическом задании. Каждый график – ВП от одного электрода (F3-T6). На графиках: по оси х – время (мс), по оси у – амплитуда ВП (мкВ). Черная линия – ВП в группе школьников с нормальным уровнем усвоением навыков устного счета; серая линия – ВП в группе школьников с низким уровнем усвоения навыков устного счета. На графике Fz обозначены латентности пиков усредненных ВП в группе с нормальным (черные стрелки) и низким (серые стрелки) уровнем усвоения навыков устного счета. Серой заливкой обозначены отдельные интервалы (кластеры I и II) различий. Топограммы представляют пространственное распределение различий амплитуд между группами с нормальным и низким уровнем усвоения навыков устного счета в соответствующих кластерам амплитудных максимумах различий (мс).

Скачать (855KB)
Метаданные
6. Рис. 5. Вызванные потенциалы (ВП) при предъявлении неправильного ответа в арифметическом задании. Каждый график – ВП от одного электрода. На графиках: по оси х – время (мс), по оси у – амплитуда ВП (мкВ). Черная линия – ВП в группе школьников с нормальным уровнем усвоением навыков устного счета; серая линия – ВП в группе школьников с низким уровнем усвоения навыков устного счета. Серой заливкой обозначены интервалы различий. Топограммы представляют распределение разностей амплитуд между группами с нормальным и низким уровнем усвоения навыков устного счета в соответствующих временных точках (мс).

Скачать (781KB)
Метаданные
7. Рис. 6. Статистически значимые различия спектров мощности электроэнцефалографии (ЭЭГ) в состоянии «глаза закрыты» между группами участников с низким и нормальным развитием навыков устного счета по диапазонам. Треугольник, направленный вверх на месте соответствующего отведения, – большее значение мощности ЭЭГ в группе с низким уровнем усвоения навыков устного счета по сравнению с нормальным уровнем по данным post-hoc анализа (p < 0.05, с использованием LSD-критерия Фишера).

Скачать (425KB)
Метаданные
8. Рис. 7. Распределение школьников с различной успешностью выполнения арифметического задания в системе координат двух интегральных ЭЭГ-параметров. По оси абсцисс – значение рТ, относительные единицы, по оси ординат – значение pS, относительные единицы. А – состояние покоя с закрытыми глазами, Б – состояние покоя с открытыми глазами. Каждый символ (кружок) соответствует одному из учащихся, цифра – порядковому номеру учащегося; светлый кружок – учащиеся с нормальным уровнем усвоения навыков устного счета, темно-серый – учащиеся с низким уровнем усвоения навыков устного счета.

Скачать (816KB)
Метаданные

© Российская академия наук, 2025