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


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт 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.

Об авторах

Ж. В. Нагорнова

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

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

М. И. Трифонов

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

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

Е. А. Панасевич

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

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

В. П. Рожков

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

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

В. А. Галкин

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

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

А. В. Грохотова

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

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

Е. М. Заводова

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

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

С. И. Сороко

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

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

Н. В. Шемякина

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

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

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

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».