Görüntüleme Çalışması Problem Çözme ile İlişkili Beyin Aktivitesini İzliyor

Nörogörüntüleme verilerini kullanan yeni bir araştırma yaklaşımı, bir birey zorlu problemleri çözerken beynin farklı aşamalardan geçtiğini ortaya koyuyor.

Araştırmacılar, iki analitik stratejiyi birleştirerek, problem çözmenin dört farklı aşamasına eşlik eden beyin aktivitesi modellerini belirlemek için fonksiyonel MRI verilerini kullanabildiler.

Carnegie Mellon Üniversitesi'nden psikoloji bilimcisi John Anderson, araştırmanın baş araştırmacısı olan “Biz bu teknikleri uygulayana kadar öğrencilerin bu tür problemleri nasıl çözdükleri bizim için tam bir muammaydı” diyor.

"Şimdi, öğrenciler orada oturup çok düşündüklerinde, her saniye ne düşündüklerini söyleyebiliriz."

Anderson, bu çalışmadan elde edilen içgörülerin eninde sonunda daha etkili sınıf öğretiminin tasarımına uygulanabileceğini söylüyor.

Çalışma, görünürPsikolojik Bilim, Psikolojik Bilimler Derneği'nin bir dergisi.

Araştırma, düşünmenin altında yatan süreçlerin sırasını anlamak için beyin görüntülemesini kullanan devam eden bir araştırma hattından ortaya çıkıyor. Nörogörüntüleme araştırması, bilişin çeşitli yönlerine bir pencere açmış olsa da, insanlar gerçek görevleri gerçek zamanlı olarak tamamlarken, bu parçaların tutarlı bir bütün halinde nasıl bir araya geldiği açıkça anlaşılmamıştır.

Anderson, iki analitik yaklaşımın - multivoksel patern analizi (MVPA) ve gizli yarı Markov modelleri (HSMM) - farklı düşünme aşamalarına ışık tutmak için birleştirilip birleştirilemeyeceğini merak etti.

MVPA tipik olarak anlık aktivasyon kalıplarını tanımlamak için kullanılmıştır; Anderson, HSMM'yi ekleyerek, bu modellerin zaman içinde nasıl işlediğine dair bilgi vereceğini varsaydı.

Anderson ve meslektaşları Aryn A. Pike ve Jon M. Fincham, bu birleşik yaklaşımı, belirli matematik problemlerini çözerken katılımcılardan toplanan nörogörüntüleme verilerine uygulamaya karar verdiler.

Araştırmacılar, belirlenen aşamaların gerçek düşünme aşamalarıyla eşleşip eşleşmediğini ölçmek için matematik problemlerinin farklı özelliklerini manipüle ettiler. Bunu yapmak için, uygun bir çözüm planı üretmek için daha fazla çaba gerektiren ve çözümü uygulamak için daha fazla çaba gerektiren bazı sorunlar yarattılar.

Amaç, bu manipülasyonların farklı aşamaların süreleri üzerinde beklenebilecek belirli etkilere sahip olup olmadığını test etmekti.

Araştırmacılar, matematik problemlerini çözmek için belirli stratejiler kullanarak pratik yaptıktan sonra, 80 katılımcıyı laboratuvara getirdi, katılımcılar tarayıcıdayken bir dizi hedef problemi yanıtladı. Her problem için geri bildirim aldılar, cevaplar doğruysa yeşile, yanlışsa kırmızıya dönüştü.

Anderson ve meslektaşları nörogörüntüleme verilerini analiz etmek için HSMM-MVPA yöntemini kullanarak dört biliş aşaması belirlediler: kodlama, planlama, çözme ve yanıtlama.

Sonuçlar, problem daha fazla planlama gerektirdiğinde planlama aşamasının daha uzun olma eğiliminde olduğunu ve çözümün yürütülmesi daha zor olduğunda çözüm aşamasının daha uzun olma eğiliminde olduğunu gösterdi, bu da yöntemin farklı şekillerde etkilenen gerçek biliş aşamalarına eşlendiğini gösterdi. problemlerin çeşitli özellikleri.

Anderson, "Tipik olarak, araştırmacılar bir görevi tamamlamak için gereken toplam süreyi, o görevi yerine getirirken yer alan aşamaların ve bunların nasıl ilişkili olduklarının kanıtı olarak incelediler" diyor. "Bu makaledeki yöntemler, aşamaları doğrudan ölçmemizi sağlıyor."

Araştırmacılar, çalışmanın özellikle matematiksel problem çözmeye odaklanmasına rağmen, yöntemin daha geniş uygulama için umut verdiğini savunuyorlar.

Aynı yöntemi EEG gibi daha fazla zamansal çözünürlüğe sahip beyin görüntüleme teknikleriyle kullanmak, bilişsel işlemenin çeşitli aşamaları hakkında daha ayrıntılı bilgileri ortaya çıkarabilir.

Kaynak: Psikolojik Bilimler Derneği