Эффекты психологических интервенций на ассоциированные с математической тревожностью функциональные связи головного мозга

Эффекты психологических интервенций на ассоциированные с математической тревожностью функциональные связи головного мозга

Автор: Яковлев Никита Иванович, Есипенко Елена Александровна, Архипова Ольга Викторовна, Марейчева Екатерина Максимовна, Маташова Тахмина Дуйшоналыевна, Мацепуро Дарья Михайловна

Журнал: Психология. Психофизиология @jpps-susu

Рубрика: Психофизиология

Статья в выпуске: 2 т.16, 2023 года.

Бесплатный доступ

Обоснование. Математическая тревожность связана с негативными эмоциональными переживаниями, возникающими при необходимости решать математические задачи. Высокий уровень математической тревожности снижает вероятность выбора образовательного и карьерного трека в STEM (наука, технология, инженерное дело и математика) дисциплинах. Для России за последние годы проблема снижения числа студентов STEM-направлений приняла особую остроту. Поэтому изучение методов снижения/регуляции математической тревожности приобретает высокую актуальность. Цель: провести анализ воздействия трёх типов однократных психологических интервенций - экспрессивного письма, переоценки установки отношения к математике и релаксации, с точки зрения способности регулировать объективные нейрофизиологические корреляты математической тревожности. Материалы и методы. Выборка обследованных (78 студентов вузов) была разделена наодну контрольную и три экспериментальные группы. Работа основана на использовании опросника для измерения уровня математической тревожности и объективных электроэнцефалографических данных. Анализ данных был выполнен на основе двухэтапной методологии выделения функциональных связей и функциональных сетей головного мозга. Результаты. Обнаружены отрицательные корреляции (на уровне тенденции) (pho=-0,2) между уровнем математической тревожности и показателями обменной эффективности функциональных сетей альфа-1 (8-10 Гц) и бета-1 (13-20 Гц) диапазонов. Значимых эффектов психологических интервенций выявлено не было. Заключение. Более эффективная организация функциональных сетей головного мозга ассоциирована с меньшим уровнем математической тревожности. Отсутствие эффектов однократных интервенций свидетельствует о необходимости изучения различных по продолжительности реализации программ регуляции уровня математической тревожности.

Еще

Математическая тревожность, психологические интервенции, ээг, функциональные связи, функциональные сети

Короткий адрес: https://sciup.org/147240949

IDR: 147240949   |   DOI: 10.14529/jpps230209

Список литературы Эффекты психологических интервенций на ассоциированные с математической тревожностью функциональные связи головного мозга

  • Dowker A., Sarkar A., Looi C. Y. Mathematics anxiety: What have we learned in 60 years? Frontiers in psychology. 2016;7:508. DOI: https://doi.org/10.3389/fpsyg.2016.00508
  • Whyte J., Anthony G. Maths anxiety: The fear factor in the mathematics classroom. New Zealand Journal of Teachers' Work. 2012;9(1):6-15.
  • Chang H., Beilock S.L. The math anxiety-math performance link and its relation to individual and environmental factors: A review of current behavioral and psychophysiological research. Current Opinion in Behavioral Sciences. 2016;10;33-38. DOI: https://doi.org/10.1016/j.cobeha.2016.04.011
  • Chemekov V.N., Krylov D.A. STEAM-a new approach to engineering education. Vestnik Ma-riiskogo gosudarstvennogo universiteta = Bulletin of the Mari State University. 2015;5(20):59-64.
  • Moustafa A.A., Al-Emadi A.A., Megreya A.M. The Need to Develop an Individualized Intervention for Mathematics Anxiety. Frontiers in Psychology. 2021:12. DOI: https://doi.org/10.3389/ fpsyg.2021.723289
  • Samuel T.S., Warner J. "I can math!": Reducing math anxiety and increasing math self-efficacy using a mindfulness and growth mindset-based intervention in first-year students. Community College Journal of Research and Practice. 2021;45(3):205-222. DOI: https://doi.org/10.1080/ 10668926.2019.1666063
  • Henslee A., Klein B. Using brief guided imagery to reduce math anxiety and improve math performance: A pilot study. Journal of STEM Education. 2017;18(4):32-36.
  • Durak Y.H. The effects of using different tools in programming teaching of secondary school students on engagement, computational thinking and reflective thinking skills for problem solving. Technology, Knowledge and Learning. 2020;25(1):179-195. DOI: https://doi.org/10.1007/s10758-018-9391-y
  • Park D., Ramirez G., Beilock S.L. The Role of Expressive Writing in Math Anxiety. Journal of Experimental Psychology: Applied. 2014;20(2):103-111. DOI: https://doi.org/10.1037/xap0000013
  • Crum A.J., Jamieson J.P., Akinola M. Optimizing stress: An integrated intervention for regulating stress responses. Emotion. 2020;20(1):120-125. DOI: https://doi.org/10.1037/emo0000670
  • Chen M. Research on Math Anxiety of Elementary School Teachers. In 2021. International Conference on Education, Language and Art (ICELA 2021). 2022;637:325-330.
  • Power J.D., Cohen A.L., Nelson S.M. et al. Functional network organization of the human brain. Neuron. 2011;72(4):665-678. DOI: https://doi.org/10.10167j.neuron.2011.09.006
  • Rubinov M., Sporns O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 2010;52(3):1059-1069. DOI: https://doi.org/10.10167j.neuroimage.2009.10.003
  • Bastos A.M., Schoffelen J.M. A tutorial review of functional connectivity analysis methods and their interpretational pitfalls. Frontiers in systems neuroscience. 2016;9:175. DOI: https://doi.org/ 10.3389/fnsys.2015.00175
  • Colclough G.L., Brookes M.J., Smith S.M., Woolrich M.W. A symmetric multivariate leakage correction for MEG connectomes. Neuroimage. 2015;117:439-448. DOI: https://doi.org/10.1016/ j.neuroimage.2015.03.071
  • Stam C.J., Nolte G., Daffertshofer A. Phase lag index: assessment of functional connectivity from multi-channel EEG and MEG with diminished bias from common sources. Human brain mapping. 2007;28(11): 1178-1193. DOI: https://doi.org/10.1002/hbm.20346
  • Nolte G., Bai O., Wheaton L. et al. Identifying true brain interaction from EEG data using the imaginary part of coherency. Clinical Neurophysiology. 2004;115(10):2292-2307. DOI: https://doi.org/ 10.1016/j.clinph.2004.04.029
  • Colclough G.L., Woolrich M.W., Tewarie P.K. et al. How reliable are MEG resting-state connectivity metrics? Neuroimage. 2016;138:284-293. DOI: https://doi.org/10.1016Zj.neuroimage.2016.05.070
  • van den Heuvel M.P., Stam C.J., Kahn R.S., Pol H.E.H. Efficiency of functional brain networks and intellectual performance. Journal of Neuroscience. 2009;29(23):7619-7624. DOI: https://doi.org/ 10.1523/JNEUROSCI.1443-09.2009
  • Modi S., Kumar M., Kumar P., Khushu S. Aberrant functional connectivity of resting state networks associated with trait anxiety. Psychiatry Research: Neuroimaging. 2015;234(1):25-34. DOI: https://doi.org/10.1016/jj.pscychresns.2015.07.006
  • Brookes M.J., Woolrich M.W., Barnes G.R. Measuring functional connectivity in MEG: a multivariate approach insensitive to linear source leakage. Neuroimage. 2012;63(2):910-920. DOI: https://doi.org/10.1016/j .neuroimage.2012.03.048
  • Hardmeier M., Hatz F., Bousleiman H. et al. Reproducibility of functional connectivity and graph measures based on the phase lag index (PLI) and weighted phase lag index (wPLI) derived from high resolution EEG. PloSone. 2014;9(10):e108648. DOI: https://doi.org/10.1371/journal.pone.0108648
  • Schoonhoven D.N., Briels C.T., Hillebrand A. et al. Sensitive and reproducible MEG resting-state metrics of functional connectivity in Alzheimer's disease. Alzheimer's research and therapy. 2022;14(1):38. DOI: https://doi.org/10.1186/s13195-022-00970-4
  • Ismail L.E., Karwowski W. A graph theory-based modeling of functional brain connectivity based on EEG: A systematic review in the context of neuroergonomics. IEEE Access. 2020;8:155103-155135.
  • Watts D.J., Strogatz S.H. Collective dynamics of 'small-world'networks. Nature. 1998;393(6684):440-442.
  • Bassett D.S., Sporns O. Network neuroscience. Nature neuroscience. 2017;20(3):353-364. DOI: https://doi.org/10.1038/nn.4502
  • Latora V., Marchiori M. Efficient behavior of small-world networks. Physical review letters. 2001;87(19): 198701. DOI: https://doi.org/10.1103/PhysRevLett.87.198701
  • Greicius M.D., Krasnow B., Reiss A.L., Menon V. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proceedings of the National Academy of Sciences. 2003;100(1):253-258. DOI: https://doi.org/10.1073/pnas.0135058100
  • Artemenko C., Daroczy G., Nuerk H.C. Neural correlates of math anxiety - an overview and implications. Frontiers in Psychology. 2015;6:1333. DOI: https://doi.org/10.3389/fpsyg.2015.01333
  • Klados M.A., Pandria N., Micheloyannis S. et al. Math anxiety: Brain cortical network changes in anticipation of doing mathematics. International Journal of Psychophysiology. 2017;122:24-31. DOI: https://doi.org/10.1016/jijpsycho.2017.05.003
  • Klados M.A., Paraskevopoulos E., Pandria N., Bamidis P.D. The impact of math anxiety on working memory: A cortical activations and cortical functional connectivity EEG study. IEEE Access. 2019;7:15027-15039.
  • Esipenko E.A., Matsepuro D.M., Arhipova O.V. et al. Physiological correlates of mathematical anxiety in resting state and during anticipation of math. Psikhologiya. Psikhofiziologiya = Psychology. Psychophysiology. 2022;15(1):131-141. DOI: https://doi.org/10.14529/jpps220112.
  • Savostyanov A. N. et al. EEG Correlates of Trait and Mathematical Anxiety during Lexical and Numerical Error-Recognition Tasks. International Journal of Social, Behavioral, Educational, Economic and Management Engineering. 2015;9(7):2162-2166.
  • Hopko D R., Mahadevan R., Bare R.L., Hunt M.K. The Abbreviated Math Anxiety Scale (AMAS): Construction, Validity, and Reliability. Assessment. 2003;10(2):178-182. DOI: https://doi.org/10.1177/1073191103010002008
  • Jamieson J.P., Mendes W.B., Blackstock E., Schmader T. Turning the knots in your stomach into bows: Reappraising arousal improves performance on the GRE. Journal of Experimental Social Psychology. 2010;46(1):208-212. DOI: https://doi.org/10.1016/jjesp.2009.08.015
  • Brunyé T.T., Mahoney C.R., Giles G.E. et. al. Learning to relax: Evaluating four brief interventions for overcoming the negative emotions accompanying math anxiety. Learning and Individual Differences. 2013;27(7):1-7. DOI: https://doi.org/10.1016/j.lindif.2013.06.008
  • Peng C.Y.J., Chen L.T. Beyond Cohen's d: Alternative effect size measures for between-subject designs. The Journal of Experimental Education. 2014;82(1):22-50. DOI: https://doi.org/10.1080/ 00220973.2012.745471
  • Chaddock-Heyman L. Weng T.B., Kienzler C. et al. Scholastic performance and functional connectivity of brain networks in children. PloS one. 2018;13(1):e0190073. DOI: https://doi.org/ 10.1371/j ournal .pone.0190073
  • Ramirez G., Shaw S.T., Maloney E.A. Math anxiety: Past research, promising interventions, and a new interpretation framework. Educational Psychologist. 2018;53(3): 145-164. DOI: https://doi.org/10.1080/00461520.2018.1447384
  • Lyons I.M., Beilock S.L. When math hurts: math anxiety predicts pain network activation in anticipation of doing math. PloS one. 2012;7(10):e48076. DOI: https://doi.org/10.1371/journal.pone.0048076
  • Xie W., Toll R.T., Nelson C.A. EEG Functional Connectivity Analysis in the Source Space. Developmental Cognitive Neuroscience. 2022:101119. DOI: https://doi.org/10.1016/j.dcn.2022.101119
Еще
Статья научная
SciUp 2024 © 2024 ©