Везде

RAS PhysiologyФизиология человека Human Physiology

  • ISSN (Print) 0131-1646
  • ISSN (Online) 3034-6150

EEG-Characteristics in Rest and Parameters of Event Related Potentials when Arithmetic Problems Solving in Primary School Children with Different Levels of Mental Arithmetic Calculation Skills

You can
PII
S30346150S0131164625040044-1
DOI
10.7868/S3034615025040044
Publication type
Article
Status
Published
Authors
Zh. V. Nagornova
  • Affiliation: Sechenov Institute of Evolutionary Physiology and Biochemistry, RAS
Volume/ Edition
Volume 51 / Issue number 4
Pages
50-68
Abstract
The EEG/ERP study involved 8–9 year old schoolchildren (24 participants). The participants performed arithmetic tasks in a delayed response verification paradigm: first a problem was presented, then an answer, to which they had to react by pressing a button if it was correct and skip if the answer was incorrect. Differences in the parameters of event related potentials (ERP) were revealed between the group of schoolchildren who made more than 50% of errors (8 people) – children with mental calculation difficulties – and the group of schoolchildren who made less than 20% of errors (13 people) – children with normal formed mental calculation skills. In the group of well-counting schoolchildren (in comparison with poorly counting), when presented with a correct answer, a smaller latency of the P2 component (on the time interval of 140–200 ms) in the central and frontal cortical areas and a larger amplitude of the positive component related to P3 (292–616 ms) with a maximum of differences in the central, parietal, and temporal areas of the right hemisphere were revealed. When an incorrect answer was presented – in the group of well-counting schoolchildren there was a large amplitude of positive components in the wide time interval 272–1232 ms – in the central and parietal cortical areas with a maximum in the right hemisphere. The revealed differences in ERP amplitudes affect both earlier perceptual components (in particular, P2) and later semantic components of ERP, reflecting different stages of information processing and decision making. According to the data of the resting state EEG analysis, the spectral power in θ-, α1- and β1-bands of the EEG, as well as the value of the integral parameter of spatial connectivity calculated from the structural function of the multichannel EEG, was higher in students with mental calculation difficulties than in students with formed mental calculation skills. Taking into account the age dynamics of the analyzed EEG parameters, these differences may characterize a slower maturation of the brain regulatory mechanisms in children with mental calculation difficulties.
Keywords
устный счет младшие школьники спектральная мощность структурная функция спокойное бодрствование ЭЭГ ВП
Date of publication
01.08.2025
Year of publication
2025
Number of purchasers
0
Views
46

References

  1. 1. Крутецкий В.А. Психология математических способностей школьников / Под ред. Чуприковой Н.И. М.: Институт практической психологии, 1998. 416 с.
  2. 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. 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. 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. 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. 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. 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. 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. 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. 10. Dehaene S., Piazza M., Pinel P., Cohen L. Three parietal circuits for number processing // Cogn. Neuropsychol. 2003. V. 20. № 3. P. 487.
  11. 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. 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. 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. 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. 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. 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. 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. 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. 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. 20. Hillman C.H., Pontifex M.B., Motl R.W. From ERPs to academics // Dev. Cogn. Neurosci. 2012. V. 2. P. 90.
  21. 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. 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. 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. 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. 25. Vigário R.N. Extraction of ocular artefacts from EEG using independent component analysis // Electroencephalogr. Clin. Neurophysiol. 1997. V. 103. № 3. P. 395.
  26. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 36. Jasinski E.C., Coch D. ERPs across arithmetic operations in a delayed answer verification task // Psychophysiology. 2012. V. 49. № 7. P. 943.
  37. 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. 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. 39. Niedeggen M., Rösler F. N400 effects reflect activation spread during retrieval of arithmetic facts // Psychological Science. 1999. V. 10. № 3. P. 271.
  40. 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. 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. 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. 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. 44. Friederici A.D. Neurophysiological aspects of language processing // Clin. Neurosci. 1997. V. 4. № 2. P. 64.
  45. 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. 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. 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. 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. 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. 50. Niedermeyer E., Lopes da Silva F.H. Electroence-phalography: Basic Principles, Clinical Applications, and Related Fields. Lippincott Williams & Wilkins, 2005. 1309 p.
  51. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 62. Цицерошин М.Н., Шеповальников А.Н. Становление интегративной функции мозга. Под ред. акад. Бехтеревой Н.П. СПб.: Наука, 2009. 249 с.
  63. 63. Ливанов М.Н. Пространственная организация процессов головного мозга. М.: Наука, 1972. 181 с.
  64. 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. 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. 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. 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. 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. 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.
QR
Translate

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Higher Attestation Commission

At the Ministry of Education and Science of the Russian Federation

Scopus

Scientific Electronic Library