线上认知训练的研究现状与训练效果
申婉丽1,2张舒涵1黄小璐1 魏 雷1何清华1,2,3
(1 西南大学心理学部, 认知与人格教育部重点实验室, 重庆 400715) (2 中国基础教育质量监测协同创新中心西南大学分中心，重庆 400715) (3 重庆市脑科学协同创新中心, 重庆 400715)
摘 要 随着互联网技术的快速发展，认知训练也开始表现出在线化的特点。线上认知训练系统采用互联网技术，使受训者可以在多种移动设备或电脑终端上进行训练。它还可以实时反馈训练成绩，进行训练提醒，使之成为一种不受时空约束的大众化认知训练方案。本文分析和总结了目前主流的线上认知训练研究，主要将关注点集中在使用较广泛的工作记忆训练、注意力训练和加工速度训练三大方面。分析结果显示，线上工作记忆训练近迁移效应明显，但对流体智力等的远迁移效应一直存在争议，没有得到一致的结论。线上加工速度训练和注意力训练则表现出较好的近迁移和远迁移效应。而对于训练效果的保持，研究者们对这三类训练都持保留意见，且存在一定争议。未来的研究应该多注重采用纵向追踪研究，以考察训练效果的保持效应；用相对客观的脑成像技术(如fMRI等)来揭示认知训练的脑机制；此外，还应该深入探究训练迁移的根本原因，注重研究训练时间与训练获益之间的关系。
关键词 认知训练；工作记忆训练；注意力训练；加工速度训练；迁移效应
认知能力，是人脑加工、储存和提取信息的能力，即人们对事物的构成、性能、与他物关系、发展动力、发展方向以及基本规律的把握能力。认知能力包括知觉、注意、记忆、语言、逻辑思维等方面的水平(杨遥, 刘静, 徐江涛, 2013)。这些能力不是终生不变的，而是随着年龄的增加呈现倒U型趋势：在生命的前期呈现递增趋势，到25岁左右达到顶峰，随后较稳定，在60岁以后开始逐渐下降(Horn & Cattell, 1967)。认知能力与我们的日常生活息息相关，并受遗传和环境的双重影响(Das et al., 2014)。
目前，认知训练被认为是改善认知缺陷和认知减退的一种有效手段，也是认知能力提升的关键办法。有研究发现，在学龄阶段儿童中，加工速度、工作记忆、持续性注意、推理等认知能力各种组成成分的测量分数都能很好地预测学业成就(Deary, 2012)。而在几种认知能力中，工作记忆和加工速度在认知发展(Fry & Hale, 2000)和认知老化(Salthouse, 1990)中有重要意义，甚至在人的发展过程中也有很重要的作用(李德明, 刘昌, 陈天勇, 李贵芸, 2004)。而即使是在发展相对稳定的时期，认知能力也具有极强的可塑性，可以被环境塑造，可以通过训练改善(Lövdén, Bäckman, Lindenberger, Schaefer, & Schmiedek, 2010)。而在所有的认知训练中，使用较为广泛的有工作记忆、注意力和加工速度三大方面。
1 认知训练的概念和历史
认知训练是指在给定领域内重复练习将会提高该领域任务的工作效率，并可迁移到未经训练的领域(Kirk, Gray, Ellis, Taffe, & Cornish, 2016)，这个概念与肌肉训练是相似的。大脑具有极强可塑性，是认知训练兴起的理论基础(Ribeiro, Yamaguchi, Cracasso, Peralta, & Rezende, 2016)。此外，认知训练兴起和流行的原因还基于如下的推论：如果认知能力的测量可以预测日常生活中的表现和成功，而且成功取决于这些认知能力，那么，训练这些能力将会增加成功的可能性，并最终改善人们的生活(Lövdén et al., 2010)。这个推论已经被众多研究所证实，有效的认知训练可以改变大脑的结构和功能的观点得到研究者们的公认(Boyke, Driemeyer, Gaser, Büchel, & May, 2008)。
早期的认知训练是在线下进行的，即研究者利用某种实验范式，如Stroop任务、Flanker任务等，根据实际需要改编后，对被试进行面对面的训练。这些训练多在实验室中进行，需要受训者与训练师一对一进行，而且很难做到根据被试的实际能力调整训练难度。除此之外，被试被要求一周几次进入实验室，训练过程枯燥乏味，而训练效应也很难迁移到实验室以外的情境中(McDougall & House, 2012)。随着互联网技术的发展和普及，一些研究团队开始设计计算机程序/游戏来进行认知训练，并尝试获取不同玩家在游戏过程中的数据，分析线上认知训练是否能提高他们的认知能力。研究者最开始只是将线下认知训练的范式迁移到线上，后来开始注入一些有趣的元素，增加训练的趣味性和吸引力，以增加被试的训练动机。互联网的使用还使得不同训练者之间可以进行比拼和竞赛，可以不受时空限制，在电脑终端和移动设备终端进行(程大志, 闺秀贤, 高志杰, 周新林, 许克铭, 陈倩, 2015)。线上认知训练的另一优势是，训练程序的服务器可以根据训练者的能力自行调整训练的难度，也就是说，线上认知训练可以提供自适应的训练项目(胡艳群 等, 2017)。基于以上优点，认知训练软件数量大幅度增长，线上认知训练越来越受欢迎。
2 线上认知训练的相关理论基础
2.1 脑的可塑性原理
“可塑性”这个术语最早由William James提出，用来表示由习惯建立的相关神经通路的变化。后来，“可塑性”一词一直在脑科学中使用，用于解释各种形式的，通过行为训练所引起的神经组织结构和功能的可能变化，这种变化或短期或长期，包括成熟、对多变环境的适应、特殊和非特殊类型的学习、老龄化或大脑损伤造成的功能丧失以及随后的代偿性调节(Berlucchi & Buchtel, 2009)。越来越多的研究者倾向于使用这一术语来表示神经系统的所有变化。随着“关键期”概念的提出和普及，研究者们普遍认为，人脑大尺度上的可塑性仅限于发展的早期阶段，不会超过特定的关键期，任何随后的结构功能适应都局限于局部突触变化。郭瑞芳和彭聃龄认为可塑性是指大脑可以被环境和经验所修饰，分为结构可塑和功能可塑两种：脑的结构可塑包括突触可塑和神经元可塑，可以表现在某一个脑区的灰质体积和白质通路的变化上；功能可塑性可以理解为通过学习和训练，大脑某一代表区的功能可以由邻近的脑区代替，也表现为脑损伤患者在经过学习、训练后脑功能在一定程度上的恢复(郭瑞芳, 彭聃龄, 2005)。Lövdén等人提出了认知可塑性的理论框架，指出成人的认知可塑性是由长期的机体功能供应和环境需求之间的不匹配造成的。据上所述，脑的可塑性是指根据环境的需要，人脑凭借经验和学习以满足环境需求所产生的功能和结构改变，这为认知训练提供了脑科学的理论基础(Lövdén et al., 2010)。
谈及行业企业普遍面临的人才短缺问题，徐建国理事长表示，人才问题是永恒的，关键在于人才结构的匹配。人才的分层次培养需要行业各方协作，学校、企业、社会机构，有分工有合作，既要有应用型人才、专业人才的培养，也要有跨界人才的培养。唯如此，人才缺位的状况或许才能得到根本改变。徐建国理事长希望我们，要保持好奇心，凡事想一想有没有另外的可能。同时要踏实做事。“人生成长无捷径”，他语重心长地说道。
在大脑可塑性的基础框架下，研究者们尝试采用各种训练方式并检验是否会带来相关脑区结构的改变和功能的改善。最初，研究者采用的主要是线下的认知训练，例如，Boyke等人训练老年人学习三球串联杂技，3个月后的大脑扫描显示，相对于未经训练的控制组，训练组在大脑右侧颞区的灰质体积有显著增加，左侧海马体积和双侧伏隔核灰质体积也暂时增加(Boyke et al., 2008)。Maguire, Woollett和 Spiers对伦敦出租车司机的训练实验表明，相对于公交司机，经过训练的出租车司机在海马中后区有更大的灰质体积，在海马前区有更少的灰质体积，说明其空间记忆能力的提升(Maguire, Woollett, & Spiers, 2010)。Katherin等人将伦敦出租车司机与控制组对比得出以下结论：在成人身上，持续的、结构性的大脑变化是由涉及到高级认知功能的行为引起(Katherine & Maguire, 2011; Maguire et al., 2010)。此外Mechelli发现学习第二语言，可以增加左下顶叶皮质的灰质密度，他们还发现，这个区域结构重组的程度由掌握这一语言的熟练程度和获得第二语言的年龄共同调节(Mechelli et al., 2004)。这些研究表明，经过适当的训练，大脑的结构和功能可以得到一定程度的改变，并且这个改变与训练的认知能力的提升显著相关。
上述线下认知训练的研究对认知训练的公认和推广有着至关重要的作用，随着人们对认知训练的认可以及训练需求的增加，后期研究者们开始使用在线的认知训练。比如，Fisher等人对有近期发作精神病的青年个体进行在线听觉训练(在线认知训练项目是由Posit Science公司提供的，Posit Science是美国一家提供认知训练软件和服务的公司)，结果发现训练组被试在整体认知水平，言语记忆和问题解决方面，相比游戏控制组被试都有显著的改善(Fisher et al., 2014)。另外，Mishra, Rolle, 和 Gazzaley评估在线扫描探索项目(the Sweep Seeker program，它是Posit Science Insight软件包中的一个独立模块)训练前后的早期视觉ERP成分，发现视觉N1和N2成分在训练后显著增加，并且N1成分的改变还与任务中知觉辨认的改善相关，N1和N2的变化与知觉挑战的速度有关(Mishra, Rolle, & Gazzaley, 2015)。除了上述视听觉训练研究，还有研究者对认知领域内的其他成分进行了在线训练，例如，Astle等人对儿童进行Cogmed工作记忆训练(该程序包含有3个言语工作记忆任务和5个视觉空间工作记忆任务，引导儿童每天完成这8个练习，完成后就给出得分并进行言语反馈，每周练习5次，连续练习5周。任务的难度水平会根据每次的成绩进行适应性调整，故可以最大限度地训练儿童的工作记忆容量)，在训练后，额顶网络与侧枕叶之间、额顶网络与下颞叶皮层之间的连接都发生了改变，并且，工作记忆训练后的成绩改善与静息态神经连接的增强有关(Astle, Barnes, Baker, Colclough, & Woolrich, 2015)。这些研究结果表明，进行在线认知训练，不仅可以使个体的大脑结构发生改变，而且可以产生功能性的变化。
2.2 线上学习理论
线上学习是指将教育与互联网相结合，以达到加快信息传递、提升知识转换和交换效率的目的(Tzeng, Chiang, & Li, 2007)。研究者指出，一个有效的在线学习系统，可以根据学习者的不同情况进行分类，即时调整学习者接收知识的方法和过程(Felder & Silverman, 1988)。而不同于传统的学习方式，线上学习没有了空间及时间上的限制，可以利用网络随时进行学习，且线上学习能更方便学习者进行个性化的设定，更加符合个人需要(Mcconnell, Goodyear, Burgoyne, Banks, & Williams, 2002)。且随着网络的发展，线上学习日益普及，更多人开始在线上学习。
而传统的认知训练大都在线下进行，除了有地理位置的限制外，线下的认知训练，大多枯燥且缺乏变化，对于年龄较小的人群并不适用。而线上学习可通过网页动画的设计解决这一问题，研究者可通过制作动画的方式给认知训练赋予故事以增加趣味性，且通过程序容易对训练内容进行改变，并制定不同难度的认知训练，以便提供给不同能力人群。
因此，线上学习为认知训练提供了新的方式，线上认知训练也开始被应用于研究及生活中。
3 训练效果的评估：近迁移和远迁移
除了对健康老年被试进行线上注意力训练，在针对病人的线上注意力训练中也得到了类似的结果，Cerasa等人(2014)对神经功能相关的帕金森病患者注意康复的一项研究中，将20名帕金森患者分配到实验组和控制组中，实验组接受RehaCom公司的软件包进行训练，这个软件包包括几种注意能力和信息处理任务，控制组接受一个简单的视觉运动协调开发任务练习。所有被试训练六周，每周训练两次，每次训练一个小时。训练前、后，被试进行fMRI 静息态扫描，并且接受空间记忆、言语记忆、视觉空间处理、语言流畅性、持续注意与信息处理速度以及其他的注意能力和执行能力的测试。行为结果表明，相对于控制组，实验组在持续性注意任务和正向数字广度上成绩有显著改善。对静息态fMRI分析的结果表明，注意网络(上顶叶皮层)和中央执行神经网络(背外侧前额叶皮层)有显著的组效应。Cerasa等人由此得出针对受损能力的强化训练可以影响神经可塑性，并且改善帕金森病患者的某些认知功能的结论(Cerasa et al., 2014)。这一实验不仅证明了线上注意力训练能提高个体的注意力，产生近迁移，同时也提供了神经机制方面的证据，为线上注意力训练的有效性提供了支持。
判断训练效果是否发生近迁移，研究者多采用与该能力有关的测试，如工作记忆训练需被试完成相关的记忆任务，若训练后工作记忆任务及其相关延展任务的得分有显著提升，则证明发生了近迁移。
研究发现线上注意力训练能产生近迁移，提高个体的注意能力。如研究发现线上注意力训练能显著提高ADHD儿童的注意能力。Steiner 等人对ADHD儿童进行注意力训练——一种标准计算机格式(standard computer format, SCF)，训练4个月，每周两次，每次45分钟。被试随机分配到三组：SCF组、生物反馈组和等待组，儿童、家长和教师均需要在训练前、训练后分别完成一系列的测试。评估儿童ADHD水平、注意力水平、执行功能能力的测验成绩都显著提高(Steiner, Sheldrick, Gotthelf, & Perrin, 2011)。这项试验为干预儿童ADHD提供了基于计算机训练任务有效性的初步证据，也证明了线上注意力训练不仅能提高ADHD儿童注意力水平，还能改善其他能力，产生远迁移。研究者除了关注ADHD儿童之外，还关心注意力训练对有发展障碍儿童的影响。Kirk 等人为了调查计算机注意力训练项目对有智力和发展障碍的儿童的影响，将76名4～11岁的儿童随机分配到实验组和控制组中，所有被试在家完成5周的训练，每次训练20分钟，训练25次。实验组接受的是训练注意与学习主动性训练(The Training Attention and Learning Initiative，TALI)，这种训练是通过触摸平板电脑上的四项活动来提高注意力技能的线上训练。控制组游戏与实验组类似，但是需要最少的注意技能并且是非适应性的。结果表明，与控制组相比，实验组在选择性注意能力的测试成绩上有显著的改善，并且这种改善在训练结束后的3个月追踪测试中仍然有效(Kirk et al., 2016)。实验证明了线上注意力训练对有发展障碍的儿童能产生近迁移，且迁移能持续较长时间。
4 线上认知训练的效果分析
4.1 工作记忆训练
然而，另一些使用线上工作记忆训练任务的研究，发现线上工作记忆训练只能产生近迁移，提高工作记忆任务的成绩，但并未产生远迁移，并不能提高其他测试成绩。例如，Nutley等人为了检验工作记忆和非言语推理训练是否能够改善流体智力，对四岁儿童实施了Cogmed 系统公司研发的工作记忆训练，训练持续五周，每周五次，每次15分钟。结果表明，这种工作记忆训练可以迁移到未训练的工作记忆测试任务上，但是，没有发现对流体智力的改善(Bergman et al., 2011)。这可能是由于工作记忆不是限制4岁儿童解决推理问题的一个限制因素。同样的，Linette和Goghari采用Lumosity公司提供的双n-back任务对健康中年人进行训练，实验测试了训练前和训练后被试的工作记忆、加工速度和流体智力。结果发现，相对于控制组，双n-back工作记忆训练并不能使成年被试在工作记忆和流体智力测试任务上产生显著的成绩改善(Linette & Goghari, 2016)，因此对于记忆训练并没有发生远迁移，而研究者认为没有发生远迁移的原因是样本量太小，或是程序的不完善。另外， Mansur-Alves和Flores-Mendoza为了验证旨在提高儿童智力的工作记忆训练的有效性，使小学六年级巴西儿童使用含有三个任务的工作记忆软件进行训练。实验组每周训练两次，每次50分钟，训练八周。训练前和训练后，被试进行标准瑞文测验和巴西认知推理测验测试。结果表明，实验组与控制组相比，并没有流体智力的显著改善(Mansur-Alves & Flores-Mendoza, 2015)，实验结果同样发现线上工作记忆训练并没能发生远迁移，研究者认为这与采用的训练方法及训练内容有关，研究者在训练中只使用了语言和数字符号，而没有涉及视觉空间成分，这可能是没有形成远迁移的原因。
（2）建立完善的水资源管理的法律制度和框架，促进水资源管理逐步走上程序化，规范化，合法化的轨道。地下水管理实现“一井一卡”智能化测控，水资源管理将从过去的低效利用转变为智能化，信息化的高效管理利用。
有些实验研究发现，线上工作记忆训练，除了能在工作记忆领域提高成绩，产生近迁移，还能改善如流体智力等其他方面，产生远迁移。例如，Klingberg等人对患有注意缺陷综合症(attention-deficit/hyperactivity disorder，ADHD )的儿童进行线上工作记忆训练，训练五至六周，至少训练25次。在训练前、训练后和训练结束后第三个月，分别测试工作记忆任务(the span-board task)、数字广度、stroop任务和瑞文彩色推理测验，并且让家长评估儿童的 ADHD 水平。结果表明，相对于控制组，实验组被试在工作记忆任务、数字广度任务以及推理测验上的成绩显著提高，而且这种改善在3个月后进行追踪测试时仍然保持(Klingberg et al., 2005)，实验证明了训练不仅对工作记忆有效，而且能产生远迁移，改善其他认知能力并长期有效。与此结果类似，Jaeggi使用一个类似电子游戏的工作记忆任务对小学和中学儿童进行训练，训练4～6周，至少15次，每次训练15分钟，在训练前、训练后、训练结束后第三个月，分别使用瑞文标准测验和非言语智力测验(the Test of Nonverbal Intelligence, TONI)测量被试的流体智力，结果表明，相对于控制组儿童，干预组被试在未经训练的流体智力任务上表现出了显著提高。更重要的是，3个月后的追踪后测中，这种智力提高仍然保持(Jaeggi, Buschkuehl, Jonides, & Shah, 2011)。同样证明了对于工作记忆的在线认知训练能产生近迁移和远迁移并长期有效。而在更新的实验中，Peng等人的实验再一次得出了相似的结果，实验采用与Jaeggi 等人相似的工作记忆任务，对学前儿童进行14天的训练，使用瑞文标准测验和非言语智力测试(第四版)(the Test of Nonverbal Intelligence 4th edition, TONI-4 TONI)施测四次，分别是：训练前、训练后、训练6个月后、训练12个月后。结果表明，实验组的工作记忆成绩显著提高，实验组流体智力的成绩提高程度也显著高于两个控制组，并且这种优异成绩维持到12个月后测时(Peng, Mo, Huang, & Zhou, 2017)。多个实验验证了针对工作记忆的线上认知训练的有效性，且训练产生的近迁移与远迁移均长期有效。
我国对高血压的定义为收缩压大于等于140mmHg，或低压大于等于90mmHg就诊断为高血压。所以仅单纯的低压高而高压正常，也可以诊断为高血压。高血压中有5%是其他疾病继发的高血压，95%以上都是原发性高血压。根据血压程度来进行分级：1级高血压为140-159/90-99mmHg，2级高血压为160-179/100-109mmHg，3级高血压为大于等于180/110mmHg。
工作记忆是一种短时间内存储和操作信息的能力，工作记忆是学习能力的重要预测指标，并且是构成推理、问题解决、学习等高阶认知过程的关键基础成分(Au, Sheehan, Tsai, Duncan, Buschkuehl, & Jaeggi, 2015)。研究发现，工作记忆对流体智力具有很高的预测度(Jaeggi, Buschkuehl, Jonides, & Perrig, 2008)；工作记忆是认知功能的重要组成部分，作为加工资源的工作记忆的下降，是老年人认知能力减退的一个重要原因(Szewczyk, 2016)。线上工作记忆训练以一种适应性的方式，让用户可以在电脑上进行练习和操作相关的任务。工作记忆训练最常用的任务有 n-back 任务、活动记忆任务(running memory task)、复杂广度任务等。采用线上工作记忆训练任务的实验是在一定时间内对个体实施训练，观察训练前与训练后个体在训练任务和迁移任务上的成绩变化。这类实验目前已经取得了一定成果。
Alavinia和Qoitassi通过问卷调查、课堂词汇测试和学生访谈对伊朗学生和教师将手机应用于英语词汇教学进行了为期九周的可行性研究。参与测试的四十名学生完成了研究前测试后被随机分为两个组，其中一组通过短信息服务（SMS）接收与课程相关的词汇信息，而另一组只进行常规的课程学习。研究证明，在词汇学习方面利用手机SMS的词汇学习得到了学习者的认可，实验组85%的学生认为该学习方式更利于提高他们的词汇习得。在随后的访谈中，所有学生都认为移动辅助语言学习在英语学习中的应用是有效可行的[2]。
(8)降雨指标。考虑到区内一年降雨不平均，多集中于汛期(7—9月)，选取降雨不均匀系数(即多年汛期平均降雨量与多年平均降雨量之比)作为降雨指标，在GIS平台中进行量化和0～1之间归一化差值处理(图3h)。
有研究者采用元分析方法(郭丽月, 严超, 邓赐平, 2018)，将工作记忆训练对数学能力的影响进行了分析，研究者将数学能力分为数感、运算能力和数学推理能力三方面。结果发现工作记忆训练对数感有改善作用，但可能对运算能力和数学推理能力没有改善作用。并且研究者指出，训练目标类型与心理效果有密切关系。
《所罗门国王的宝藏》《金银岛》和《诱拐》等的出版复活了冒险小说，成为未来二十年间出现的男孩行动小说的典范，对大英帝国青少年“情感结构”〔18〕129形成的影响是深刻而持久的。到远方异域寻宝和探险，不仅成为青少年的白日梦，也激活了成年人的激情和欲望。
同样采用元分析，有研究者分析了工作记忆训练对语言工作记忆、视觉工作记忆、非语言推理及注意力等方面的影响(Monica & Charles, 2013)。研究分析了训练后立刻测试的成绩和训练后一段时间再次测试的成绩，以判断是否产生迁移效果以及迁移效果是否能长期保持。结果发现，训练能提升语言和非语言的工作记忆任务的成绩，但对于语言工作记忆的近迁移效应只能维持9个月左右。但训练对视觉空间记忆任务成绩几乎没有提高；对非言语推理和注意成绩有较小的提升，但后续的测验发现这些改善并未能长时间保持。且研究者提出，虽然工作记忆训练能提升训练任务的成绩，但没有证据表明工作记忆训练能提升的相应能力(如语言能力、算数能力)。
大量实验结果证明，线上工作记忆训练能产生近迁移，显著提高工作记忆任务成绩。但能否产生远迁移，提高其他方面的能力，还没有一致的结果，而其中如训练的时间、内容、被试年龄及程序的设计等都可能对实验结果产生影响，而其中的脑机制还需进一步明确。
4.2 注意力训练
注意是人的心理活动对一定对象的指向和集中。研究者认为,注意是与智力关系最近的概念，注意力可以解释 32% 的智力变量(Schweizer, Moosbrugger, & Goldhammer, 2005)。根据注意力与智力的关系，我们可以认为注意是从事任何心理活动的基本条件。注意力水平的高低，将直接影响着个体的智力发展和对知识吸收的水平。目前，线上注意力训练的实验研究也取得了一定的成果。
而对于远迁移，研究者会根据不同的训练，根据不同认知能力的相关领域采用不同方式进行测量。因工作记忆与流体智力间相关度较高(Engle, Tuholski, Laughlin, & Conway, 1999)，因此研究者在研究工作记忆训练的远迁移效应时，会采用非言语推理任务、瑞文标准测验等测验测量流体智力，如在研究前后测试的流体智力有明显提升，则证明工作记忆训练产生了远迁移。而由于注意力与个人执行能力有关，因此研究者们会测试执行能力以判断训练是否产生远迁移，而执行能力测试大都采用问卷或情境模拟。对于加工速度训练，研究者会更关注反应时等行为上是否发生变化。
针对老年人的实验同样发现了近迁移的产生。Belchior等人调查了使用视频游戏训练一组老年人的视觉注意的可行性。被试被随机分配到四个组中，分别为荣誉勋章训练(干预目标)、临床验证组、俄罗斯方块训练(安慰剂控制组)和非接触控制组，其中临床验证组采用视野训练(the Useful Field of View Test, UFOV)，并将临床验证组的成绩作为衡量视频游戏训练效果大小的标准。训练2～3周，每次训练90分钟，训练六次。训练前和训练后被试接受UFOV测试中的三个子任务测试，分别是速度、分心注意和持续注意测试。结果表明，UFOV训练组被试的选择性视觉注意成绩显著高于两个游戏组，三个干预组的测试成绩均显著高于非接触控制组(Belchior et al., 2013)。这表明，注意力游戏训练存在近迁移效应，即训练可以显著改善被试的选择性注意能力。
训练效果的评估来源于训练迁移的研究。训练效果迁移的概念最早由Thorndike和Anderson提出，即被试在进行某种训练后，将从训练任务中获取的知识应用于另一种任务上并对该任务产生的积极影响(Singley & Anderson, 1988; Thorndike, 1922)。Thorndike提出的形式训练说认为，两个任务之间的迁移只发生在知识元素相同的情况下；Taatgen提出了共同要素说，将处理规则作为迁移元素，并用两个任务之间相同处理规则的数量作为潜在转移的度量(Taatgen, 2013)。而Strenziok等人认为迁移的效果取决于最初学习、训练的内容与它后来应用的内容之间的相似性：当训练和未训练的任务非常相似时，很容易发生近迁移；当未训练能力与训练的能力的共同的认知和知觉元素很少时，若训练结束后，这项未训练能力仍然有所改善则被认为发生了远迁移(Strenziok, Parasuraman, Clarke, Cisler, Thompson, & Greenwood, 2014)。如Chacko等人对患有注意缺陷多动障碍的儿童进行了Cogmed工作记忆训练，结果发现，训练效果迁移到了工作记忆测试任务中，但是并不能迁移到工作记忆以外的认知领域，即Cogmed训练效果发生了近迁移，没有产生远迁移(Chacko et al., 2014)。此外，Erika Dahlin的实验证明，如果训练任务和迁移任务涉及重叠的处理成分，并且至少有部分相同的脑区参与，那么迁移将发生(Dahlin, Neely, Larsson, Böckman, & Nyberg, 2008)。因为没有发生迁移的训练对认知缺陷和认知减退的改善所起作用不大，所以在评估认知训练效果时，我们不仅要评估被试在训练任务上的成绩改善，更重要的是评估训练效果的迁移。
以上实验证明了线上注意力训练能有效改善注意能力，有近迁移效应，且可以改善执行功能和记忆能力，即训练也具有远迁移效应。但目前的线上注意力训练的被试通常是老年人和儿童，针对正常人群的研究还较少。
随着团场小城镇建设步伐的加快，母亲居住了几十年的平房被拆除了，搬迁进了团里安排的廉租房。廉租房在二楼，面积不大，也就60多个平方，很多东西都被母亲扔掉了，但是那台老旧的飞人牌缝纫机，却被母亲搬到楼房上，放在了阳台上光线最充足的地方。
一项针对ADHD、有学习困难和有发育障碍个体的注意力训练的元分析，对15项研究进行了归纳分析(Peng & Miller, 2016)。结果发现注意力训练对注意力的效应量为中等，即注意力训练能提高认知障碍个体的注意力水平，且研究者指出注意力训练的效果可以迁移到其他非训练任务中(如学术、认知能力等)。而对于如何进行更有效的训练，研究者发现选取个体更容易适应的训练能更好地提升注意力，且注意力训练对年轻人和ADHD患者更有效。此外，当训练采用定向的注意力网络任务时更能提升个体的注意力水平。
1.3.1 近期疗效 治疗两个月后评价疗效，近期疗效根据RECIST疗效评价标准分为完全缓解(CR)、部分缓解(PR)、稳定(SD)、进展(PD)，评价为 CR、PR和SD的患者4周后再复查CT进行确认。以CR+PR计算客观缓解率(ORR)，以CR+PR+SD计算疾病控制率(DCR)。毒副作用评价按照CTCAE3.0分级标准进行评判。
4.3 认知加工速度训练
认知加工速度是许多认知操作得以实现的一个重要因素，但是从中年开始，认知加工速度随着年龄增加而下降，这种下降发生在没有出现神经退行性疾病迹象的正常成年人身上，并导致功能丧失和其他疾病(Kerchner et al., 2012)。研究证明，加工速度减慢是认知功能减退的一项敏感性指标(Ball, Edwards, & Ross, 2005)。
在很多研究中，研究者采用UFOV的结果来评估加工速度，而研究表明线上加工速度训练能提高UFOV的结果。Edwards等人在一项研究中使用Insight训练项目对健康老年人进行训练。Insight训练项目包括5种训练任务。所有被试被随机分为训练组和控制组，训练组接受20次训练，在10～12周内每周训练2～3次，每次训练1个小时。被试在训练前和训练后参加UFOV和其他认知自我报告测试。结果表明，训练组被试比控制组在UFOV的结果测量中有更高的成绩改善(Edwards, et al., 2013)，证明了线上加工速度训练有近迁移效应，能提升加工速度。除了对健康老年人的认知加工速度进行训练，后来，Edwards等人使用Insight改进的认知加工速度训练(cognitive speed of processing training, SOPT)训练患有帕金森病的老年人，结果表明，被试的UFOV成绩比控制组有显著的成绩改善，但是在其他认知测量方面没有显著的成绩改变，即线上加工速度训练有近迁移效应，而并未发现远迁移现象。而研究者认为认知加工速度对于认知功能障碍的临床检测可能有重要意义，并且提示认知速度对于老年痴呆症的早期诊断可能有参考价值(Edwards et al., 2013)。
除此之外，研究者发现经过具体的认知加工速度训练不仅可以成功地迁移到 UFOV成绩上，还可以迁移到包括驾驶安全测试的日常生活中(Edwards et al., 2009)。在针对老年人的实验中发现，线上加工速度训练能降低老年人中止驾驶的可能。Edwards, Delahunt 和 Mahncke在一项研究认知加工速度训练能延迟驾驶中止中，被试来自两个实验设计，一个接受独立和有活力的老年人的高级认知训练(Advanced Cognitive Training for Independent and Vital Elderly, ACTIVE)中的加工速度训练,另一个接受在晚年生活中保持敏锐(Staying Keen in Later Life, SKILL)的训练，两组被试，每次训练1个小时，每周两次，训练5周。研究者在训练前、训练后以及训练结束3年后，对被试的认知成绩进行测量。实验结果指出，接受ACTIVE认知加工训练组在接下来的3年里，停止驾驶的可能性降低了40%(Edwards, Delahunt, & Mahncke, 2009)。这说明认知速度训练可以降低老年人中止驾驶的可能性。
除此之外，为了更好地评估工作记忆训练的结果，研究者们还对训练前后的脑反应进行了研究，以求找到是否发生迁移的直接证据。Tusch等人采用ERP技术研究Cogmed适应性工作记忆训练是否能够改善未训练任务的成绩，记录了老年被试在试验前和试验后的脑电波变化，结果发现，适应性工作记忆训练与定向注意的增加以及工作记忆刷新过程成绩的改善正相关，但是并不能发现成绩改善与训练之间的直接证据(Tusch et al., 2016)。此外，Vermeij等人使用近红外技术(functional Near-Infrared Spectroscopy，fNIRS)，为调查适应性Cogmed工作记忆训练对老年大脑前额叶皮层适应性反应的影响，对健康和有轻度认知损伤(mild cognitive impairment，MCI)的老年人实施5周、每周5次、每次40分钟的工作记忆训练，在训练前和训练后采用fNIRS记录不同工作记忆负荷水平任务的左右前额皮质的血氧动力学反应，结果表明，训练后健康老年人在高工作记忆负荷时前额叶激活减少，这表明他们对工作记忆的处理效率提高了(Vermeij et al., 2016)。尽管MCI被试进行训练后在低工作记忆负荷下，行为成绩显著改善，但没有发现训练导致的任何有关前额叶激活的变化。
加工速度训练还能降低机动车事故风险。Ball等人在一项认知训练减少老年驾驶员的机动车碰撞事故研究中，采用ACTIVE实验设计，它是一种包括三个干预组和一个控制组的随机、单盲多站点的实验设计。三个干预组分别是记忆训练组、推理训练组、加工速度训练组。被试接受10次干预，每次90分钟，之后的1～3年内有另外的促进干预效果的助推干预部分。被试在接受最初的干预前后和干预之后的每一年直至第十年，都会接受事故风险率测试。结果表明，在实验之后，与控制组相比，加工速度训练组的机动车事故的发生风险降低了50%，这种结果一直维持到追踪的第六年(Ball, Edwards, Ross, & Jr, 2010)。然而，仍有实验并未发现线上加工速度训练有迁移效应。O’Brien等人采用了与Edwards等人相同的训练任务，检验了被试做视觉搜索任务期间的事件相关电位发现，训练组和控制组在加工速度的行为表现上没有显著差异(O’Brien et al., 2013)。两组研究者除了被试样本量不同外，使用了同样的训练规则、同样的训练时间量、同样的被试群体。他们都没有关注除了UFOV任务之外的其他结果测量的成绩改善，我们并不清楚其他认知能力是否测试，还是测试了却没有显著结果，文章中均未说明。
在一项针对健康老年人的线上认知训练的元分析中(Gandy, Lampit, Hallock, & Valenzuela, 2014)，研究者总结了52个研究，其中共33项研究包括了加工速度训练，有9项研究只进行了SOP训练，结果显示具有中等大小的效应量，表明加工速度训练能够提高健康老年人的认知加工速度。同时研究者也指出，训练可以提高老年人的认知加工速度，但没有证据证明认知训练能使老年人的能力超过正常水平。同时研究者发现在训练频率相同的情况下，团体训练比个体单独在家进行训练效果更明显。
通过对线上加工速度训练研究的回顾，我们发现，研究者大多使用InSight软件进行训练，而测量结果多关注UFOV成绩以及工具性日常生活能力的改善。训练的迁移只存在于与训练任务相似的UFOV任务以及与驾驶相关的能力上，没有产生对像选择反应时这样的速度任务或其他的速度任务上的迁移。
4)数据标准化处理。评价指标如前所述是由多个指标构成的，但是各个指标的具体计量单位是不一样的，即量纲不同，不利于相互比较分析。为便于相互比较分析，首先必须对各因素指标，进行标准化处理，即将它们都转化成无量纲判别的标准化值。在此，采用极差标准化处理，使得每个指标的值在0～1之间。则有
4.4 小结
通过对线上的工作记忆、注意力、加工速度训练研究的回顾，可以知道，若干临床或非临床样本的研究表明，不同类型的线上认知训练软件或产品，对认知功能都有一定程度影响，不仅影响未训练过的认知任务成绩，也影响一些与这些认知功能有联系的其他功能，即认知训练表现出迁移效应。线上工作记忆训练对流体智力的远迁移效应存在争议，没有一致的证据，可能是由于不同训练任务的影响，也可能与测试任务的类型有关。被试的年龄和测试时间都可能会影响训练的迁移效果。但是工作记忆训练表现出在与训练任务很相似的任务上的近迁移效应。线上注意力的训练不仅可以改善各种注意能力，即训练具有的近迁移效应。而且，训练也可以改善执行功能和记忆能力。而加工速度和注意力的训练迁移情况比工作记忆训练好。线上加工速度训练的迁移效应主要体现在UFOV任务上的成绩改善以及对包括驾驶能力在内的日常工具性生活能力的影响。
5 线上认知训练研究的不足与展望
基于网络的线上认知训练研究近年来刚起步，国内外兴起关于训练软件的开发和营销的热潮。虽然这些训练软件有一定的科学依据和背景，但是其干预研究仍存在一些不足。
但实际上，这样的做法在目前的育儿环境下，已经不是很好的选择，这样做虽然可以让家长发泄掉怒气，但后果反而可能将孩子置于危险当中。
第一，样本量小。样本量小的情况下，即使将被试随机分配到不同的组，这种随机化也是无效的，这种情况下，对获益的评估也是不精确的。因此未来的研究需要扩展被试，不仅要增加样本量，同时也要考虑增加不同群体的被试以及被试的个体差异，不仅要对有认知缺陷的个体进行训练，也可以对处于正常认知水平的个体进行训练以提升其认知水平。并且尽量使用随机对照设计实验。
第二，缺乏有效的实验控制组，以及没有随机分配被试的情况。未来的研究，需要在实验目标干预组外增加与干预组类似的训练，可以通过降低控制组的难度水平来实现。同时应注意随机分配被试。
第三，没有很好地控制被试的努力/期望效应。未来的研究需要在实验中根据研究目的设置双盲实验，以控制实验者效应和期望效应。要在被试身心状态较好的情况下训练，避免疲劳效应。同时，对于生活质量和课堂表现等的测量尽量采用标准化的测量工具进行测量，或者，使用行为出现次数统计表等客观采集数据的工具，考察线上认知训练对日常生活能力的迁移。
自主学习管理的中心环节就是为学习者创造积极的知识转化环境，有利于新知识的学习，促进显性知识和隐性知识的相互转换和知识的生成。结合大学英语教学的特点，在这一阶段，可以采用以下的策略。
第四，存在数据报告不全的情况。研究者对实验结果的报告不完整，只报告达到显著水平的测量结果。读者就没有办法去评估实验的干预结果，因为不能进行多重比较校正。未来的研究需要报告所有的实验结果，并且对实验的数据分析结果进行多重比较矫正，同时要对效应量进行计算，采用更加科学的统计方法对效应量的大小进行统计，以便在不同实验研究之间进行对比。
除了上述针对研究中存在问题的建议以外，由于以往的研究表明，线上认知训练具有狭义的迁移结果，即只是改善了训练任务的成绩和具有相似认知结构的未训练任务的成绩，在智力、学习能力等高阶认知能力方面的远迁移的证据非常少。同时，对于获益的保持时间一直存在争议，因此，揭示训练迁移的机制就显得尤为重要，未来的线上认知训练研究应该考虑与线下研究相结合，多进行纵向追踪研究。同时考虑利用ERP、经颅磁刺激(Transcranial Magnetic Stimulation, TMS)和fMRI等技术探讨训练机制的神经基础。
参考文献
程大志, 闺秀贤, 高志杰, 周新林, 许克铭, 陈倩 (2015). 注意缺陷多动障碍儿童计算机在线认知训练研究. 中华实用儿科临床杂志, 31 (16), 1262-1264.
郭丽月, 严超, 邓赐平 (2018). 数学能力的改善: 针对工作记忆训练的元分析. 心理科学进展, 26 (9), 1576-1589.
郭瑞芳, 彭聃龄 (2005). 脑可塑性研究综述. 心理科学, 28 (2), 409-411.
胡艳群, 张立力, 钟薇, 王蛟颜, 谢生转, 王兰花,... 张堃 (2017). 自适应认知训练对非痴呆型血管性认知障碍患者认知能力和生活质量的影响. 海南医学, 28 (16), 2624-2627.
李德明, 刘昌, 陈天勇, 李贵芸 (2004). 加工速度和工作记忆在认知毕生发展过程中的作用. 南京师大学报(社会科学版), (1), 81-87.
杨遥, 刘静, 徐江涛 (2013). 睡眠剥夺对认知功能的影响研究进展. 现代生物医学进展, 13 (4), 791-794.
Astle, D. E., Barnes, J. J., Baker, K., Colclough, G. L., & Woolrich, M. W. (2015). Cognitive training enhances intrinsic brain connectivity in childhood. Journal of Neuroscience, 35 (16), 6277-6283.
Au, J., Sheehan, E., Tsai, N., Duncan, G. J., Buschkuehl, M., & Jaeggi, S. M. (2015). Improving fluid intelligence with training on working memory: A meta-analysis. Psychonomic Bulletin & Review, 22 (2), 366-377.
Ball, K., Edwards, J. D., & Ross, L. A. (2005). The impact of speed of processing training on cognitive and everyday functions. Journals of Gerontology, 9 (3), 262-271.
Ball, K., Edwards, J. D., Ross, L. A., & Jr, M. G. G. (2010). Cognitive training decreases motor vehicle collision involvement of older drivers. Journal of the American Geriatrics Society, 58 (11), 2107-2113.
Belchior, P., Marsiske, M., Sisco, S. M., Yam, A., Bavelier, D., Ball, K., & Mann, W. C. (2013). Video game training to improve selective visual attention in older adults. Computers in Human Behavior, 29 (4), 1318-1324.
Bergman, N. S., Söderqvist, S., Bryde, S., Thorell, L. B., Humphreys, K., & Klingberg, T. (2011). Gains in fluid intelligence after training non-verbal reasoning in 4-year-old children: a controlled, randomized study. Developmental Science, 14 (3), 591-601.
Berlucchi, G., & Buchtel, H. (2009). Neuronal plasticity: Historical roots and evolution of meaning. Experimental Brain Research, 192 (3), 307-319.
Boyke, J., Driemeyer, J., Gaser, C., Büchel, C., & May, A. (2008). Training-induced brain structure changes in the elderly. Journal of Neuroscience, 28 (28), 7031-7035.
Cerasa, A., Gioia, M. C., Salsone, M., Donzuso, G., Chiriaco, C., Realmuto, S.,... D’Amelio, M. (2014). Neurofunctional correlates of attention rehabilitation in Parkinson’s disease: an explorative study. Neurological Sciences, 35 (8), 1173-1180.
Chacko, A., Bedard, A. C., Marks, D. J., Feirsen, N., Uderman, J. Z., Chimiklis, A.,... Zwilling, A. (2014). A randomized clinical trial of Cogmed Working Memory Training in school-age children with ADHD: a replication in a diverse sample using a control condition. Journal of Child Psychology & Psychiatry, 55 (3), 247-255.
Dahlin, E., Neely, A. S., Larsson, A., Bäckman, L., & Nyberg, L. (2008). Transfer of earning after updating training mediated by the striatum. Science, 320 (5882), 1510-1512.
Das, D., Tan, X., Bielak, A. A. M., Cherbuin, N., Easteal, S., & Anstey, K. J. (2014). Cognitive ability, intraindividual variability, and common genetic variants of catechol-O-methyltransferase and brain-derived neurotrophic factor: A longitudinal study in a population-based sample of older adults. Psychology and Aging, 29 (2), 393-403.
Deary, I. J. (2012). Intelligence. Social Science Electronic Publishing, 63 (16), 453-483.
Edwards, J. D., Delahunt, P. B., & Mahncke, H. W. (2009). Cognitive speed of processing training delays driving cessation. Journals of Gerontology, 64 (12), 1262-1267.
Edwards, J. D., Hauser, R. A., O’Connor, M. L., Valdés, E. G., Zesiewicz, T. A., & Uc, E. Y. (2013). Randomized trial of cognitive speed of processing training in Parkinson disease. Neurology, 81 (15), 1284-1290.
Edwards, J. D., Myers, C., Ross, L. A., Roenker, D. L., Cissell, G. M., Mclaughlin, A. M., & Ball, K. K. (2009). The longitudinal impact of cognitive speed of processing training on driving mobility. Gerontologist, 49 (4), 485-494.
Edwards, J. D., Peronto, C., Castorabinkley, M., Alwerdt, J., Andel, R., & Lister, J. J. (2013). The efficacy of inSight cognitive training to improve useful field of view performance: abrief report. Journals of Gerontology, 70 (3), 417-422.
Engle, R. W., Tuholski, S. W., Laughlin, J. E., & Conway, A. R. (1999). Working memory, short-term memory, and general fluid intelligence: a latent-variable approach. Journal of Experimental Psychology General, 128 (3), 309-331.
Felder, R. M., & Silverman, L. K. (1988). learning and teaching styles in engineering education. Engineering Education, 78 (7), 674-681.
Fisher, M., Loewy, R., Carter, C., Lee, A., Ragland, J. D., Niendam, T.,... Vinogradov, S. (2014). Neuroplasticity-based auditory training via laptop computer improves cognition in young individuals with recent onset schizophrenia. Schizophrenia Bulletin, 41 (1), 250-258.
Fry, A. F., & Hale, S. (2000). Relationships among processing speed, working memory, and fluid intelligence in children. Biological Psychology, 54 (1-3), 1-34.
Gandy, S., Lampit, A., Hallock, H., & Valenzuela, M. (2014). Computerized cognitive training in cognitively healthy older adults: A systematic review and meta-analysis of effect modifiers. PLoS Medicine, 11 (11), e1001756.
Horn, J. L., & Cattell, R. B. (1967). Age differences in fluid and crystallized intelligence. Acta Psychologica, 26 (2), 107-129.
Jaeggi, S. M., Buschkuehl, M., Jonides, J., & Perrig, W. J. (2008). Improving fluid intelligence with training on working memory. Proceedings of the National Academy of Sciences, 105 (19), 6829-6833.
Jaeggi, S. M., Buschkuehl, M., Jonides, J., & Shah, P. (2011). Short- and long-term benefits of cognitive training. Proceedings of the National Academy of Sciences of the United States of America, 108 (25), 10081-10086.
Katherine, W., & Maguire, E. A. (2011). Acquiring “the Knowledge” of London’s Layout Drives Structural Brain Changes. Current Biology, 21 (24), 2109-2114.
Kerchner, G. A., Racine, C. A., Hale, S., Wilheim, R., Laluz, V., Miller, B. L., & Kramer, J. H. (2012). Cognitive Processing Speed in Older Adults: Relationship with White Matter Integrity. Plos One, 7 (11), e50425.
Kirk, H. E., Gray, K. M., Ellis, K., Taffe, J., & Cornish, K. M. (2016). Computerised attention training for children with intellectual and developmental disabilities: A randomised controlled trial. Journal of Child Psychology & Psychiatry & Allied Disciplines, 57 (12), 1380-1389.
Klingberg, T., Fernell, E., Olesen, P. J., Johnson, M., Gustafsson, P., Dahlstrom, K.,... Westerberg, H. (2005). Computerized Training of Working Memory in Children with ADHD-A Randomized, Controlled Trial. Journal of the American Academy of Child & Adolescent Psychiatry, 44 (2), 177-86.
Linette, L. S., & Goghari, V. M. (2016). Dual n-back Working Mmory training in healthy adults: A randomized comparison to Processing Seed training. Plos One, 11 (4), e0151817.
Lövdén, M., Bäckman, L., Lindenberger, U., Schaefer, S., & Schmiedek, F. (2010). A theoretical framework for the study of adult cognitive plasticity. Psychological Bulletin, 136 (4), 659-676.
Maguire, E. A., Woollett, K., & Spiers, H. J. (2010). London taxi drivers and bus drivers: A structural MRI and neuropsychological analysis. Hippocampus, 16 (12), 1091-1101.
Mansur-Alves, M., & Flores-Mendoza, C. (2015). Working memory training does not improve intelligence: Evidence from Brazilian children. Psicologia: Reflexão e Crítica, 28 (3), 474-482.
Mcconnell, D., Goodyear, P., Burgoyne, J. G., Banks, S., & Williams, S. (2002). He who rides the tiger cannot dismount: implementation of e-learning within company strategies. Pharmacological Research Communications, 12 (6), 523-537.
McDougall, S., & House, B. (2012). Brain training in older adults: evidence of transfer to memory span performance and pseudo-Matthew effects. Aging, Neuropsychology, and Cognition, 19 (1-2), 195-221.
Mechelli, A., Crinion, J. T., Noppeney, U., O’Doherty, J., Ashburner, J., Frackowiak, R. S., & Price, C. J. (2004). Neurolinguistics: structural plasticity in the bilingual brain. Nature, 431 (7010), 757-757.
Mishra, J., Rolle, C., & Gazzaley, A. (2015). Neural plasticity underlying visual perceptual learning in aging. Brain Research, 1612 , 140-151.
Monica, M. L. G., & Charles, H. (2013). Is working memory training effective? A meta-analytic review. Developmental Psychology, 49 (2), 270-291.
O’Brien, J. L., Edwards, J. D., Maxfield, N. D., Peronto, C. L., Williams, V. A., & Lister, J. J. (2013). Cognitive training and selective attention in the aging brain: an electrophysiological study. Clinical Neurophysiology, 124 (11), 2198-2208.
Peng, J., Mo, L., Huang, P., & Zhou, Y. (2017). The effects of working memory training on improving fluid intelligence of children during early childhood. Cognitive Development, 43 , 224-234.
Peng, P., & Miller, A. C. (2016). Does attention training work? A selective meta-analysis to explore the effects of attention training and moderators. Learning & Individual Differences, 45 (2), 77-87.
Ribeiro, R. L., Yamaguchi, S., Cracasso, S. P., Peralta, F., & Rezende, E. (2016). Neurological and Cognitive Changes Resulting from Chronic Drug Use. Drug Abuse in Adolescence (pp. 157-172), Springer International Publishing.
Salthouse, T. A. (1990). Working memory as a processing resource in cognitive aging. Developmental Review, 10 (1), 101-124.
Schweizer, K., Moosbrugger, H., & Goldhammer, F. (2005). The structure of the relationship between attention and intelligence. Intelligence, 33 (6), 589-611.
Singley, M. K., & Anderson, J. R. (1988). A Keystroke Analysis of Learning and Transfer in Text Editing. Human-Computer Interaction, 3 (3), 223-274.
Steiner, N. J., Sheldrick, R. C., Gotthelf, D., & Perrin, E. C. (2011). Computer-based attention training in the schools for children with attention deficit/hyperactivity disorder: A preliminary trial. Clinical Pediatrics, 50 (7), 615-622.
Strenziok, M., Parasuraman, R., Clarke, E., Cisler, D. S., Thompson, J. C., & Greenwood, P. M. (2014). Neurocognitive enhancement in older adults: comparison of three cognitive training tasks to test a hypothesis of training transfer in brain connectivity. Neuroimage, 85 (2), 1027-1039.
Szewczyk, R. (2016). The effectiveness of working memory training-points to consider for future research. Polish Psychological Bulletin, 47 (1), 43-50.
Taatgen, N. A. (2013). The nature and transfer of cognitive skills. Psychological Review, 120 (3), 439-471.
Thorndike, E. L. (1922). The effect of changed data upon Reasoning. Journal of Experimental Psychology, 5 (5), 33-38.
Tusch, E. S., Alperin, B. R., Ryan, E., Holcomb, P. J., Mohammed, A. H., & Daffner, K. R. (2016). Changes in neural activity underlying Working Memory after computerized cognitive training in older adults. Frontiers in Aging Neuroscience, 8 , 255.
Tzeng, G. H., Chiang, C. H., & Li, C. W. (2007). Evaluating intertwined effects in e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32 (4), 1028-1044.
Vermeij, A., Kessels, R. P., Heskamp, L., Simons, E. M., Dautzenberg, P. L., & Claassen, J. A. (2016). Prefrontal activation may predict working-memory training gain in normal aging and mild cognitive impairment. Brain Imaging & Behavior, 11 (1), 1-14.
Online Cognitive Training :Current Researches and Training Effect
SHEN Wanli1,2; ZHANG Shuhan1; HUANG Xiaolu1; WEI Lei1; HE Qinghua1,2,3
(1Faculty of Psychology ,Key lab of Cognition and Personality ,Southwest University ,Chongqing 400715,China ) (2Southwest University Branch ,Collaborative Innovation Center of Assessment toward Basic Education Quality at Beijing Normal University ,Chongqing 400715,China ) (3Chongqing Collaborative Innovation Center for Brain Science ,Chongqing 400715,China )
Abstract
With the rapid development of Internet, cognitive training embodies online characteristics. The online cognitive training system uses Internet technology, which can train participants by all kinds of mobile devices or computer terminals. Meanwhile, they can receive training results feedback and prompt reminders of the training in real-time. In present study, we analyzes and summarizes the current mainstream online cognitive training software. Also, We primarily focuses on the most widely three online training program aspects: working memory, attention and speed of processing. The result shows that online working memory training has obvious near transfer effect. However, the result indicates that there was no consistent evidence for far transfer to the fluid intelligence. The training of online processing speed and attention can show better near transfer and far transfer effect. At the same time, there are some controversy about the maintenance of those online training effect. Based on the above results, this study put forward the following suggestions for future research: laying emphasis on longitudinal follow-up study design to explore the maintenance effect of training, carrying out experiments in combination with relatively objective brain imaging techniques (e. g., fMRI) to detect the brain mechanism of the training effect, probing into the root cause of the training effect and identifying the relationship between the amount of training and training benefits.
Key words : cognitive training; working memory training; attention training; speed of processing training; transfer effect
基金项目： 国家自然科学基金(31972906); 重庆市人力资源与社会保障局2017年留学人员回国创业创新支持计划(cx2017049); 中央高校基本科研业务费(SWU1809003)和中国基础教育质量监测协同创新中心2016年度秋季学期研究生自主课题(SCSM-2016A2-15003)。
通讯作者: 何清华, E-mail: heqinghua@swu.edu.cn
分类号 B849
DOI :10.16842/j.cnki.issn2095-5588.2019.11.005
标签：认知训练论文; 工作记忆训练论文; 注意力训练论文; 加工速度训练论文; 迁移效应论文; 西南大学心理学部认知与人格教育部重点实验室论文; 中国基础教育质量监测协同创新中心西南大学分中心论文; 重庆市脑科学协同创新中心论文;