论文部分内容阅读
文理分科,在中国,是一种把高中阶段的教学课程分成文科和理科并对选择不同学科的学生分别进行教育的制度。学生也因选择了不同的学科而被分成文科生和理科生。而长期的分科教育在潜移默化中影响着学生。先前的研究主要集中在文科生和理科生之间的行为差异。本文主要从脑科学的角度出发,结合脑电实验,研究由于长期分科训练对文科生和理科生大脑功能网络的影响,以及脑网络和高考成绩间的关系。本文主要完成的内容和研究结果如下:(1)基于采集到的头表脑电图(Electroencephalogram,EEG)数据,我们首先构建了文科生和理科生在多种状态下的大脑功能网络;随后,我们对比分析了两种不同状态下两类学生间的大脑拓扑结构的差异。研究结果发现:在静息态下,文科生具有比理科生更活跃的大脑活动;任务时,和理科生相比,文科生表现出了与任务相关区域间的更强耦合关系。此外,我们进一步获取了部分学生的高考成绩,进而统计了其脑网络和高考成绩间的相关性(由于文科生提供高考成绩的样本过少,未对文科生进行相应分析)。研究结果发现,理科生的大脑网络效率和高考数学成绩之间存在显著的正相关关系,并且具有显著相关性的连接边出现在与数学计算相关的大脑区域;同时,和高考语文成绩并没有显著性的关联。我们又将理科生按高考的数学成绩,分成高分和低分两组,相应的统计结果也表明了这两组理科生的大脑在网络属性上存在显著的差别。(2)前一项研究揭示了:在静息态下,文科生和理科生的脑网络在拓扑结构上存在显著的差异。在本研究中,我们分别计算了文科生和理科生的网络属性,并基于构建的加权功能脑网络,利用共空间模式方法来捕捉脑网络中隐含的空间拓扑信息。为了改善分类性能,本研究将网络属性和空间模式网络中提取的特征进行融合,并通过线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM)对文科生和理科生进行基于静息态网络的分类识别。研究结果发现:在多种特征相互融合的条件下,LDA和SVM都可以取得较好的分类识别表现;其中,LDA可以获得85.07%的最高识别准确率。借助于脑网络分析方法,本研究对文科和理科生的大脑网络差异进行了一系列的研究,旨在揭示文理分科后的长时程特异化训练以及学习对学生不同认知行为的影响,进而获取与其认知行为相对应的大脑拓扑结构的差异,为文理分科问题的研究提供新的思路和方向。本研究的结果证明了长时程的学习训练对大脑可塑性的影响,以及由它引起的文科生和理科生的思维和认知方式的不同。另外,对脑网络和个人成绩的相关性研究证实了静息态EEG网络效率实际上和个人考试成绩存在显著的相关关系。更为重要的是,我们的研究证明了:虽然长期的专业化学习和训练能够有效地增强学生处理相关信息的能力,但这种基于文理分科的应试教育模式有可能在一定程度上阻碍了个人的全面个性化的发展。