Związek między błądzeniem w myślach a czytaniem ze zrozumieniem: metaanaliza, część 2

metoda

Przeprowadzono systematyczne wyszukiwanie zgodnie z zaleceniami dotyczącymi raportowania Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) (Moher i in., 2010) w celu zidentyfikowania badań opisujących wpływ MW na RC u zdrowych nastolatków lub dorosłych. Wyszukiwanie przeprowadzono przy użyciu następujących akademickich baz danych: Web of Science, Scopus, PubMed i EBSCO (tj. PsychInfo, PsychArticles i ERIC). Przeszukiwanie bazy danych przeprowadzono między styczniem 2020 r. a marcem 2020 r. i ograniczono do anglojęzycznych, recenzowanych czasopism.

Wraz z ciągłym rozwojem społeczeństwa ludzie zwracają coraz większą uwagę na zdrowie. Młodzież jest przyszłością kraju, a jej zdrowie fizyczne i psychiczne ma kluczowe znaczenie dla przyszłego rozwoju kraju. RC i pamięć odgrywają również niezwykle ważną rolę w nauce i życiu nastolatków.

Najpierw zrozum, czym jest RC i pamięć. RC lub „Recall” odnosi się do automatycznego przywoływania tego, czego się nauczyliśmy, bez monitowania po treningu pamięci. Pamięć odnosi się do zdolności pamięci osobistej do przechowywania i odtwarzania informacji.

Czy zdrowe nastolatki mogą pomóc w RC i pamięci? Odpowiedź brzmi tak. Wzmocnienie ćwiczeń fizycznych może poprawić sprawność fizyczną, poprawić stan psychiczny, poprawić krążenie krwi, korzystnie wpłynąć na odżywianie i dotlenienie mózgu oraz poprawić pamięć. Ponadto odpowiednie ćwiczenia mogą również poprawić jakość snu i poprawić pamięć. Dobry sen może również chronić neurony mózgowe i sprawić, że mózg będzie zdrowszy.

Ponadto bardzo ważna jest również zdrowa dieta. Ciała nastolatków szybko rosną i rozwijają się. Brak odżywiania będzie miał ogromny wpływ na organizm. Uwaga i zrównoważone odżywianie w żywieniu może sprawić, że ciało będzie zdrowsze, a także może promować zdrowy rozwój mózgu i poprawić pamięć.

Ponadto dobry stan psychiczny może również poprawić RC i pamięć. Negatywne emocje, takie jak depresja i depresja, uszkadzają mózg, podczas gdy optymistyczne nastawienie może promować poczucie przyjemności w mózgu, sprawić, że będzie on bardziej aktywny i poprawić pamięć.

Podsumowując, zdrowa młodzież sprzyja poprawie RC i pamięci. Dopóki zawsze zwracasz uwagę na zdrowie fizyczne i psychiczne oraz rozwijasz dobre nawyki życiowe, możesz poprawić swoją RC i pamięć oraz lepiej promować naukę i życie młodych ludzi. Widać, że musimy poprawić naszą pamięć. Cistanche może pomóc nam poprawić pamięć, ponieważ Cistanche może również regulować równowagę neuroprzekaźników, takich jak zwiększanie poziomu acetylocholiny i czynników wzrostu. Substancje te są bardzo ważne dla pamięci i uczenia się. Ponadto mięso z Rongrong może również poprawić przepływ krwi i promować dostarczanie tlenu, co może zapewnić wystarczające odżywienie i energię dla mózgu, poprawiając w ten sposób witalność i wytrzymałość mózgu.

Kliknij, aby poznać sposoby na poprawę funkcji mózgu

Wyszukiwane hasła związane z MW („wędrówki umysłowe”, „marzenia na jawie”, „bezmyślne”, „wyskakujące myśli”, „myśli niezależne od bodźców”, „myśli niezwiązane z zadaniami”, „myśli wygenerowane przez siebie”, „wychodzenie na strefy”) zostały połączone z wyszukiwanymi hasłami związanymi z RC („czytanie ze zrozumieniem”, „czytanie”, „rozumienie”). Rysunek 1 ilustruje proces wyszukiwania i wynik. Szara literatura nie została uwzględniona w niniejszej metaanalizie.

Zgodnie z sugestią Schmuckera i in. (2017), chociaż badania z wyłączeniem szarej literatury mogą prawdopodobnie przeszacowywać efekty leczenia, obecne badania empiryczne pokazują, że dzieje się tak tylko w przypadku mniejszości przeglądów; ponadto stronniczość publikacji może w szczególności wpłynąć na określone dziedziny badawcze, w których istnieje potrzeba szybszego publikowania pozytywnych wyników.

Ponadto szara literatura na ogół nie jest recenzowana, a wewnętrzna ważność niepublikowanych danych może być trudna do oceny ze względu na słabe raporty z badań, co prawdopodobnie zwiększa ryzyko stronniczości. Wreszcie, chociaż szara literatura jest ważnym źródłem metaanaliz, istnieje niewiele konkretnych wskazówek i nie ma akceptowanej złotej metody przeprowadzania rygorystycznych poszukiwań szarej literatury (Paez, 2017).

Of the 314 article titles identified, through the evaluation of two independent coders (third and fourth authors), 61 were considered eligible for further analysis and fully read. Interrater agreement on abstract selection was 93.02%; in case consensus was not achieved, the first and last authors jointly reached a final evaluation. Full texts were included in the meta-analysis when studies (a) reported measures of MW and RC (e.g., studies with recall tasks were excluded), (b) involved school-aged participants (>10 lat) i/lub dorosłych (w wieku 18–40 lat) umiejących czytać bez zgłaszanego stanu klinicznego, (c) zgłoszone wskaźniki korelacji (r Pearsona) między MW a RC. W przypadku wyboru pełnego tekstu dwóch niezależnych programistów (trzeci i czwarty autor) zakończyło pierwszą ocenę z porozumieniem międzygatunkowym na poziomie 91,7 procent; jeśli nie osiągnięto konsensusu, pierwsi i ostatni autorzy wspólnie doszli do ostatecznej oceny.

Trzeci i czwarty autor najpierw zakodowali dane przedstawione w tabeli 1, następnie pierwszy autor przeprowadził niezależne kodowanie danych, a ostatni autor dalej sprawdzał wszystkie rozbieżności z oryginalnym zbiorem danych.

W sumie do metaanalizy włączono 25 artykułów (patrz ryc. 1), co daje w sumie 73 współczynniki korelacji, które wyłoniły się z wielu wskaźników korelacji zgłoszonych w niektórych badaniach.

Analiza danych

Wszystkie współczynniki korelacji wprowadzono niezależnie w przypadku prac z wieloma badaniami lub współczynnikami korelacji wielokrotnej między MW i RC w różnych warunkach. W przypadku badań zgłaszających korelacje z udziałem czynników ukrytych (pochodzących z potwierdzającej analizy czynnikowej) korelacje między manifestacją a zmienną uzyskano z załączników zawartych w badaniach lub kontaktując się z autorami i prosząc o oryginalne zbiory danych (Soemer i Schiefele, 2019; Soemer i in. , 2019). Wszystkie przypadki badań zgłaszających czynniki ukryte zostały rozwiązane, a ostateczna analiza obejmowała tylko oczywiste (r Pearsona) wskaźniki korelacji.

Każda z analiz została przeprowadzona w R (wersja 4.1.1) z wykorzystaniem pakietu pomiarowego (Balduzzi et al. 2019; Schwarzer, 2007) metodą puli wariancji Huntera-Schmidta. Ponieważ badania różnią się pod względem kilku cech, w tym języka, rodzaju tekstu, zadania RC i oceny MW, można spodziewać się pewnej heterogeniczności między badaniami, co powoduje konieczność przyjęcia modelu łączenia efektów losowych.

Heterogeniczność między badaniami jest mierzona estymatorem Sidika-Jonkmana (Cuijpers, 2016). Przyjęcie modelu efektu losowego było również potrzebne, aby uwzględnić zmienność metodologiczną w badaniach (tj. zmienność wewnątrz wynikająca z powtarzających się schematów uczestników; Hedges i Vevea, 1996). Model efektów losowych rozkłada wariancję za pomocą dodatkowego składnika, który wychwytuje dodatkową zmienność i oblicza skorygowaną wagę efektów losowych dla każdego badania. Ogólna metoda łączenia odwrotnej wariancji została również wykorzystana do połączenia korelacji z różnych badań w jedną zbiorczą ocenę korelacji. Łącząc korelacje, zastosowaliśmy transformację z Fishera, aby uzyskać wagi dla każdego badania.

Przeprowadzono analizy metaregresji, aby ocenić, czy wiek, typ języka (tj. przezroczysty/nieprzejrzysty), typ tekstu (tj. informacyjny/narracyjny), długość tekstu (tj. liczba słów), ocena MW (tj. kwestionariusze oparte na cechach, sondy, samoopis online, samoopis po teście, spojrzenie wzrokowe) oraz procedury RC (tj. pytania otwarte, prawda-fałsz, pytania wielokrotnego wyboru) można uznać za interweniujące czynniki związku między MW a wynikami RC.

Ze względu na identyfikowalność, w analizie regresji z predyktorami kategorialnymi, takimi jak niektórzy z naszych moderatorów, dla każdego moderatora (np. przecięcie modelu. Pozostałe poziomy (np. otwarty i prawda-fałsz) są mierzone w przeciwieństwie do poziomu referencyjnego. W tabeli 2 kategorię referencyjną podano w przypisach.

Inne potencjalne mediatory, takie jak zainteresowanie tematem, trudność tekstu i pojemność pamięci roboczej, zostały zgłoszone w niektórych badaniach, ale tylko jako wartości korelacji z MW (patrz Tabela 1). W każdym razie uwzględniliśmy te wskaźniki korelacji jako potencjalne moderatory relacji między MW i RC. Ostatecznie błąd publikacji oceniono za pomocą regresji Eggera, statystyki testu Begga oraz procedury przycinania i wypełniania Duvala i Tweedie (2000), aby sprawdzić, czy łączny efekt oszacowany w naszej metaanalizie mógł być wyższy niż rzeczywista wielkość efektu ponieważ nie uwzględniliśmy brakujących badań o niższych efektach, ponieważ nigdy nie zostały one opublikowane (Rothstein i in., 2006). Zgodnie z sugestią Cartera i in. (2019), żadna pojedyncza metoda metaanalityczna konsekwentnie nie przewyższała wszystkich innych, dlatego też raportowanie różnych metod jest sugerowane jako wartościowe podejście.

Wyniki

Przegląd włączonych badań

Spośród 25 zidentyfikowanych artykułów 15 artykułów (60 procent) obejmowało więcej niż jedno badanie, co daje w sumie 73 badania (tj. współczynniki korelacji) ostatecznie włączone do metaanalizy. Tak więc w 25 referatach wzięło udział łącznie 3926 uczestników. Tabela 1 przedstawia szczegóły badań przedstawionych w każdym zidentyfikowanym artykule.

Badania przeprowadzono głównie w krajach anglojęzycznych (n=50; 68,5 proc.). Inne kraje to Niemcy ( n=19; 26 procent ), następnie Włochy ( n=1; 1,4 procent ) i Oman ( n=1; 1,4 procent ). Dwa badania opisane w jednym artykule (Bixler i D'Mello, 2016) dotyczyły wielu języków (2,7 proc.). Gdy dostępne były szczegółowe informacje na temat języka testowania, typ języka był kodowany jako przejrzysty (włoski, niemiecki) stół lub nieprzejrzysty język (angielski, arabski), zgodnie z Seymour et al. (2003). W większości badań (n=62; 84,9 procent) wykorzystano informacyjny materiał pisemny, podczas gdy w pozostałych badaniach wykorzystano teksty narracyjne (n=7; 9,6 procent) lub nie podano wyraźnie rodzaju użytego tekstu ( n=4; 5,5 procent). Długość użytych tekstów została zgłoszona w 38 (52 procent) z 73 indywidualnych badań włączonych do analiz. Teksty zawierały średnio M=2 991,92 słów (SD=2 327,55 słów). We wszystkich badaniach RC oceniano głównie za pomocą pytań wielokrotnego wyboru (n=61; 83,6 procent), podczas gdy 4,1 procent obejmowało pytania otwarte, a 6,8 procent obejmowało pytania prawda-fałsz; inni zgłosili jedynie stosowanie standardowych testów bez podania konkretnej modalności (5,5 procent). Sondy online były najczęściej używane (n=56; 76,7 procent) do oceny MW, następnie 2,7 procent przyjęło samoopis online, 6,9 procent samoopis po teście, 8,2 procent pomiary cech i 5,5 procent przy użyciu wzroku środki. Powiązania między MW a zainteresowaniami tematycznymi, trudnością tekstu i pojemnością pamięci roboczej odnotowano tylko odpowiednio w 41 (56 procent), czterech (5,47 procent) i 25 (32,5 procent) badaniach.

Związek między MW i RC

W pierwszej analizie uwzględniono wskaźniki korelacji z 73 indywidualnych badań (zob. tabela 1). Heterogeniczność I2 w tej analizie wynosi około 60 procent, co potwierdza zastosowanie modelu efektu losowego. Jak widać z danych wyjściowych (patrz ryc. 2), zbiorcza korelacja w tym zbiorze danych wynosi r=− 0,21 (p < .000 1, 95 procent CI [-0,24, −0,1]), co wskazuje na istotny negatywny związek między MW a RC — to znaczy, że osoby, które mają tendencję do błądzenia w myślach, częściej wykazują słabsze czytanie ze zrozumieniem. Ta sama analiza na sondowanej MW daje podobne wyniki, z łączną korelacją r=-0,23 (p <0,0001, 95 procent CI [-0,26, -0,19]).

Przeprowadzono dodatkową analizę wrażliwości, aby przetestować wpływ badań z więcej niż jednym eksperymentem, łącząc je z ich średnią korelacją. Ta analiza dała ogólną korelację -{{0}},23 CI [-0,29, -0,18], co jest zgodne z wynikami pełnych danych . Wreszcie, aby ocenić stronniczość publikacji i potwierdzić solidność tych ustaleń, zastosowaliśmy regresję Eggera, statystyki testu Begga oraz analizę przycięcia i wypełnienia. Wykres lejkowy pokazany na ryc. 3 pokazuje asymetryczny wzór sugerujący potencjalne obciążenie. Regresja Eggera ma wartość p na granicy istotności (t {{1{26}}}},49, df=71, p =, 0,0152). Test statystyki Begga nie jest istotny (z=0 0,83, p=0,4064), co wskazuje na brak błędu systematycznego. Ostatecznie procedura przycinania i wypełniania dodała łącznie 13 badań i dała skorygowaną korelację, która jest nadal istotna (r=-0,25, p <0,0001, 95 procent CI [-0,29, -0,21]). Warto zauważyć, że wartości odstające pokazane na ryc. 3 były zrównoważone w całym spektrum możliwych wartości r (± 1).

Test moderatorów

Efekty rozważanych moderatorów, które mogą wpływać na relacje między MW i RC, przedstawiono w tabeli 2. W szczególności przetestowaliśmy wpływ wieku, typu języka tekstu (przezroczysty vs. nieprzejrzysty), typu tekstu, długości tekstu, oceny MW, trudności tekstu i ocena RC. Spośród nich wiek ma znaczący negatywny wpływ: gdy wiek wzrasta o jeden rok, korelacja zmniejsza się średnio o −0.{3}}16, co daje nieco wyższą korelację ujemną. Zamiast tego język przejrzysty w porównaniu z nieprzejrzystym wiąże się ze wzrostem korelacji średnio o 0,096, co jednak nie było w pełni istotne (p =,021). Wykorzystanie kwestionariuszy opartych na cechach do oceny MW w odniesieniu do sond online spowodowało średni znaczący wzrost korelacji między MW a RC o 0,305, co doprowadziło do prawie zerowej korelacji. Żadna z innych rozważanych zmiennych moderujących (tj. typ tekstu, długość tekstu, ocena RC, trudność tekstu, zainteresowanie tekstem i pamięć robocza) nie wpływa znacząco na korelację.

Dyskusja

Niniejsze badanie miało na celu przeprowadzenie, po raz pierwszy w odniesieniu do dotychczasowego piśmiennictwa, kompleksowego przeglądu i metaanalizy relacji między MW i RC a potencjalnymi moderatorami.

Najpierw omówimy siłę relacji i rolę moderatorów. Następnie przejdziemy do zdefiniowania teoretycznego podejścia do interpretacji związku i związanych z nim moderatorów rozpatrywanych w świetle dotychczasowej literatury oraz wskazania nowych perspektyw i przewidywań.

Z metaanalizy wszystkich wybranych badań wynika, że ​​zależność jest ujemna i istotna (r=− 0,21), z podobną tendencją, gdy weźmie się pod uwagę tylko badania, w których MW badano za pomocą sond zadaniowych (r=−.23). Zgodnie z powszechnie stosowanymi wytycznymi korelację można ogólnie rozpatrywać w zakresie od niskiego do umiarkowanego (zob. np. Cohen, 1992), jak sugerują Delgado i in. (2018). Jak dodatkowo zasugerowali Gignac i Szodorai (2016) w przypadku badań dotyczących indywidualnych różnic psychologicznych, korelacje w zakresie od 0,19 do 0,29 można rozważyć na poziomie 50. percentyla („średni”). Ponadto, wraz z wielkością efektu, argumentujemy, że znaczenie tego wyniku należy również interpretować w świetle dowodów, że wielkość efektu w zakresie od -0,21 do -0,32 jest istotna w polu RC, ponieważ reprezentuje około dwóch- jednej trzeciej rocznego wzrostu RC w szkole podstawowej (Luyten i in., 2017) oraz około jednej trzeciej efektu interwencji polegających na czytaniu wyrównawczym (Scammacca i in., 2015).

Warto zauważyć, że siła związku stwierdzona w niniejszym badaniu odzwierciedla to, co stwierdzono w poprzedniej metaanalizie (tj. -0,24) przeprowadzonej w celu oceny związku między MW a wynikami dorosłych w szerokim zestawie funkcji poznawczych zadania inne niż RC (np. kontrola zakłóceń, ciągła uwaga, wyszukiwanie wizualne; Randall i in., 2014). W przypadku odpowiednika było niższe niż to, co stwierdzili D'Mello i Mills (2021), którzy połączyli wyniki z ich laboratorium z wynikami dotyczącymi czytania zgłoszonymi w badaniu Randalla i wsp., co dało korelację r {{5 }} −0,31.

Ogólnie rzecz biorąc, nasze wyniki są zbieżne z wcześniejszymi ustaleniami, które ogólnie potwierdzały negatywny związek między MW a wykonaniem zadania (patrz np. Randall i in., 20}14), aw szczególności RC. Co najważniejsze, taka zależność jest stosunkowo spójna w różnych metodologiach i potencjalnych moderatorach. W szczególności stwierdzono istotny wpływ wieku, ze zwiększoną ujemną zależnością u dorosłych i efektem oceny MW, z prawie zerową zależnością między RC a MW, gdy ta ostatnia jest mierzona za pomocą miar opartych na cechach zamiast sond lub post - samoopis. Ostatecznie wystąpił marginalny wpływ języka, ale nie stwierdzono wpływu pamięci roboczej, trudności tekstu, zainteresowania tematem, rodzaju tekstu (narracyjny vs. informacyjny) i długości tekstu. Biorąc pod uwagę wiek, związek między MW a RC stawał się coraz bardziej ujemny wraz z wiekiem, z szacowaną zmianą o -0,016 rocznie. Warto zauważyć, że badania uwzględnione w naszym przeglądzie dotyczyły zarówno uczestników w wieku szkolnym, jak i dorosłych; dlatego nie wzięliśmy pod uwagę literatury na temat starzenia się, która zwykle donosi, że starsi dorośli mają tendencję do wykazywania niższego wskaźnika MW niż młodsi dorośli (np. Krawietz i in., 2012). Jeśli MW ma tendencję do zmniejszania się z biegiem lat, można postawić hipotezę, że młodsi ludzie są bardziej przyzwyczajeni do MW, podczas gdy ci, których umysły częściej wędrują jako dorośli, mogą mieć wyraźniejsze trudności w hamowaniu myśli niezwiązanych z zadaniami, co prowadzi do silniejszego skojarzenia między MW a RC.

Jeśli chodzi o język, większość badań przeprowadzono na tekstach angielskich, a mniejszość na niemieckim, arabskim i włoskim, a język nie okazał się znaczącym moderatorem. Na koniec należy podkreślić, że nie przeprowadzono badań, w których wymagane byłoby czytanie w drugim języku, a dalsze badania powinny dotyczyć związku między zmianami MW i RC u osób uczących się drugiego języka.

Z teoretycznego punktu widzenia istotna korelacja oznacza, że ​​te dwa konstrukty nakładają się, przynajmniej pod względem kowariancji, ponieważ związek między MW i RC jest stosunkowo spójny i niezależny od zestawu kluczowych moderatorów, które w poprzedniej literaturze wyróżniono jako istotne markery albo MW lub RC. Zestaw wspólnych czynników, które obejmują zarówno cechy tekstu, jak i indywidualne różnice w pamięci roboczej, może wpływać zarówno na wydajność RC, jak i występowanie MW, ale wydaje się, że nie wpływają one na związek między tymi dwoma konstruktami; spekulując, że zarówno MW, jak i RC mogą odpowiednio modyfikować swoje ścieżki, przynajmniej do pewnego stopnia, w ramach odwrotnej zależności. W ramach tego poglądu jednostronny model przyczynowy, taki jak kaskadowy model nieuwagi (Smallwood, 2011), może nie w pełni uchwycić charakter relacji i wspólnych podstaw.
Dlatego proponujemy interpretować związek między RC i MW jako „huśtawkę w górę iw dół”, gdzie gdy jeden wymiar jest w górę, drugi spada i odwrotnie, z ruchem dwóch stron wahnięcia (tj. MW i RC) określone zarówno przez czynniki wspólne, jak i specyficzne dla strony (patrz ryc. 4).

W oparciu o obecną metaanalizę, pamięć roboczą, trudność tekstu, zainteresowanie tematem i długość tekstu można uznać za wspólne czynniki, które w równym stopniu wpływają na procesy MW i RC, prawdopodobnie modulowane przez indywidualne różnice w kontroli uwagi, które dodatkowo wpływają na zakres, w jakim czytelnik może dostosować się do żądań wewnętrznych i zewnętrznych. Ponieważ jednak MW i RC to dwie konstrukty, które nie całkowicie się pokrywają, zdajemy sobie również sprawę, że mogą istnieć czynniki specyficzne dla miejsca, które napędzają ruch przede wszystkim jednej strony swingu, takie jak nastrój w przypadku MW lub umiejętności dekodowania i słownictwo w przypadku RC . Te specyficzne dla miejsca czynniki, chociaż wywierają wpływ głównie na jedną stronę wahania (np. MW), mogą jednak mieć pośredni wpływ na drugą stronę (np. RC).

W oparciu o to teoretyczne podejście można przedstawić kilka dalszych rozważań dotyczących czynników wspólnych lub specyficznych dla danego miejsca.

Po pierwsze, wiadomo, że pamięć robocza, która jest ściśle związana z kontrolą uwagi, wpływa zarówno na MW (McVay i Kane 2009; Randall i in., 2014; Unsworth i McMillan, 2013), jak i na RC (De Beni i in., 1998; Follmer, 2018; Palladino i in., 2001). Niska pojemność pamięci roboczej jest związana ze zwiększonym myśleniem o zadaniu (tj. MW), co z kolei może wpływać na wydajność w zadaniach wymagających uwagi, takich jak czytanie (McVay i Kane, 2012). Jednak słaba pamięć robocza jest również uznawana za kluczowy element samego procesu czytania ze zrozumieniem, obejmujący zdolność do aktualizowania istotnych informacji i odrzucania nieistotnych (Palladino i in., 2001). Wyniki tego procesu są szczególnie istotne przy budowaniu modelu sytuacyjnego.

Podczas czytania łatwego tekstu, który nagle staje się trudny przez obciążenie procesów pamięci roboczej (np. dłuższe zdania, słowa o niskiej częstotliwości), powinniśmy zaobserwować spadek MW i wyższe zasoby wydajności rozumienia. I odwrotnie, osoba z niską pojemnością pamięci roboczej napotkałaby albo trudności w procesach rozumienia (np. utrata lub niemożność wykrycia istotnych informacji) albo obniżoną kontrolę uwagi przy zwiększonej MW. Innymi słowy, osoba ta może nie być w stanie dynamicznie dostosowywać zasobów poznawczych, co skutkuje wysokim MW i niskim poziomem rozumienia tekstu czytanego. Podobny wzorzec może dotyczyć innych moderatorów uwzględnionych w niniejszym badaniu, takich jak trudność tekstu i zainteresowanie tematem.

Niektóre wcześniejsze badania sugerowały, że podatność na MW nie była zależna od kontekstu RC (McVay i Kane, 2012) i że zainteresowanie miało pośredni wpływ na czytanie ze zrozumieniem poprzez MW (Unsworth i McMillan, 2013). Natomiast pojemność pamięci roboczej miała zarówno bezpośredni wpływ na RC, jak i pośredni poprzez MW, co sugeruje, że przynajmniej w niektórych przypadkach MW ma przyczynowy wpływ na RC. Z pewnością literatura podaje również zestaw specyficznych uwarunkowań, które zwiększają prawdopodobieństwo MW i które mogą pośrednio wpływać na RC poprzez MW.

Na przykład osoby, które tuż przed przeczytaniem tekstu dokonały przeglądu swoich planów na najbliższą przyszłość, częściej angażowały się w MW podczas czytania (Kopp i in., 2015). Jednak większość literatury na temat związku między MW i RC pochodzi od badaczy, którzy przede wszystkim badali wpływ MW na RC, ale zebrano mniej dowodów na to, w jaki sposób RC może modulować MW. Dlatego możemy opracować dalszą propozycję do przyszłych badań - to znaczy przeanalizować, czy indywidualne różnice w procesach poznawczych i językowych leżących u podstaw RC mogą działać jako wyzwalacze dla MW. Z tego punktu widzenia możemy postawić hipotezę, że indywidualne różnice w ogólnych funkcjach poznawczych używanych podczas czytania (Li i in., 2022) odgrywają rolę w związku między MW a RC.

Wiadomo, że na RC mają wpływ zarówno umiejętności dekodowania, jak i zdolności językowe, zgodnie z Simple View of Reading (Gough i Tunmer, 1986). Stwierdzono na przykład, że osoby z zaburzeniami czytania częściej błądzą myślami podczas czytania we własnym tempie w porównaniu z czytaniem z zamiany tekstu na mowę (Bonifacci i in., 2022). Sugeruje to, że zmniejszenie obciążenia poznawczego związanego z dekodowaniem u słabych czytelników pozwoliłoby im bardziej skupić się na zadaniu lub odwrotnie, zaangażowanie w dekodowanie zwiększa prawdopodobieństwo zaangażowania się w MW. Dlatego słaba kontrola uwagi i późniejsza MW w niektórych przypadkach mogą być wynikiem trudności z dekodowaniem, które przeciążają zasoby poznawcze uczestników.

W innych przypadkach zestaw słabości w procesie rozumienia, jak w przypadku osób słabo rozumiejących (np. metaanaliza przeprowadzona przez Spencer i Wagner, 2018), może spowodować błądzenie umysłu. Awarie na każdym etapie współWreszcie, trudności w odzyskaniu wcześniejszej wiedzy i brak modelu czytania ze zrozumieniem opartego na instrukcji z wcześniejszą wiedzą doprowadziłyby do „przeciążenia” w zakresie kontroli uwagi, co dodatkowo zwiększa szansę umysłu na zaangażowanie się w MW .

Na przykład ubogie słownictwo (Spencer i in., 2014) może zakłócać pierwszy powierzchowny poziom rozumienia tekstu, pozwalając umysłowi na poszukiwanie znaczeń i zwiększając prawdopodobieństwo myśli niezwiązanych z zadaniem. Trudności w gramatyce, morfologii i umiejętnościach składniowych (np. Tong i in., 2014; Tong i in., 2011) mogą wpływać na konstruowanie mikro- i makrostruktur na poziomie propozycji, co z kolei odwraca uwagę kontrola ze zwiększoną szansą na MW przed przeszkodami w RC. Wreszcie trudności w odzyskaniu wcześniejszej wiedzy, brak wcześniejszej wiedzy lub trudności w przetwarzaniu wniosków mogą mieć szkodliwy wpływ na zdolność do budowania modelu sytuacyjnego. Kiedy ludziom nie udaje się zbudować modelu sytuacyjnego, uważa się, że odrywają się od tekstu i błądzą myślami (Kahmann i in., 2022).

Po drugie, najsilniejszy wpływ na wskaźniki moderacji dotyczy metodologicznej oceny MW. Konkretnie, będąc kwestionariuszami opartymi na cechach (tj. kiedy ludzie są proszeni o zgłaszanie swojego poziomu MW w życiu codziennym) używanymi do oceny MW zamiast sond online (tj. kiedy ludzie są zobowiązani do odpowiedzi na sondy myślowe w celu oceny ich chwilowego MW podczas czytania) oznaczałoby średni wzrost korelacji między MW a rozumieniem tekstu o 0},30, prowadząc w ten sposób do prawie zerowej korelacji.

I odwrotnie, zarówno pomiary MW online, jak i po samoopisie dają podobne wyniki jak sondy (patrz Tabela 2). Chociaż ogólnie ocenę MW opartą na cechach i sondy można uznać za pozytywnie powiązane (McVay i Kane 2009; Seli i in., 2016), siła tego związku jest zwykle słaba. W świetle wyników naszej metaanalizy, dla której miary MW oparte na cechach mają zwykle zerową korelację z wynikami RC, można kwestionować ważność miar opartych na cechach w badaniach czytania, ponieważ mogą one być tylko niejasno związane z złożona sieć procesów powiązanych z konstruktem MW (np. Seli i in., 2016). Jeśli chodzi o nasze wcześniej zaproponowane podejście teoretyczne, brak związku między cechą MW a RC jest zgodny z ideą, że efekt wahania może działać tylko na proces online MW podczas zadania: podczas gdy stan MW odzwierciedla chwilowe (przejściowe) doświadczenia, cecha MW może być bardziej związany z osobowością i tożsamością danej osoby (da Silva, 2020).

Z tego punktu widzenia te dwie miary (tj. stan/cecha) mogą uchwycić tylko częściowo nakładające się procesy, które mogą w różny sposób wpływać na wpływ MW na RC. Nie znaleźliśmy efektów moderacji dotyczących sposobu pomiaru RC (tj. pytania wielokrotnego wyboru vs pytania otwarte vs. prawda-fałsz). Jednak stosunkowo niewielka liczba badań z wykorzystaniem pytań otwartych utrudnia spekulacje na temat możliwych przyczyn braku efektu. Więcej badań bezpośrednio porównujących wyniki w pytaniach wielokrotnego wyboru i pytaniach otwartych byłoby przydatnych do wyjaśnienia związku między MW a typem pytania.

Podsumowując, nasza propozycja efektu wahań jest komplementarna, a nie kontrastowa, z kaskadowym modelem nieuwagi (Smallwood, 2011) i sugeruje, że mogą istnieć wspólne czynniki, które wpływają na oba konstrukty jednocześnie. W przeciwieństwie do tego, w innych przypadkach mogą istnieć wpływy przyczynowe z jednej ze stron, które pośrednio wpływają na drugą stronę. Możliwości kontroli uwagi mogą modulować sposób, w jaki czytelnik może dostosować występowanie MW podczas czytania zgodnie z charakterystyką tekstu i zdolnościami czytelnika. Przyszłe badania powinny lepiej zrozumieć efekty wspólne i pośrednie (mediacyjne), biorąc pod uwagę obie perspektywy, w tym pomiary MW w badaniach RC i odwrotnie, i ewentualnie angażując grupy uczestników z określonymi zaburzeniami kontroli uwagi (np. ADHD), dekodowania (np. , dysleksja) lub umiejętności rozumienia (np. osoby słabo rozumiejące). Należy również podkreślić, że związek między RC a MW, choć istotny, mieści się w umiarkowanym zakresie; dlatego te dwa konstrukty tylko częściowo się pokrywają, a każdy z nich może mieć również niezależne cechy i ścieżki. W oparciu o nasze wyniki dotyczące procedur oceny MW, badacze powinni ostrożnie interpretować wyniki z badań, w których zastosowano wyłącznie miary oparte na cechach, aby oszacować indywidualną tendencję do MW lub strefę podczas czytania.

Istnieją pewne ograniczenia w niniejszym badaniu, które należy wziąć pod uwagę. Po pierwsze, w większości analiz dotyczących moderatorów liczba dostępnych danych była ograniczona iz ograniczoną, choć akceptowalną, zmiennością. W szczególności potrzeba więcej dowodów dotyczących roli zainteresowania tekstem i trudności tekstu. Ponadto nie uwzględniono innych czynników, takich jak rozróżnienie między dobrowolną i mimowolną MW, ze względu na brak wystarczających informacji w wybranych badaniach. Wreszcie, szara literatura nie została uwzględniona w metaanalizie, z potencjalnym przeszacowaniem zgłaszanego efektu. Jednak w tym względzie, biorąc pod uwagę stwierdzoną małą do średniej korelację i brak znaczącej stronniczości publikacji, brak szarej literatury nie wydaje się umniejszać ogólnej interpretacji wyników niniejszego badania. Wreszcie, nie mogliśmy dokładnie kontrolować długości sekcji, ponieważ informacje te nie były podawane konsekwentnie w badaniach; dlatego wzięliśmy pod uwagę całkowitą liczbę słów w tekście, która była nieistotna.

Pomimo tych ograniczeń jest to jak dotąd pierwsza systematyczna analiza wielkości związku między MW a RC. Obecne wyniki są zgodne z poglądem, że MW może być szkodliwe dla RC, ale ścieżki przyczynowe, które mogą determinować taki związek, nie zostały jeszcze udokumentowane.

Niemniej jednak nasze wyniki mogą mieć natychmiastowe implikacje praktyczne. Na przykład ważne jest promowanie świadomości związku między MW a RC w placówkach edukacyjnych. MW to nie tylko „odwrócenie uwagi” od czytania, ale raczej składnik procesu, który może się aktywować w zależności od tekstów i cech uczestników. Opracowanie strategii zmniejszania MW (np. uważność) może poprawić RC, az drugiej strony, praca nad tekstami faworyzującymi RC (np. czytelność, zainteresowanie tematem) może zmniejszyć zaangażowanie uczestników w MW. Ostatnia kwestia, która może otworzyć dalsze badania, dotyczy zawartości MW. Biorąc pod uwagę, że MW w niektórych przypadkach ma korzystny wpływ na funkcje poznawcze, dalsze badania powinny dać odpowiedź na pytanie, „które treści MW zakłócają RC, a które zamiast tego są korzystne”.

Wkład autorów

CV i EC przeprowadziły kwerendę bibliograficzną, dokonały wspólnej oceny abstraktu i pełnego tekstu zawartego w opracowaniu, usystematyzowały dane do analizy, PB i LD nadzorowały i brały udział w każdym etapie badań, CV prowadziły analizę statystyczną, PB i LD napisał pierwszą wersję artykułu, wszyscy autorzy poprawili manuskrypt.

Finansowanie

Otwarte finansowanie zapewniane przez Alma Mater Studiorum - Università di Bologna w ramach umowy CRUI-CARE. Nie otrzymano żadnych funduszy, dotacji ani innego wsparcia

Dostępność danych

Synteza literatury przeanalizowanej w tym badaniu jest ogólnie dostępna w Open Science Framework: https://osf.io/v835e/

Dostępność kodu

Kod użyty do przeprowadzenia metaanalizy jest ogólnie dostępny w Open Science Framework: https://osf.io/v835e/

Deklaracje

Konflikty interesów/konkurujące interesy Autorzy nie deklarują żadnych konfliktów interesów, które byłyby istotne dla treści tego artykułu.

Zgoda etyczna Nie dotyczy

Zgoda na udział Nie dotyczy

Zgoda na publikację Nie dotyczy

Otwarty dostęp

Ten artykuł jest objęty licencją Creative Commons Attribution 4.0 International License, która zezwala na używanie, udostępnianie, adaptację, dystrybucję i powielanie na dowolnym nośniku lub w dowolnym formacie, pod warunkiem, że odpowiednio uznasz oryginalnego autora (autorów) ) i źródło, podaj link do licencji Creative Commons i wskaż, czy wprowadzono zmiany. Obrazy lub inne materiały osób trzecich zawarte w tym artykule są objęte licencją Creative Commons, chyba że zaznaczono inaczej w informacji o autorze materiału. Jeśli materiał nie jest objęty licencją Creative Commons, a zamierzone użycie jest niezgodne z przepisami prawa lub wykracza poza dozwolone użycie, musisz uzyskać pozwolenie bezpośrednio od właściciela praw autorskich. Aby wyświetlić kopię tej licencji, odwiedź stronę http://creativecommons.org/licenses/by/4.0.

Bibliografia

1.*Al-Balushi, SM i Al-Harthy, IS (2015). Umysły uczniów błądzą w makroskopowych i submikroskopowych narracjach tekstowych i ich związku z czytaniem ze zrozumieniem. Badania i praktyka edukacji chemicznej, 16 (3), 680–688.

2. Babbitt Bray, G. i Barron, S. (2004). Ocena czytania ze zrozumieniem: skutki zainteresowania tekstem, płci i umiejętności. Ocena edukacyjna, 9 (3/4), 107–128.

3. Baird, B., Smallwood, J. i Schooler, JW (2011). Powrót do przyszłości: planowanie autobiograficzne i funkcjonalność wędrówki umysłów. Świadomość i poznanie, 20 (4), 1604–1611.

4. Baird, B., Smallwood, J., Mrazek, MD, Kam, JW, Franklin, MS i Schooler, JW (2012). Zainspirowany rozproszeniem: błądzenie umysłem ułatwia twórczą inkubację. Nauki psychologiczne, 23 (10), 1117–1122.

5. Balduzzi, S., Rücker, G. i Schwarzer, G. (2019). Jak przeprowadzić metaanalizę za pomocą R: Praktyczny samouczek. Zdrowie psychiczne oparte na dowodach, 22, 153–160.

6. Najlepszy, RM, Floyd, RG i Mcnamara, DS (2008). Zróżnicowane kompetencje przyczyniają się do rozumienia przez dzieci tekstów narracyjnych i objaśniających. Psychologia czytania, 29 (2), 137–164.

7. * Bixler, R. i D'Mello, S. (2016). Automatyczne, niezależne od użytkownika wykrywanie wędrówek umysłu podczas czytania komputerowego. Modelowanie użytkownika i interakcja dostosowana do użytkownika, 26 (1), 33–68.

8. Bonifacci, P., Colombini, E., Marzocchi, M., Tobia, V. i Desideri, L. (2022). Aplikacje zamiany tekstu na mowę w celu zmniejszenia błądzenia myśli u uczniów z dysleksją. Journal of Computer Assisted Learning, 38 (2), 440–454.

9. Bonifacci, P. i Tobia, V. (2017). Prosty pogląd na czytanie u dwujęzycznych dzieci z mniejszości uczących się wysoce przejrzystego drugiego języka. Badania naukowe czytania, 21 (2), 109–119.

10.* Broadway, JM, Franklin, MS i Schooler, JW (2015). Wczesne potencjały mózgowe związane ze zdarzeniami i asymetrie półkul ujawniają błądzenie umysłem podczas czytania i przewidują zrozumienie. Psychologia biologiczna, 107, 31–43.

For more information:1950477648nn@gmail.com