CC BY
128
ОРИГИНАЛЬНЫЕ СТАТЬИ
УДК 159.9
СТРУКТУРА ВЗАИМОСВЯЗЕЙ КОГНИТИВНЫХ ХАРАКТЕРИСТИК И АКАДЕМИЧЕСКОЙ УСПЕШНОСТИ В ШКОЛЬНОМ ВОЗРАСТЕ
Т.Н. ТИХОМИРОВА*, И.А. ВОРОНИН, Е.Б. МИСОЖНИКОВА, С.Б. МАЛЫХ ФГБНУ «Психологический институт РАО», Москва
В статье анализируется структура взаимосвязей когнитивных характеристик - скорости переработки информации, рабочей памяти, чувства числа и невербального интеллекта с успешностью в обучении на начальном, основном и полном уровнях общего образования. На выборке 1650 учеников показано, что структура задается универсальной для различных этапов школьного возраста моделью: скорость переработки информации представляет собой ключевой предиктор интеллекта, рабочей памяти и чувства числа, которые, в свою очередь, вносят вклад в индивидуальные различия в академической успешности. Выявлены возрастные особенности связей внутри структуры. В частности, установлено, что на начальном и среднем уровнях наиболее весомой является взаимосвязь скорости переработки информации с общей академической успешностью, опосредованная невербальным интеллектом. На полном уровне общего образования не обнаружено взаимосвязей когнитивных характеристик и академической успешности.
Ключевые слова: академическая успешность, когнитивные характеристики, скорость переработки информации, рабочая память, невербальный интеллект, чувство числа, школьный возраст, структурное моделирование.
Введение
Проблема прогнозирования академической успешности не теряет своей актуальности уже более века, и за это время в качестве предикторов успешности в обучении анализировались различные психологические конструкты (Малых, Тихомирова, 2015 [1]; Jensen, 1998 [25]; Chamorro-Premuzic & Furnham, 2004 [10]; Lubinski, 2004 [28]; Petrides, Chamorro-Premuzic, Frederickson, & Furnham, 2005 [33] и др.). Одним из наиболее значимых факторов, формирующих индивидуальные различия в успешности в обучении, является психометрический интеллект (Jencks, 1979;
© Тихомирова Т.Н., Воронин И.А., Мисожникова Е.Б., Малых С.Б., 2015
* Для корреспонденции:
Тихомирова Татьяна Николаевна кандидат психологических наук, старший научный сотрудник лаборатории возрастной психогенетики ФГБНУ «Психологический институт РАО» 125009 Москва, ул. Моховая, 9, стр. 4
Neisser et al., 1996 [31]; Kuncel, Hezlett & Ones, 2001 [26]). В то же время целый ряд исследований показал, что академические достижения в значительной мере связаны с индивидуальными особенностями элементарных когнитивных процессов - скорости переработки информации, рабочей памяти и чувства числа (например, Тихомирова, Малых, Тосто, Ковас, 2014 [3]; Luo, Thompson & Detterman, 2006 [29]; Rohde, Thompson, 2007 [36]). Эти базовые процессы лежат в основе когнитивных процессов более высокого порядка (Ackerman, Beier & Boyle, 2005 [4]; Colom, Rebollo, Abad & Shih, 2006 [11]).
Скорость переработки информации (измеряемой по времени реакции на стимул) является одним из элементарных когнитивных процессов, наиболее чувствительных к влиянию возраста (Cerella & Hale, 1994) [9]. Возрастные изменения скорости переработки информации на протяжении жизни описывается U-образ-ной кривой: резкое уменьшение времени
реакции на протяжении детского возраста, сменяющееся плато в юношеском возрасте и затем постепенное увеличение времени реакции в течение взрослой жизни [9]. Это приводит к различиям связи скорости переработки информации и успешности обучения на разных возрастных этапах (Hentschel, 2003 [20]; Rindermann & Neubauer, 2000 [35]).
Еще одним фактором успешности в обучении является кратковременная рабочая память, в частности, компонент зрительно-пространственной матрицы, отвечающей за переработку зрительной информации (Baddeley, Hitch, 1994 [6]). В модели рабочей памяти А. Бэддли и Г. Хитча зрительно-пространственный компонент рабочей памяти связан с переработкой информации о форме стимулов и их локализации в пространстве. Для оценки рабочей памяти используется количество воспроизведенных объектов в задачах на повторение последовательностей предъявляемых стимулов (Owens, Stevenson, Norgate, Hadwin, 2008 [32]; Bull, Espy, Wiebe, 2008 [8]). Показано, что рабочая память меняется с возрастом. Эта зависимость носит нелинейный характер - наиболее интенсивно объем рабочей памяти увеличивается в период младшего и среднего школьного возраста (Siegel, 1994) [38]. Нарушения пространственной рабочей памяти могут приводить к серьезным трудностям в обучении (например, van der Sluis, van der Leij, de Jong, 2005 [41]; Alloway & Archibald, 2008 [5]). Особенности рабочей памяти связаны с формированием индивидуальных различий в успешности обучения как математике (Тихомирова, Ковас, 2013 [2]; Geary, Hamson, Hoard, 2000 [17]; Zorzi, Proftis, Umilta, 2002 [42]), так и чтению (даже независимо от фонологических навыков, Swanson & Beebe-Frankenberger, 2004 [39]).
Чувство числа - еще один фактор, связанный с успешностью обучения. Этот психологический конструкт понимается как способность к приблизительной оценке количеств объектов без счета (Feigenson,
Dehaene, & Spelke, 2004) [14]. Этот феномен наблюдается уже в младенческом возрасте (Izará, Sann, Spelke & Streri, 2009) [23] и даже у животных (Merritt, DeWiná & Brannon, 2012) [30], что свидетельствует о его значении в ходе эволюции (Brannon, 2006) [7]. В ряде работ было продемонстрировано, что чувство числа является предиктором стандартизированных математических тестов в старшем школьном возрасте (15-17 лет, Тихомирова, Малых, Тосто, Ковас, 2014 [3]; Halberda, Ly, Wilmer, Naiman, & Germine, 2012 [18] и др.). Однако в других исследованиях эти связи наблюдались только в младшем школьном возрасте (6-11 лет, Inglis, Attriáge, Batchelor & Gilmore, 2011 [22]).
Интеллект - один из самых существенных предикторов индивидуальных достижений в различных академических областях (Deary, Strand, Smith & Fernanáes, 2007 [12]; Taub, Floyd, Keith & McGrew, 2008 [40] и др.). С возрастом эти связи уменьшаются: коэффициент корреляции между интеллектом (по тесту Равена) и средним баллом по школьным предметам снижается от 0,54 на втором году обучения в школе до 0,32 - на последнем году обучения в школе (Laidra, Pullmann, Allik, 2007) [27]. Интеллект является «центральным ядром» во взаимосвязи когнитивной сферы и академической успешности (Rináerman, Neubauer, 2004, p. 574) [35]. По мнению авторов, связь между скоростью переработки информации и академической успеваемостью опосредована психометрическим интеллектом [35].
В целом, базовые когнитивные характеристики (скорость переработки информации и рабочая память), наряду с интеллектом, объясняют около 60% дисперсии академической успешности (Luo, Thompson & Detterman, 2006) [29].
В ряде исследований показано, что элементарные когнитивные процессы чувствительны к возрастным изменениям и имеют уникальные траектории развития на протяжении школьного возраста (Hale, 1990 [19]; Fry, Hale, 1996, 2000 [16]). Эти данные требуют специального изу-
чения взаимосвязей когнитивных характеристик и академической успешности в разные периоды школьного возраста. Специальная «каскадная развивающая модель» учитывает роль возрастных изменений в когнитивном развитии [16]. Согласно этой модели, возраст, скорость переработки информации и рабочая память являются предикторами интеллекта. В то же время предполагается, что скорость переработки информации является предиктором рабочей памяти, а возраст, в свою очередь, вносит вклад в скорость переработки информации и рабочую память (Fry, Hale, 1996) [15]. Однако эта модель не использовалась для оценки успешности в обучении.
Следовательно, в исследованиях взаимосвязей показателей когнитивного развития и успешности в обучении наблюдаются неоднозначные результаты, что может быть связано и с возрастными особенностями исследуемых выборок.
Целью данной работы является анализ структуры взаимосвязей скорости переработки информации, рабочей памяти, чувства числа, невербального интеллекта с успешностью в обучении на разных этапах онтогенеза.
Методика
Выборка
В исследовании приняли участие 1650 учеников из 6 государственных общеобразовательных учреждений городов Санкт-Петербурга, Самары, Ленинградской и Московской областей, в том числе 876 учеников младших классов (от 6,8 до 11,7 лет; 52,6% мальчиков), 544 ученика из основной школы (от 10,8 до 16,8 лет; 54,8% мальчиков), 230 учеников старших классов (от 15,3 до 18,8 лет; 37,4% мальчиков).
Методы
Когнитивные характеристики. Каждый участник выполнил задания компьютеризированной тестовой батареи, направленной на диагностику уровня ког-
нитивного развития (Тихомирова, Ковас, 2013) [2]. На участие в исследовании были получены письменные информированные согласия от родителей участников. Анализ результатов осуществлялся на базе обезличенных персональных данных. Участники выполняли следующие задания.
Тест «Время реакции выбора», скорость переработки информации. В этом тесте числа 1, 2, 3, 4 появляются 40 раз в случайном порядке со случайным временным интервалом между 1 и 3 секундами. Задача учеников состоит в быстром и точном нажатии клавиши, соответствующей числу на экране. Время ответа ограничено 8 секундами. В статистическом анализе учитывается показатель времени реакции на правильные ответы.
Тест «Последовательности», рабочая память. На экране появляются последовательности «зажигающихся» блоков-кубиков. Минимальное количество элементов в последовательности - 4, максимально возможное количество - 9. Во время предъявления кубики «светятся» в течение 1 секунды с интервалом в 1 секунду. Задача испытуемых состоит в воспроизведении последовательностей кубиков нажатием на нужные кубики с помощью компьютерной мыши. В статистическом анализе учитывается количество правильно воспроизведенных последовательностей.
Тест «Чувство числа», способность сравнивать количества объектов без счета. В этом тесте на 400 мс предъявляются массивы из желтых и синих точек, смешанные и различающиеся по размеру. Испытуемым требуется решить, содержит ли предъявляемый массив больше желтых или синих точек, и нажать на нужную клавишу на клавиатуре («С» или «Ж»). Стимульный материал содержит 150 статических рисунков с массивами желтых и синих точек, число которых колеблется от 5 и 21 точки каждого цвета; отношения массивов в двух цветах составляют 1:3 и 6:7. В статистическом анализе учитывается количество правильно выполненных заданий.
Тест «Стандартные прогрессивные матрицы», невербальный интеллект. В исследовании использовалась «бумажная» версия теста (Равен, 2001). Задания сгруппированы в 5 серий - А, В, С, D, Е, - каждая из которых состоит из 12 заданий. Любой участник исследования должен выбрать недостающий элемент задания-матрицы среди 8 предложенных вариантов. Принцип прогрессивности в этом тесте реализуется двояким образом: а) внутри каждой серии задания расположены с учетом их возрастающей сложности и б) от серии А к серии Е сложность выполнения заданий также возрастает. Учитывалось общее количество правильных решений по всему тесту.
Академическая успешность. В качестве показателей успешности в обучении использовались четвертные (для учащихся 1-9-х классов) и полугодовые (в 10-11-х классах) оценки по математике (алгебре и геометрии), русскому языку и биологии (окружающему миру или природоведению). В статистическом анализе использовалось среднее арифметическое четвертных или полугодовых оценок.
Статистический анализ
На первом этапе проводился корреляционный анализ когнитивных характеристик (скорость переработки информации, рабочая память, чувство числа и невербальный интеллект) и успешности в обучении русскому языку, математике и биологии. Рассчитывались коэффициенты корреляции Спирмена (пакет SPSS 20.0).
На втором этапе проводилось изучение структуры связей когнитивных характеристик и академической успешности с помощью метода моделирования структурными уравнениями (пакет OpenMX). Для оценки соответствия модели эмпирическим данным использовались следующие критерии: RMSEA<0,06; 95% доверительные интервалы - RMSEAlow=0,00 и RMSEAhigh<0,08; CFI>0,95; TLI>0,90 (Hu & Bentler, 1999) [21]. В ходе структурного моделирования проверялся ряд теоретических моделей вза-
имосвязи когнитивных характеристик и успешности на каждом из уровней общего образования.
Модель 1: когнитивные характеристики влияют на показатели успешности в обучении через латентную переменную общей когнитивной способности «g».
Модель 2: когнитивные характеристики - скорость переработки информации, рабочая память чувство числа и невербальный интеллект - вносят вклад в фактор общей академической успешности «е» («education»).
Модель 3: скорость переработки информации является ключевым предиктором невербального интеллекта, рабочей памяти и чувства числа, которые, в свою очередь, вносят вклад в фактор общей академической успешности.
Результаты
В ходе дисперсионного анализа не обнаружен эффект влияния образовательного учреждения на показатели успешности в обучении (p>0,05), что позволило проводить дальнейший анализ на выборках, выделенных только на основании уровня общего образования: обучающиеся начального, основного и полного уровня.
Корреляционный анализ
В ходе корреляционного анализа изучалась структура взаимосвязей когнитивных характеристик и успешности в обучении на каждом из уровней общего образования. В таблице 1 представлены коэффициенты корреляции Спирмена между скоростью переработки информации (ВР), рабочей памятью (РП), чувством числа (ЧЧ), невербальным интеллектом (НИ) и успешностью в обучении математике (М), русскому языку (Р) и биологии (Б).
Согласно таблице 1, наиболее тесные корреляционные взаимосвязи между когнитивными характеристиками и успешностью в обучении получены на начальном уровне образования (по сравнению с основным и полным уровнями).
Таблица 1
Матрица взаимных корреляции когнитивных характеристик и академической успешности на начальном (верхняя строка), основном (средняя) и полном (нижняя) уровне образования
ВР РП ЧЧ НИ Р М Б
-0,34**
РП -0,32** -0,34** 1
-0,21** 0,33**
ЧЧ -0,20** -0,32** 0,36** 0,39** 1
-0,26** 0,42** 0,37**
НИ -0,16** -0,08 0,31** 0,32** 0,30** -0,06 1
-0,02 0,15** 0,24** 0,47**
Р -0,06 0,06 0,11** 0,14** 0,10* 0,06 0,33** 0,18** 1
-0,09* 0,22** 0,26** 0,48** 0,79**
М -0,06 0,11* 0,13** 0,36** 0,83** 1
0,04 0,12 0,07 0,14 0,92**
-0,06 0,17** 0,22** 0,43** 0,74** 0,72**
Б -0,04 0,01 0,04 0,27** 0,75** 0,77** 1
0,01 0,11 0,10 0,08 0,76** 0,76**
Примечание: *р<0,05, **р<0,01
Например, невербальный интеллект взаимосвязан с успешностью в обучении русскому языку в различной степени на начальном уровне (г=0,47; р<0,01), на основном (г=0,33; р<0,01) и на полном (г=0,18; р<0,01) уровнях общего образования. Более того, показано, что на полном уровне образования для ряда когнитивных характеристик не выявлено взаимосвязей с успешностью в обучении. Так, для чувства числа и успешности в обучении, например, математике и русскому языку, обнаружены статистически значимые корреляции на начальном и основном уровнях, но не на полном (р>0,05).
Отметим, что среди когнитивных характеристик на каждом из уровней образования в большей степени с показателями успешности связан невербальный интеллект, в меньшей степени - чувство числа и рабочая память. Для скорости переработки информации в целом не найдено взаимосвязей с успешностью в обучении (р>0,05). Исключение составляет выявленная на начальном уровне образования слабая взаи-
мосвязь с успешностью в обучении математике (г= -0,09; р<0,05).
В ходе корреляционного анализа между когнитивными характеристиками выявлены умеренные корреляционные взаимосвязи (от 0,16 до 0,42), а между показателями успешности в обучении школьным дисциплинам - высокие (от 0,72 до 0,92).
Структурное моделирование
В ходе структурного моделирования установлено, что тестируемая теоретическая Модель 1, предполагающая влияние когниций на показатели успешности в обучении через фактор <^», и Модель 2, основанная на существовании «рядоположно-го» вклада когнитивных показателей в общую академическую успешность «е», плохо соответствуют эмпирическим данным на каждом из уровней общего образования -КМ8ЕЛ>0,08; СИ<0,95; ТП<0,90; х2 значима (р<0,05).
Модель 3, согласно которой скорость переработки информации является ключевым предиктором невербального интеллекта, рабочей памяти и чувства числа,
которые, в свою очередь, вносят вклад в фактор общей академической успешности, наилучшим образом соответствует полученным в исследовании данным.
Показатели соответствия Модели 3
В таблице 2 представлены показатели соответствия модели, полученные на выборках начального, основного и полного уровня образования.
Таблица 2
I протяжении общего образования
Уровень образования А1С В1С СБ1 ТЫ RMSEA RMSEA low RMSEA
Начальный 6647,17 -14125,86 0,996 0,991 0,027 0,000 0,055
Основной 3304,24 -11505,64 0,997 0,993 0,030 0,000 0,066
Полный 995,50 -3274,59 1,006 1,013 0,000 0,000 0,000
Примечание: А1С - информационный критерий Акаике, В1С - Байесовский информационный критерий, СИ - сравнительный показатель соответствия, ТЫ - показатель Такера - Льюиса, ЯМБЕА - среднеквадра-тическая ошибка аппроксимации, КМБЕАЬш - нижняя граница 95% доверительного интервала ЯМБЕА, RMSEAhigh - верхняя граница 95% доверительного интервала ЯМБЕА
Согласно таблице 2, на выборках начального, основного и полного уровней образования тестируемая модель связи когнитивных характеристик и академической успешности имеет хорошие индексы соответствия: RMSEA<0,06; 95% доверительные интервалы - RMSEAlow=0,00 и RMSEAhigh<0,08; СИ>0,95; ТП>0,90. Величина х2 не значима (р>0,05), что отражает хорошее соответствие модели на каждом из уровней образования.
На рисунке 1 представлена модель структуры взаимосвязей скорости переработки информации, рабочей памяти, чувства числа и невербального интеллекта с академической успешностью. Указаны стандартизированные структурные коэффициенты (р<0,05), полученные в ходе структурного моделирования на выборке начального уровня образования. Пунктирными линиями обозначены статистически не значимые взаимосвязи (р>0,05).
Рис. 1. Модель взаимосвязи когнитивных характеристик и академической успешности на начальном уровне образования
Как видно на рисунке 1, модель рассматривает общую академическую успешность как латентную переменную на основе трех показателей успешности в обучении: 1) математике, 2) русскому языку и 3) естественнонаучным дисциплинам. В младшем школьном возрасте показатели успешности в академических дисциплинах - математике, русском языке и биологии - оказались практически в равной мере нагруженными на латентный фактор академической успешности «е» (от 0,82 до 0,90).
Согласно модели, скорость переработки информации рассматривается как базовая когнитивная характеристика, лежащая в основе когнитивных показателей «более высокого порядка»: интеллекта, рабочей памяти и чувства числа (Rinderman, Neubauer, 2004, p. 574) [35]. В свою очередь, эти когнитивные показатели оказывают влияние на академическую успешность. Сравнивая стандартизированные структурные коэффициенты, на начальном уровне образования скорость переработки информации оказывает большее влияние на рабочую память (ß= -0,33), чуть меньшее - на показатели невербального интеллекта (ß=-0,26) и чувства числа (ß= -0,21). Регрессионные веса между невербальным интеллектом, пространственной памятью и чувством числа варьируют от 0,27 до 0,35.
В наибольшей мере среди когнитивных характеристик на фактор академической успешности на начальном образовательном уровне оказывает влияние невербальный интеллект (ß=0,52).
Следовательно, наиболее весомым путем влияния когниций на академическую успешность является траектория косвенного воздействия скорости переработки информации через невербальный интеллект. Стандартизированные путевые коэффициенты, рассчитанные в соответствии с принципами структурного моделирования (Hu & B entler, 1999 [21]; Rinderman, Neubauer, 2004 [35]), статистически подтверждают этот факт.
Так, регрессионный вес пути «Скорость переработки информации - невербальный интеллект - фактор академической успешности» составляет -0,26X0,52 = -0,13. В сравнении с описанным путем регрессионный вес пути «скорость переработки информации - пространственная память - невербальный интеллект - фактор академической успешности» оказывается существенно ниже и составляет в= -0,06 (-0,33X0,34X0,52), в том числе и из-за большего количества манифестных переменных. Стандартизированные структурные коэффициенты других возможных путей еще ниже. Например, для пути «скорость переработки информации - чувство числа - фактор академической успешности» в составляет -0,03 (-0,21X0,12). При этом отметим, что модель с прямым влиянием скорости переработки информации на фактор академической успешности обладает неудовлетворительными показателями качества соответствия.
Согласно рисунку 1, остаточная дисперсия общей академической успешности составляет 0,65. Таким образом, в младшем школьном возрасте с помощью анализируемых когнитивных характеристик объяснено 35% дисперсии показателя общей академической успешности.
На рисунке 2 представлена модель структуры взаимосвязей когнитивных характеристик и академической успешности на основном уровне образования. Указаны стандартизированные структурные коэффициенты (р<0,05), полученные в ходе структурного моделирования на выборке основного уровня образования. Пунктирными линиями обозначены статистически незначимые взаимосвязи (р>0,05).
На выборке основного уровня образования сравнительный анализ стандартизированных структурных коэффициентов модели показывает, что на основном уровне образования скорость переработки информации оказывает большее влияние на рабочую память ф= -0,30), чуть меньшее - на показатели невербального интел-
лекта (р=-0,19) и чувства числа ф= -0,18). Регрессионные веса между невербальным интеллектом, рабочей памятью и чувством числа варьируют от 0,28 до 0,30.
Показатели успешности в академических дисциплинах - математике, русском языке и биологии - оказались практически в равной мере нагруженными на латентный фактор академической успешности «е» (от 0,84 до 0,90).
В наибольшей мере на фактор общей академической успешности на основном образовательном уровне среди когнитивных характеристик оказывает влияние невербальный интеллект ф=0,33).
Самым весомым путем влияния когнитивных характеристик на успешность в обучении является траектория косвенного
Согласно рисунку 2, остаточная дисперсия общей академической успешности составляет 0,88. Таким образом, в среднем школьном возрасте с помощью анализируемых когнитивных характеристик объяснено 12% дисперсии показателя общей академической успешности.
На рисунке 3 представлена модель структуры взаимосвязей когнитивных характеристик и академической успешности на полном уровне образования. Указаны стандартизированные структурные ко-
воздействия скорости переработки информации через невербальный интеллект на фактор академической успешности. В частности, регрессионный вес пути «скорость переработки информации - невербальный интеллект - фактор академической успешности» составляет -0,19X0,33 = -0,06. В сравнении с описанным путем регрессионный вес пути «скорость переработки информации - пространственная память - невербальный интеллект - фактор академической успешности» оказывается ниже и составляет (3= -0,03 (-0,30X0,28X0,33), в том числе и из-за большего количества манифестных переменных. Другие пути влияния когниций на фактор академической успешности не возможны, так как вклад пространственной памяти и чувства числа незначим.
0.13
0.19
о.зо
эффициенты (р<0,05), полученные в ходе структурного моделирования на выборке полного уровня образования. Пунктирными линиями обозначены статистически незначимые взаимосвязи (р>0,05).
На выборке полного уровня образования сравнительный анализ стандартизированных структурных коэффициентов модели демонстрирует, что скорость переработки информации оказывает большее влияние на чувство числа ф= -0,36), чуть меньшее - на показатели рабочей памяти
0.97 \ 1
0.33
0.28 \ 0.88 I 1
о.оз.......- { е
0.94 - 0.90 -0.84
-0.01
Рис. 2. Модель взаимосвязи когнитивных характеристик и академической успешности
на основном уровне образования
(в= -0,28) и не связана с невербальным интеллектом (р>0,05).
Стандартизированный коэффициент между невербальным интеллектом и пространственной памятью достигает значе-
ния в 0,28, а между чувством числа и пространственной память 0,30. Взаимосвязь между интеллектом и чувством числа не достигает статистической значимости (р>0,05).
Рис. 3. Модель взаимосвязи когнитивных характеристик и успешности в обучении
на полном уровне образования
Особо следует отметить, что на полном уровне образования ни одна из анализируемых когнитивных характеристик не оказывает статистически значимого влияния на фактор академической успешности (р>0,05).
Среди показателей успешности в наибольшей степени нагруженным на фактор академической успешности оказывается успешность в обучении математике (в=0,98), в чуть меньшей степени - успешность в русском языке ф=0,95). Показатель успешности в обучении биологии оказывается в меньшей степени нагруженным -0,78.
Обсуждение
Результаты структурного моделирования показали, что на протяжении общего образования структура взаимосвязей когнитивных характеристик и академической успешности остается инвариантной. Скорость переработки информации является ключевым предиктором когнитивных характеристик более высокого порядка - не-
вербального интеллекта, рабочей памяти и чувства числа, которые, в свою очередь, вносят вклад в показатель общей академической успешности. В целом ряде работ также подчеркивается значение скорости переработки информации как основы индивидуальных различий в когнитивных показателях более высокого порядка, например, интеллекта (Der, Deary, 2006 [13]; Rinderman, Neubauer, 2004 [35]; Sheppard, Vernon, 2008 [37]). В этих исследованиях отмечается наличие взаимосвязей скорости переработки информации и рабочей памяти (Rinderman, Neubauer, 2004 [35]; Bull, Espy, & Wiebe, 2008 [8]).
Теоретическая модель структуры взаимосвязей когнитивных показателей и академической успешности, описывающая наши эмпирические данные, в некоторой степени совпадает с моделью, используемой в исследовании Х. Риндерманна и А. Нейбауэра (Rinderman, Neubauer, 2004) [35]. В частности, как и в нашей работе, ими получено лучшее соответствие модели, связывающей скорость переработки информации с успешностью в обучении с
опосредующей ролью когниций более высокого порядка (в частности, интеллекта, креативности).
Наряду с инвариантностью структуры на протяжении школьного возраста найдены возрастные особенности связей внутри структуры. В частности, показано, что на начальном и среднем уровнях наиболее весомой является взаимосвязь скорости переработки информации с общей академической успешностью через невербальный интеллект. А на полном уровне образования не обнаружено весомых взаимосвязей внутри системы «когниции - академическая успешность». Таким образом, тестируемая модель на выборке старшего школьного возраста распадается на две части, не связанные друг с другом: когнитивные характеристики и фактор академической успешности. Этот факт можно объяснить критериями отбора школьников для дальнейшего обучения в школе - традиционно в старших классах продолжают обучение более успешные школьники. Следовательно, выборка полного уровня общего образования является отобранной и, как следствие, уравненной по уровню развитию когнитивных характеристик.
На всех уровнях общего образования наиболее «нагруженным» на общую академическую успешность является показатель успешности обучения в математике (значения в до 0,95), в наименьшей степени - успешность в обучении естественнонаучным дисциплинам (значения в до 0,82).
Заключение
Таким образом, в исследовании показана универсальность структуры взаимосвязей когнитивных характеристик и академической успешности на протяжении школьного возраста. Эта структура задается универсальной для различных этапов школьного возраста моделью: скорость переработки информации представляет собой ключевой предиктор интеллекта, рабочей памяти и чувства числа, которые,
в свою очередь, вносят вклад в индивидуальные различия в академической успешности.
В то же время выявлены возрастные особенности взаимосвязей отдельных когнитивных показателей и академической успешности. Так, в период обязательного общего образования (начальный и основной уровни) наибольшим регрессионным весом обладает взаимосвязь скорости переработки информации с показателем общей академической успешности с опосредующей ролью невербального интеллекта. На полном уровне образования не обнаружены статистически значимые взаимосвязи когнитивных характеристик и академической успешности. При этом в период от начального до полного уровней общего образования уменьшается размер вклада когнитивных характеристик в индивидуальные различия в академической успешности.
Исследование выполнено за счет гранта Российского научного фонда (проект №15-18-30055).
Литература
1. Малых С.Б., Тихомирова Т.Н. Личностные черты и интеллект: взаимосвязи и их природа // Вопросы психологии. - 2015. - № 2. - С. 147-160.
2. Тихомирова Т.Н., Ковас Ю.В. Взаимосвязь когнитивных характеристик учащихся и успешности решения математических заданий (на примере старшего школьного возраста) // Психологический журнал. -2013. - Т. 34. - №1.- С. 63-73.
3. Тихомирова Т.Н., Малых С.Б., Тосто М.Г., Ковас Ю.В. Когнитивные характеристики и успешность в решении математических заданий в старшем школьном возрасте: кросскультурный анализ // Психологический журнал. - 2014. - Т. 35. - № 1. - С. 41-53.
4. Ackerman P.L., Beier M.E., Boyle M.O. Working memory and intelligence: The same or different constructs? // Psychological Bulletin. -2005. - Vol. 131. - No. 1. - P. 30-60.
5. Alloway T.P., & Archibald L.M. Working memory and learning in children with developmental coordination disorder and specific language impairment // Journal of Learning Disabilities. - 2008. - Vol. 41. - P. 251-262.
6. Baddeley A.D. & Hitch G.J. Developments in the concept of working memory // Neuropsychology. - 1994. - Vol. 8. - P. 485-493.
7. Brannon E.M. The representation of numerical magnitude // Current Opinion in Neurobiology. - 2006. - Vol. 16(2). - P. 222-229.
8. Bull R., Espy K.A., Wiebe S.A. Short-term memory, working memory, and executive functioning in preschoolers: Longitudinal predictors of mathematical achievement at age 7 years // Developmental Neuropsychology. -2008. - Vol. 33. - P. 205-228.
9. Cerella J., Hale S. The rise and fall in information-processing rates over the life span //Acta Psychologica. - 1994. - Vol. 86. - No. 2. - P. 109-197.
10. Chamorro-Premuzic T., Furnham A. A possible model for understanding the personality-intelligence interface // British Journal of Psychology. - 2004. - Vol. 95. - No. 2. - P. 249-264.
11. Colom R., Rebollo I., Abad F.J, & Shih P.C. Complex span tasks, simple span tasks, and cognitive abilities: a re-analysis of key studies // Memory & Cognition. - 2006. - Vol. 34. - P. 158-171.
12. Deary I.J., Strand S., Smith P., & Fernandes C. Intelligence and educational achievement // Intelligence. - 2007. - Vol. 35(1). - P. 13-21.
13. Der G., & Deary I.J. Age and sex differences in reaction time in adulthood: results from the United Kingdom Health and Lifestyle Study // Psychology and Aging. - 2006. - Vol. 21. - P. 62-73.
14. Feigenson L., Dehaene S., Spelke E. Core systems of number // Trends in Cognitive Sciences. - 2004. - Vol. 8. - No. 7. - P. 307-314.
15. Fry A.F., Hale S. Processing speed, working memory, and fluid intelligence: Evidence for a developmental cascade // Psychological Science. - 1996. - Vol. 7. - No. 4. - P. 237-241.
16. Fry A.F., Hale S. Relationships among processing speed, working memory, and fluid intelligence in children // Biological Psychology. -2000. - Vol. 54. - No. 1. - P. 1-34.
17. Geary D.C., Hamson C.O., Hoard M.K. Numerical and arithmetical cognition: A longitu-
dinal study of process and concept deficits in children with learning disability // Journal of Experimental Child Psychology. - 2000. - Vol. 77. - No. 3. - P. 236-263.
18. Halberda J., Ly R., Wilmer J.B., Naiman D.Q., & Germine L. Number sense across the lifespan as revealed by a massive Internet-based sample // Proceedings of the National Academy of Sciences. - 2012. - Vol. 109(28). - P. 11116-11120.
19. Hale S. A global developmental trend in cognitive processing speed // Child Development.
- 1990. - Vol. 61. - No. 3. - P. 653-663.
20. Hentschel L. Errors in implied volatility estimation // Journal of Financial and Quantitative Analysis. - 2003. - Vol. 38. - No. 4. - P. 779-810.
21. Hu L., Bentler P.M. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives //Structural Equation Modeling: A Multidisciplinary Journal. - 1999. - Vol. 6. - No 1. - P. 1-55.
22. Inglis M., Attridge N., Batchelor S., & Gilmore C. Non-verbal number acuity correlates with symbolic mathematics achievement: But only in children // Psychonomic Bulletin & Review.
- 2011. - Vol. 18. - No. 6. - P. 1222-1229.
23. Izard V., Sann C., Spelke E.S., & Streri A. Newborn infants perceive abstract numbers // Proceedings of the National Academy of Sciences.
- 2009. - Vol. 106. - No. 25. - P. 10382-10385.
24. Jensen A.R. Bias in mental testing. - 1980.
25. Jensen A.R. The g factor: The science of mental ability. - 1998.
26. Kuncel N.R., Hezlett S.A., Ones D.S. A comprehensive meta-analysis of the predictive validity of the graduate record examinations: implications for graduate student selection and performance // Psychological Bulletin. - 2001.
- Vol. 127. - No. 1. - P. 162.
27. Laidra K., Pullmann H., Allik J. Personality and intelligence as predictors of academic achievement: A cross-sectional study from elementary to secondary school // Personality and Individual Differences. - 2007. - Vol. 42.
- No. 3. - P. 441-451.
28. Lubinski D. Introduction to the special section on cognitive abilities: 100 years after Spearman's (1904) «General intelligence, 'objectively determined and measured» // Journal of Personality and Social Psychology. - 2004.
- Vol. 86. - No. 1. - P. 96.
29. Luo D., Thompson L.A., & Detterman D.K. The criterion validity of tasks of basic cognitive processes // Intelligence. - 2006. - Vol. 34(1).
- P. 79-120.
30. Merritt, D.J, DeWind, N.K, & Brannon, E.M. Comparative cognition of number representation / In: T. R. Zentall & E. A. Wasserman (Eds.). The Oxford handbook of comparative cognition (2nd ed., p. 451-476). - The Oxford Handbook of Comparative Cognition, 2012.
31. Neisser U., Boodoo G., Bouchard T.J., Jr, Boykin A.W., Brody N., Ceci S.J., Halpern D.F., Loehlin J.C., Perloff R., SternbergR.J., Urbina S. Intelligence: knowns and unknowns // Am. Psychol.
- 1996. - Vol. 51. - P. 77-101.
32. Owens M., Stevenson J., Norgate R., Hadwin J.A. Processing efficiency theory in children: Working memory as a mediator between trait anxiety and academic performance // Anxiety, Stress, & Coping. - 2008. - Vol. 21(4). - P. 417-430.
33. Petrides K.V., Chamorro-Premuzic T., Freder-ickson N., & Furnham A. Explaining individual differences in scholastic behaviour and achievement // British Journal of Educational Psychology. - 2005. - Vol. 75(2). - P. 239-255.
34. Pind J., Gunnarsdottir E.K., Johannesson H.S. Raven's Standard Progressive Matrices: new school age norms and a study of the test's validity // Personality and Individual Differences. - 2003. - Vol. 34. - No. 3. - P. 375-386.
35. Rindermann H., Neubauer A.C. Processing speed, intelligence, creativity, and school performance: Testing of causal hypotheses using structural equation model // Intelligence. -2004. - Vol. 32. - P. 573-589.
36. Rohde T.E., Thompson L.A. Predicting academic achievement with cognitive ability // Intelligence. - 2007. - Vol. 35. - No. 1. - P. 83-92.
37. Sheppard L.D., Vernon P.A. Intelligence and speed of information-processing: A review of 50 years of research // Personality and Individual Differences. - 2008. - Vol. 44. - No. 3.
- P. 535-551.
38. Siegel L.S. Working memory and reading: a life-span perspective // Int. J. Behav. Develop.
- 1994. - Vol. 17. - P. 109-124.
39. Swanson H.L., & Beebe-Frankenberger M. The relationship between working memory and mathematical problem solving in children at risk and not at risk for math disabilities //
Journal of Education Psychology. - 2004. -Vol. 96. - P. 471-491.
40. Taub G.E., Keith T.Z., Floyd R.G., & McGrew K.S. Effects of general and broad cognitive abilities on mathematics achievement // School Psychology Quarterly. - 2008. - Vol. 53. - P. 187-198.
41. van der Sluis S., van der Leij A., & de Jong P.F. Working memory in Dutch children with reading- and arithmetic-related LD // Journal of Learning Disabilities. - 2005. - Vol. 38. - P. 207-221.
42. Zorzi M., Priftis K., & Umilta C. Brain damage: Neglect disrupts the mental number line // Nature. - 2002. - Vol. 417. - P. 138-139.
References
1. Malykh S.B., Tikhomirova T.N. Personality traits and intelligence: relationships and their nature. Voprosy psikhologii 2015; 2:147-160 (in Russian).
2. Tikhomirova T.N., Covas Yu.V. Relationship of cognitive characteristics of learners and successful solving mathematical tasks (for example, the senior school age). Psikhologiches-kiy zhurnal 2013; 34(1):63-73 (in Russian).
3. Tikhomirova T.N., Malykh S.B., Tosto M.G., Covas U.V. Cognitive characteristics and success in solving mathematical tasks in the senior school age: cross-cultural analysis. Psik-hologicheskiy zhurnal 2014; 35(1):41-53 (in Russian).
4. Ackerman P.L., Beier M.E., Boyle M.O. Working memory and intelligence: The same or different constructs? Psychological Bulletin 2005; 131(1):30-60.
5. Alloway T.P., & Archibald L.M. Working memory and learning in children with developmental coordination disorder and specific language impairment. Journal of Learning Disabilities 2008; 41:251-262.
6. Baddeley A.D. & Hitch G.J. Developments in the concept of working memory. Neuropsy-chology 1994; 8:485-493.
7. Brannon E.M. The representation of numerical magnitude. Current Opinion in Neurobi-ology 2006; 16(2):222-229.
8. Bull R., Espy K.A., Wiebe S.A. Short-term memory, working memory, and executive functioning in preschoolers: Longitudinal predictors of mathematical achievement at age 7
years. Developmental Neuropsychology 2008; 33:205-228.
9. Cerella J., Hale S. The rise and fall in information-processing rates over the life span. Acta Psychologica 1994; 86(2):109-197.
10. Chamorro-Premuzic T., Furnham A. A possible model for understanding the personality-intelligence interface. British Journal of Psychology 2004; 95(2):249-264.
11. Colom R., Rebollo I., Abad F.J., & Shih P.C. Complex span tasks, simple span tasks, and cognitive abilities: a re-analysis of key studies. Memory & Cognition 2006; 34:158-171.
12. Deary I.J., Strand S., Smith P., & Fernandes C. Intelligence and educational achievement. Intelligence 2007; 35(1):13-21.
13. Der G., & Deary I.J. Age and sex differences in reaction time in adulthood: results from the United Kingdom Health and Lifestyle Study. Psychology and Aging 2006; 21:62-73.
14. Feigenson L., Dehaene S., Spelke E. Core systems of number. Trends in Cognitive Sciences 2004; 8(7):307-314.
15. Fry A.F., Hale S. Processing speed, working memory, and fluid intelligence: Evidence for a developmental cascade. Psychological Science 1996; 7(4):237-241.
16. Fry A.F., Hale S. Relationships among processing speed, working memory, and fluid intelligence in children. Biological Psychology 2000; 54(1):1-34.
17. Geary D.C., Hamson C.O., Hoard M.K. Numerical and arithmetical cognition: A longitudinal study of process and concept deficits in children with learning disability. Journal of Experimental Child Psychology 2000; 77(3):236-263.
18. Halberda J., Ly R., Wilmer J.B., Naiman D.Q., & Germine L. Number sense across the lifespan as revealed by a massive Internet-based sample. Proceedings of the National Academy of Sciences 2012; 109(28):11116-11120.
19. Hale S. A global developmental trend in cognitive processing speed. Child Development 1990; 61(3):653-663.
20. Hentschel L. Errors in implied volatility estimation. Journal of Financial and Quantitative Analysis 2003; 38(4):779-810.
21. Hu L., Bentler P.M. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives.
Structural Equation Modeling: A Multidisci-plinary Journal 1999; 6(1):1-55.
22. Inglis M., Attridge N., Batchelor S., & Gilmore C. Non-verbal number acuity correlates with symbolic mathematics achievement: But only in children. Psychonomic Bulletin & Review 2011; 18(6):1222-1229.
23. Izard V., Sann C., Spelke E.S., & Streri A. Newborn infants perceive abstract numbers. Proceedings of the National Academy of Sci-ences2009; 106(25):10382-10385.
24. Jensen A.R. Bias in mental testing 1980.
25. Jensen A.R. The g factor: The science of mental ability 1998.
26. Kuncel N.R., Hezlett S.A., Ones D.S. A comprehensive meta-analysis of the predictive validity of the graduate record examinations: implications for graduate student selection and performance. Psychological Bulletin 2001; 127(1):162.
27. Laidra K., Pullmann H., Allik J. Personality and intelligence as predictors of academic achievement: A cross-sectional study from elementary to secondary school. Personality and Individual Differences 2007; 42(3):441-451.
28. Lubinski D. Introduction to the special section on cognitive abilities: 100 years after Spearman's (1904) «General intelligence, 'objectively determined and measured». Journal of Personality and Social Psychology 2004; 86(1):96.
29. Luo D., Thompson L.A., & Detterman D.K. The criterion validity of tasks of basic cognitive processes. Intelligence 2006; 34(1 ):79-120.
30. Merritt, D.J, DeWind, N.K, & Brannon, E.M. Comparative cognition of number representation. In: T. R. Zentall & E. A. Wasserman (Eds.). The Oxford handbook of comparative cognition (2nd ed., p. 451-476). The Oxford Handbook of Comparative Cognition 2012.
31. Neisser U., Boodoo G., Bouchard T.J., Jr, Boy-kin A.W., Brody N., Ceci S.J., Halpern D.F., Loehlin J.C., Perloff R., Sternberg R.J., Urbina S. Intelligence: knowns and unknowns. Am. Psychol. 1996; 51:77-101.
32. Owens M., Stevenson J., Norgate R., Hadwin J.A. Processing efficiency theory in children: Working memory as a mediator between trait anxiety and academic performance. Anxiety, Stress, & Coping 2008; 21(4):417-430.
33. Petrides K.V., Chamorro-Premuzic T., Fred-erickson N., & Furnham A. Explaining indi-
vidual differences in scholastic behaviour and achievement. British Journal of Educational Psychology 2005; 75(2):239-255.
34. Pind J., Gunnarsdottir E.K., Johannesson H.S. Raven's Standard Progressive Matrices: new school age norms and a study of the test's validity. Personality and Individual Differences 2003; 34(3):375-386.
35. Rindermann H., Neubauer A.C. Processing speed, intelligence, creativity, and school performance: Testing of causal hypotheses using structural equation model. Intelligence 2004; 32:573-589.
36. Rohde T.E., Thompson L.A. Predicting academic achievement with cognitive ability. Intelligence 2007; 35(1):83-92.
37. Sheppard L.D., Vernon P.A. Intelligence and speed of information-processing: A review of 50 years of research. Personality and Individual Differences 2008; 44(3):535-551.
38. Siegel L.S. Working memory and reading: a life-span perspective. Int. J. Behav. Develop 1994; 17:109-124.
39. Swanson H.L., & Beebe-Frankenberger M. The relationship between working memory and mathematical problem solving in children at risk and not at risk for math disabilities. Journal of Education Psychology 2004; 96:471-491.
40. Taub G.E., Keith T.Z., Floyd R.G., & McGrew K.S. Effects of general and broad cognitive abilities on mathematics achievement. School Psychology Quarterly 2008; 53:187-198.
41. van der Sluis S., van der Leij A., & de Jong P.F. Working memory in Dutch children with reading- and arithmetic-related LD. Journal of Learning Disabilities 2005; 38:207-221.
42. Zorzi M., Priftis K., & Umilta C. Brain damage: Neglect disrupts the mental number line. Nature 2002; 417:138-139.
THE STRUCTURE OF RELATIONSHIPS OF COGNITIVE CHARACTERISTICS AND ACADEMIC SUCCESS AT SCHOOL AGE
T.N. TIKHOMIROVA, I.A. VORONIN, E.B. MISOZHNIKOVA, S.B. MALYKH Psychological Institute RAE, Moscow
The paper analyzes the structure of relationships of cognitive characteristics - speed of information processing, working memory, number sense and non-verbal intelligence, and success in learning at primary, lower and upper secondary education levels. In a sample of 1650 students we showed that the structure is defined by the model which is universal for any school age: the speed of information processing is a key predictor of intelligence, working memory and number sense, which, in turn, contribute to individual differences in academic success. We found age differences in the relations within the structure. In particular, it was found that at the primary and lower secondary levels, the most significant is the relationship of the speed of information processing with the overall academic success mediated by non-verbal intelligence. At the upper level of secondary education we found no relationship of cognitive performance and academic success.
Keywords: academic success, cognitive characteristics, speed of information processing, working memory, non-verbal intelligence, number sense, school age, structural modeling.
Address:
Tikhomirova Tatiana
Ph.D., Senior Researcher of the Laboratory age psychogenetics,
Psychological Institute RAE
9-4 Mokhovaya str., Moscow, 125009, Russia
