Nature新研究：大脑就像肌肉，有效思维干预可更新神经元，还能提升GPA！

大数据文摘出品

编译：武帅、宁静

学霸和学渣有什么不同？高智商可以培养吗？

斯坦福大学教授Carol Dweck在作品《看见成长的自己》中将人的思维分为两种，一种是固定性思维，认为智力和能力是一成不变的；一种是成长性思维，认为努力可以使自己变得更聪明。

最近，得克萨斯大学奥斯汀分校的一份研究认为：人的大脑就像肌肉，在经过严格的学习训练之后，大脑中的神经元会形成新的、强有力的联结，长久下去，人会变得越来越聪明。

这一研究论文也被发布在了今年8月的《自然》杂志上。

Nature链接：

研究人员从美国65所普通公立学校选择随机样本，包括12,490名九年级青少年，通过在线的成长型思维干预方法，发现可以提高成绩较差的学生的GPA成绩以及该国家样本中高级课程的整体吸收率。

这难道就是普通学生和学霸的区别？所以考得不好只能怪自己不努力，再也没有“天赋不好”这样的借口了吗？一起来看看！

调查背景和缘由

大约20%的美国学生不能按时完成高中学业。

在当前的全球化经济中，这些辍学的学生将会面临着贫困、健康状况不佳和早逝的高风险。事实上，《柳叶刀》杂志的一个委员会认为改善青少年的中等教育成果“是对健康和福祉最好的一笔投资”。

向中学的过渡是青少年教育轨迹中具有灵活性的一个重要时期。在美国，学生的成绩在过渡到九年级(14-15岁，英国10年级)时往往会下降，而且往往不会恢复。当这些学生在严格的课程学习中表现不佳或选择不学习时，他们就不太可能上大学或者选修大学里的高阶课程。这样，在向中学过渡的早期问题会随着时间的推移而加剧，并在成年后形成巨大的人际资源差异。

为了提高高等教育的入学率，研究人员决定强调成长型思维在其中发挥的作用，研究人员想到，在过渡到中学时提高学业成绩的一个方法是通过社会心理学的干预，改变青少年对自己和学业的想法或感觉，成长型思维可以激励学生学习更加严格困难的课程，并在遇到困难时坚持下去，从而鼓励学生利用学校的学习机会。

这里评估的具体干预措施是一种智力干预的成长型思维，强调了青少年对智力本质的信念，使学生们认识到，智力并不是固定不变的，而是能够随着坚定地努力、不断地尝试以及在合适的时候寻求帮助不断成长的。

采用方法

对青少年进行的初步干预研究采用多阶段(例如，8个课堂阶段)、由受过良好培训的成年人举办的互动研讨会等方式教授成长型思维;然而，这些做法并不容易推广。之后的成长心态干预简单一些，是在线自我管理的。尽管如此，之前的随机评估，包括预注册回答，显示在线成长心态干预改善了目标群体中那些之前成绩较差的中等教育学生的成绩。

干预包括两次自我管理的在线会议，每次持续约25分钟，要求学生使用学校的计算机资源完成两个随机分配的25分钟在线课程。这些会议包括增长思维练习和控制练习。

在治疗条件下，学生阅读和聆听描述大脑如何运作的科学材料以及人们随着时间的推移培养智力的能力，同时鼓励学生思考为什么他们可能想要发展他们的大脑，以便对他们个人关心的事物产生影响，同时还教学生们思考如何将这些信念付诸实践，例如，完成一个简短的写作任务，为未来的九年级学生提供建议，这些建议可以帮助参与者轻松过渡到高中，在正常上课时间间隔大约20天如下图所示：

2015年8月至11月，82%的学校实施了干预;剩下的18%在2016年1月或2月进行了干预。星号表示，在秋季实施干预措施的学校中，第一至第二节课之间的平均天数为21天;而春季学校则是27天。掷硬币符号表示在第一节课进行了随机分配。勾号表示在在线网站预先注册了一个全面的分析计划。盲眼符号表明，首先，教师和研究人员不知道学生随机分配的条件，其次，贝叶斯机器学习鲁棒性测试是由当时并不知道假设和变量特性的研究人员进行的。

调查数据从哪来？

数据来自国家学习心态研究（这是美国65所普通公立学校的分层随机样本），包括12,490名九年级青少年，他们被单独随机抽样，尽可能多的招募学校进入研究。从学生的学校获得成绩，并且分析的重点是低成就学生群体（低于学校中位数的学生）。样本反映了美国年轻人的多样性：11％自我报告为黑人/非洲裔美国人，4％亚裔美国人，24％拉丁裔，43％白人和18％另一种族或种族;29％的人表示他们的母亲拥有学士学位或更高学历。

在调查报告中给出了汇总数据链接，在链接网址中给出了详细的数据信息，包括预注册、文档、数据（其中数据以.csv格式显示）

部分数据展示如下：

共有139所学校被选中，在这些学校中，65所学校同意，参与并提供学生记录。另有11所学校同意并参加，但没有提供学生成绩或课程记录;因此，不会分析他们学生的数据。研究计算了蒂普顿普遍性指数，它是分析样本与总体抽样框架之间相似性的度量，沿着官方政府来源获得的8个学生人口统计和学校成绩基准进行数据统计和分析。

分析方法

在有了数据之后，如何比较干预后的数据和之前数据的变化，针对这些数据做分析呢？

平均治疗效果的模型

分析估计个人的平均治疗效果使用集群稳健的固定效应线性回归模型，学校作为固定效应，纳入ICF统计人员提供的权重。因此，系数可推广到推理人群，即在美国普通公立学校就读的学生。对于t分布，自由度为46，等于簇（或初级采样单位，即51）减去采样层数（为5）。

异质性的模型

为了检验低成就学生的治疗效果中的跨学校异质性，研究人员估计多级混合效应模型（1级，学生;2级，学校），学校采用固定截距，并且按照当前推荐的不同学校随机斜率做法。该模型包括以学校为中心的学生级协变量（先前的表现和人口统计）使网站级估计尽可能精确。该分析控制了学校一般学生的种族/民族构成及其与治疗状态变量的相互作用，以解释学生身体种族/民族构成与学业成绩水平的混淆。

贝叶斯鲁棒性分析

使用一种算法来实现这一目标，BCF，BCF算法使用机器学习工具来发现（或排除）covariates和 moderators之间的高阶交互和非线性关系。它是保守的，因为它使用正则化和强大的先验分布来防止错误发现。在我们预先登记的模型中，适度分析的稳健性的证据来自于BCF在分布中具有最多学校（即分布中间）的部分估计效果的对应，因此BCF算法也是此项研究有意义的价值所在。

调查结果

主要成果是核心九年级（数学，科学，英语或语言艺术和社会研究）的干预后成绩点平均值（GPA），按照预先登记的分析计划，我们报告n的目标群体的结果=6,320名相对于同一学校同龄人的成绩较低的学生。模型估计为5.3％（95％置信区间=-1.7，-9.0），se=1.8，t= 2.95， 通过短暂和低成本的增长思维干预，每年美国学生中的P=0.005将被阻止“脱轨”，相当于从46％减少到41％，这使得相对风险减少11％（即0.05/ 0.46）。

如上图所示，a，c表示治疗对核心课程成绩点平均值（GPAs）的影响， b，d，表示仅对数学和科学的GPAs治疗效果，c，d，箱形图表示无条件处理效果（每个学校一个）预先登记的线性混合效应回归模型。

GPA是一个理论上相关的结果，因为成绩通常被理解为反映持续的动机，而不仅仅是先前的知识。这也是一个实际相关的结果，GPA是成人教育程度，健康和福祉的有力预测指标，即使在控制高中考试成绩时也是如此。定义为以四分制为单位获得GPA低于2.0的青少年的百分比，每年有300多万九年级学生上普通的美国公立学校，根据定义，有一半学生的成绩较低。

二次分析侧重于仅在数学和科学方面的GPA结果。数学和科学是相关的，因为美国的普遍信仰将数学和科学学习与“原始”或“天生”能力联系起来，认为“数学和科学的成功有力地预测了长期的经济福利和福祉”，结果为数学和科学的分析支持了相同的结论。

如上图所示，成绩较好的学生对核心课程GPA没有显着的治疗效果，即仅在成绩较差的学生中检查平均GPA效应，因为成绩较好的学生可能已经习惯（例如，按时上班）和环境（例如，支持性家庭，教师或同伴群体），即使在控制条件下也能培养出高GPA。

结果显示，当学生们的行为规范与干预措施相一致时，干预起到作用，提高成绩较差的学生的成绩和对高阶课程的接受程度。对此研究结论的严谨性证明来自于独立的数据收集和处理、分析时的预注册以及基于盲贝叶斯的结果验证。

最后寄语

在迈克尔•乔丹代言的耐克广告中，他最喜欢的一句广告词是：“我有超过9000次投篮不中，也输了将近300场比赛，我还有26次错失了绝杀机会。”

但可以肯定的是，每次失败过后，他都会回到训练场馆，练习上百次投篮，最后才能站上篮球界的神坛！或许思维真的会决定命运，有时以一个积极努力的心态迎接挑战，可能真会使我们更加聪明吧！

相关报道：

后台回复“志愿者”加入我们

点「在看」的人都变好看了哦！