Impact of a Neuro-Cognitive Intervention on Students’ Cognitive Functions: Assessments in a Government School Setting in South India
Notice bibliographique
Résumé
Evidence indicates that cognitive deficits can affect students’ performance in schools. An effort to enhance cognitive skills through integration of a neuro-cognitive training called ‘Brighter Minds’, was made in the government schools of South India during 2017-18. 110 students went through a pre and post training evaluation, using a mixed methods study design to assess changes in attention, observation and memory. Tools such as Make a Trail and Stroop test to assess attention, Word Recall and Visual stimulus tests for memory and acustomized tool to assess changes in observation were used. Focus group discussions were conducted to understand teachers’ experience and acceptance of the training. Paired t-tests demonstrated statistically significant gains in all the three cognitive traits. The average time taken to complete the trail tests significantly reduced after the training (Trail A: 59.3 s to 47.5 s; Trail B: 156 s to 120 s. p < 0.001). The average number of correct items read out in the Stroop test improved significantly. More students were able to observe deeper aspects of the test object (23 Vs 40, p < 0.001). On intuition tests, average score of correct observations went up significantly from 6.7 to 9.6 objects. Memory assessments revealed significant improvements in verbal recall (both immediate and delayed) and visual recognition, but marginal improvements in visual retention. The teachers reported changes in student’s motivation, discipline and participation. The training was seamlessly rolled out by the teachers during regular hours and led to improvements in students' cognitive abilities. The cognitive trainings offer promise to complement current efforts in enhance learning outcomes among students.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».