Компьютерные игры и их влияние на геймеров давно интересует общественность. Неслучайно, мы активно следим за новинками, трендами и исследованиями в этой теме, а в магазинах выделены отдельные геймзоны со специализированным оборудованием.
В недавнем исследовании американские ученые университета Атланты опровергают мнение о том, что компьютерные игры являются пустой тратой времени и не приносят пользы, а игроки деградируют и теряют социальные навыки. Под катом делимся деталями этого исследования и основными выводами.
Американские ученые: «Коротко о главном…»
Видеоигры обеспечивают увлекательную познавательную среду с большим количеством сенсорных стимулов, а также оказывают благоприятное воздействие на когнитивную функцию тех, кто играет на постоянной основе.
В ходе эксперимента с применением функциональной магнитно-резонансной томографии (ФМРТ) мы изучили поведенческие реакции и реакции мозга во время выполнения задач и принятия решений среди тех, кто регулярно играет в видеоигры (геймеров) и тех, кто практически не играет.
Сравнительный анализ поведенческих реакций показал, что геймеры реагируют быстрее примерно на 190 миллисекунд и точнее на 2%. Данные различия коррелируют со специфическими изменениями в активности нейронных узлов и сетей в язычной извилине, дополнительной моторной области и таламусе.
Согласно результатам исследования, видеоигры потенциально улучшают некоторые процессы ощущения, восприятия и преобразования информации в действие. На их основе ученые могут прояснить, как именно видеоигры влияют на головной мозг для повышения эффективности выполнения задач, и разработать потенциальный метод тренировки когнитивных навыков.
Игры и жизнь
Когда мы выполняем повседневные задачи, то фокусируемся на соответствующей сенсорной информации, которую получаем и используем для преобразования в двигательную активность. Видеоигры требуют быстрой обработки поступающей информации и принятия решений. Многочисленные исследования выявляют когнитивные преимущества видеоигр для выполнения определенных задач, а также возможность их применения для тренировки определенных навыков. Однако чрезмерное увлечение ими может привести к аддиктивным расстройствам: абстиненции, отсутствию вовлеченности в повседневную деятельность. Тем не менее, в умеренном количестве видеоигры способны оказать благоприятное воздействие.
В этом исследовании с применением функциональной магнитно-резонансной томографии (ФМРТ) изучили влияние видеоигр на сенсомоторное принятие решений путем сопоставления поведенческих реакций и реакций мозга тех, кто играет в видеоигры на постоянной основе, и тех, кто не играет.
Целью было описание работы головного мозга и ее взаимосвязи с поведением под влиянием видеоигр. На основе большого количества сенсорной информации, которую предлагают видеоигры, появилось предположение, что геймеры лучше справляются с поставленными задачами, а также обладают повышенной активностью сенсомоторных узлов и нейросетей.
Участники исследования
Было отобрано 47 участников (28 геймеров и 19 человек, которые не играют в видеоигры). Группы были сопоставимы по возрасту (возраст геймеров – 20,6 ± 2,4, возраст тех, кто не играет – 19,9 ± 2,6).
Участники, которые уделяли видеоиграм 5 и более часов неделю в течение последних двух лет, были определены в группу геймеров. Вторую группу составили те, которые играл менее 5 часов в неделю в течение последних двух лет (в среднем, менее часа в неделю).
Стимул
В исследовании использовали задачу категоризации движущихся влево и вправо точек. В начале участникам демонстрировали определенный цвет (напр., красный). Затем на экране появлялись две группы из 600 точек, движущихся с одинаковой скоростью в противоположных направлениях.
Участнику следовало в течение 3 секунд определить направление движения точек целевого цвета и обозначить свой выбор нажатием кнопки (влево или вправо). Эта задача задействовала несколько подпроцессов: передача сенсорной информации головному мозгу, накопление сенсорной информации для процесса восприятия и соотнесение сделанного выбора с действием.
Данный стимул повторялся трижды в течение 15 секунд, после чего следовал 15-секундный перерыв. Для каждого стимула направление движения точек было рандомизированно. Цвет целевых и отвлекающих точек также выбирался случайным образом на основе цветовых пар, соответствующих текущей сложности задачи.
Цветовые пары были разделены на три уровня сложности (по стандартному цветовому кругу): легкий (первичные цвета: красный, желтый, синий), средний (первичный цвет и соседний вторичный цвет) и сложный (первичный/вторичный цвет и соседний третичный цвет). Скорость движения точек также была рандомизирована от отсутствия движения (скорость 0) до самой высокой 4 скорости.
Рисунок 1 демонстрирует шкалу скорости и цветовые пары, которые были использованы в данном исследовании.
Сбор и анализ поведенческих данных
При помощи программы PsychoPy участникам демонстрировали стимулы и собирали данные о поведенческих реакциях. Ответы и продемонстрированное ими время регистрировали и переводили в коэффициент успешности.
Чтобы правильные ответы зачлись, участникам нужно было отвечать верно в течение периода действия стимула. Количество верных ответов делили на общее количество заданий; полученное число умножали на 100. Таким образом получили процентный балл для каждого участника. Участники должны были дать ответ в течение 3 секунд после начала задания.
Данные ФМРТ
Прежде всего нами были получены анатомические снимки мозга высокого разрешения для проведения воксель-ориентированной морфометрии и анатомического исследования в режиме Т1-MEMPRAGE (TR = 2530 мс, TE1-4: 1,69-7,27 мс, TI = 1260 мс, угол отклонения = 7 градусов, размер вокселя = 1мм × 1мм × 1мм).
Затем в четырех функциональных прогонах был применен режим Т2*-взвешенной градиентной эхо-планарной последовательности (TR = 535 мс, TE = 30 мс, угол отклонения = 46 градусов, область сканирования = 240 мм, размер вокселя = 3,8 мм × 3,8 мм × 4 мм, количество срезов = 32 (собраны в порядке чередования), толщина срезов = 4 мм).
Во время выполнения заданий было получено 3440 изображений головного мозга. Обработка полученных данных производилась с помощью программного обеспечения Statistical Parametric Mapping на базе MATLAB (SPM12) (Friston, 2010).
Данные импортировались из формата DICOM в формат NIFTI, после чего срезы выравнивались по одному моменту времени, были применены инструменты коррекции движения и дисторсии поля изображений.
Затем данные каждого участника приводились к стандартизированному пространству по электронному атласу анатомических структур с использованием унифицированной сегментации. Нормализованные изображения сглаживались с применением изотропного гауссова ядра (8 мм).
Определение области исследования (ОИ)
Активации нейронов головного мозга в связи с решением задач рассчитывались с применением двухуровневой модели анализа случайных эффектов (Friston, 2010). Для анализа первого уровня данных был применен однофакторный анализ, основанный на общих линейных моделях (ОЛМ).
ОЛМ определялась как y = βX + ε, где y – экспериментальные данные для воксела, β – матрица параметров регрессии, X – дизайн-матрица (модель), построенная из последовательности стимулов и задач, а также движений участника, а ε – остаточная погрешность. Для каждого участника была определена матрица эксперимента ОЛМ на основе того, когда определенное условие задачи появлялось в течение четырех прогонов.
Заданные условия задачи: легкий уровень, скорость 0 (E0), легкий уровень, скорость 1 (E1), легкий уровень, скорость 2-3 (E23), легкий уровень, скорость 4 (E4), средний уровень, скорость 0 (M0), средний уровень, скорость 1 (M1), средний уровень, скорость 2-3 (M23), средний уровень, скорость 4 (M4), сложный уровень, скорость 0 (H0), сложный уровень, скорость 1 (H1), сложный уровень, скорость 2-3 (H23), сложный уровень, скорость 4 (H4), а также шесть параметров движения. Для каждого участника были созданы контрастные изображения «задача-покой» и «движение-отсутствие движения».
При помощи второго уровня анализа мы определили области исследования для контрастов каждого участника. Были определены кластеры активации с поправкой на множественные сравнения, основанной на FWER (групповой вероятности ошибки первого рода) при p <0,01 и размере кластера k >20 (рис. 2А).
Координаты пиков активации кластеров, которые часто встречались в обеих экспериментальных группах, были записаны и использованы в качестве областей исследования в ПО PickAtlas (Maldjian et al., 2003). На рисунке 2В показаны все 26 выбранных областей исследования в целом и по каждому контрасту.
Результаты
У геймеров наблюдается повышение скорости реакции и точности решений
Участники, регулярно играющие в видеоигры, в ходе исследования продемонстрировали более быструю реакцию и более высокую точность ответов при всех условиях задачи. Значительно более высокая точность наблюдалась у группы геймеров при решении задачи в целом (на 2,24 ± 6,87%), а также при низком уровне сложности (7,12 ± 5,38%).
У геймеров также наблюдалась значительно более быстрая реакция (независимо от условий задачи): средняя разница составила 190 мс (геймеры = 926,75 ± 424,71, не играют = 1115,93 ± 483,89).
На рисунке 3 и в таблице 2 представлены результаты выполнения задач. Темно-зеленый и темно-оранжевый цвета на графиках соответствуют участникам, которые играют в видеоигры, и участникам, которые не играют, соответственно.
Рис. 3. Время и точность принятия решения. Выполнение задачи на выборку движущихся влево и вправо точек в целом и с уровнями сложности. Рисунки A и B отображают общее время и точность принятия решения. Рисунки C и D показывают время и точность принятия решения в зависимости от уровня сложности задания. Значимые величины отображены над соответствующими сравнениями. В целом, группа геймеров была быстрее в принятии решений примерно на 190 мс (A и C) и точнее на 2,24% (B) по сравнению с теми, кто не играет.
Таблица 2. Поведенческая реакция на принятие решения. Групповая точность выполнения задания (%) и время реакции (RT; мс) по всем уровням сложности и настройкам скорости.
Геймеры демонстрируют более высокую мозговую активность
Реакция головного мозга участников регистрировалась с помощью 3Т МРТ во время выполнения заданий. Активации, связанные с заданием, вычислялись с помощью двухуровневого анализа случайных эффектов (Friston, 2010). Мы отобрали из перечня обычно активируемых при выполнении задач областей мозга те зоны, которые были активированы у участников обеих групп, и изучили их.
При помощи сферических масок (6 мм), созданных в программе MarsBaR, мы извлекли из каждой области исследования среднее процентное изменение сигнала при каждом условии.
Для каждого участника было выявлено 12 значений на каждую область исследования, которые были усреднены для определения общего значения. При помощи U-критерия Манна-Уитни мы оценили весомые различия в среднем процентном изменении сигнала между группами по всем областям исследования. Области, в которых было выявлено наиболее весомое различие между группами, отображены на рисунке 4.
Рис. 4. Различия в процентном изменении сигнала между экспериментальными группами
Три области показали повышенную активность при p <0,01 с поправкой Бонферрони: правая язычная извилина (rLING) (p = 2,93 × 10-5), левый таламус (lTHA) (p = 1,15 × 10-4) и правая дополнительная моторная область (rSMA) (p = 8,84 × 10-12).
Во всех трех областях головного мозга у геймеров наблюдалась повышенная активность. Мы проверили, коррелирует ли активность этих областей со временем поведенческой реакции, и построили график зависимости среднего процентного изменения сигнала (APSC) от времени ответа (RT).
Значения APSC коррелировали с RT с использованием теста ранговой корреляции Спирмена при пороговом значении p <0,05. Правая язычная извилина (r = -0,34, p = 0,022) и правая дополнительная моторная область (r = -0,3, p = 0,046) показали отрицательную корреляцию со временем ответа у всех участников. На рисунке 5 представлены диаграммы рассеяния для вышеназванных областей мозга.
Рис. 5. Процентное изменение сигнала и время принятия решения. Диаграмма рассеяния, демонстрирующая корреляцию процентного изменения сигнала со временем ответа.
Зеленым цветом выделены данные первой группы (геймеров), оранжевым – второй группы. Рисунки A-B Корреляция региональных процентных изменений сигнала со временем ответа (мс). Правая язычная извилина и правая дополнительная моторная область находятся в отрицательной корреляции со временем ответа.
Соответствующие коэффициенты ранговой корреляции Спирмена и p-значения показаны в правом верхнем углу графиков.
Улучшение межнейронных связей у игроков
Мы изучили, отличалась ли активность нейронных сетей данных областей между двумя экспериментальными группами. Используя метод причинности Грэнджера, мы рассчитали направленную функциональную связь между тремя областями исследования. Затем сравнили результаты обеих групп на предмет статистической значимости с помощью U-критерия Манна-Уитни.
Мы получили четыре связи, которые значительно отличались между участниками двух групп. На рисунке 6А продемонстрированы связи, которые мы сочли значимыми; узлы обозначены при помощи названий тех областей, которые были задействованы; стрелка указывает на узел, который находится под воздействием.
Рис. 6. Направленная функциональная коннективность. На рисунке А демонстрируется изображение транспарентного головного мозга, отображающее направленную функциональную коннективность значительно отличающихся связей между двумя экспериментальными группами. У группы геймеров наблюдались связи значительно более высокого порядка при p <0,05 (без коррекции). Рисунок B Групповые различия в активности левого таламуса (общий приток в таламус из других узлов) во время выполнения задачи при p <0.05 с поправкой Бонферрони.
Мы нанесли на график значения причинности по Грэнджеру относительно времени ответа и рассчитали коэффициенты ранговой корреляции Спирмена для каждой исследуемой связи. Связь от rIFGo к lTHA показала умеренную отрицательную корреляцию со временем ответа (r = -0,32, p = 0,03) (рис. 7).
Заключение
Сравнительные результаты показали, что экспериментальные группы имеют различия как в поведенческих реакциях, так и в реакциях мозга на принятие решений.
Исходя из выявленного воздействия видеоигр, улучшение сенсомоторных задач у геймеров может быть связано с улучшением различных аспектов низкоуровневых и высокоуровневых процессов мозга: ощущений, внимания, пространственной навигации и когнитивного контроля.
Примененная нами сенсомоторная задача активировала те области головного мозга, которые отвечают за обработку визомоторной и когнитивной информации. Среди обозначенных областей головного мозга, у экспериментальных групп были выявлены различия в активности трех областей по процентному изменению сигнала, связанному с решением задачи. Уровень процентного изменения сигнала значительно выше у группы геймеров. Из анализа процентного изменения сигнала в зависимости от времени ответа видно, что уровни активации правой язычной извилины и правой ДМО коррелируют со временем ответа: чем выше активность в указанных областях, тем меньше времени требуется на ответ.
В совокупности, дифференциальные активации в этих областях вовлечены в распознавание визуальных образов, планирование и выбор двигательных действий, исходя из визуальной сенсорной информации, и связаны с отображением действия как части сенсомоторного процесса принятия решений.
Видеоигры являются потенциально эффективными для тренировки когнитивных навыков, поэтому было необходимо удостовериться, что при наблюдаемых улучшениях в скорости или точности не выявляется обратная зависимость между этими двумя явлениями. Результаты данного исследования показывают, что те, кто играет в видеоигры на постоянной основе, не только быстрее реагируют, но и одинаково или более точны, чем те, кто не играет. Отсутствие компромисса между скоростью и точностью указывает на то, что видеоигры являются хорошим вариантом для тренировки когнитивных функций, связанных с принятием решений.
Данное исследование имеет два ограничивающих фактора. Во-первых, ФМРТ не позволяет уловить временные рамки обработки когнитивных подпроцессов, необходимые для более полного объяснения различий в поведении. В будущих исследованиях возможно использование данных ЭЭГ и анализ источников для устранения вышеуказанного ограничения и полного охвата механизмов работы головного мозга, лежащих в основе выявленных различий.
Во-вторых, основное предположение об участниках, взятых из схожей среды, заключалось в том, что они отличались только игровым опытом. Будущие исследования должны быть сосредоточены на обучении тех, кто не играет в видеоигры на постоянной основе, а также на определении оптимального времени обучения, необходимого для достижения измеримых различий в реакции мозга и поведенческих реакций на принятие решений.
