【研究背景】

批判性思维（Critical Thinking, CT）是⼀种元认知过程，共包含七个维度：寻求真理性、思想开放性、分析性、系统性、自信性、好询问性和成熟性。批判性思维是一种基本的生存技能，也是高等教育的关键所在。但是目前批判性思维的大脑神经机制仍未明晰。为了解决这个问题，我们开展了一项功能磁共振成像研究，发现个体大脑连接映射可以预测批判性思维倾向，高批判性思维网络的边缘叶可预测思想开放性和系统性得分，与创造性思维有共同的神经机制，顶叶可正向预测自我报告的认知成熟度。

【研究方法】

1. 被试

本研究从湖南高校招募了80名大学生作为被试（女性：39名，男性：41名；年龄：18-27岁，平均年龄22.06±2.30岁），文理科学生各占一半。所有被试均为汉语母语者，且视力正常或矫正视力正常，无神经或精神疾病史。

2. 实验过程

收集被试批判性思维行为数据和静息态脑成像数据。采用中文版的《加州批判性思维倾向量表》收集被试行为数据。使用湘雅医学院（中南大学）磁共振（MRI）中心的3.0T西门子MRI扫描仪采集400秒的静息态成像数据，整个过程中被试睁开眼睛并注视屏幕中央的注视点。

3.数据分析

首先，进行静息态MRI数据分析。获得了高分辨率的T1扫描像以进行结构像配准。使用CONN工具箱，在MATLAB中进行了功能体积的校正和重对齐；将其与蒙特利尔神经病学研究所（MNI）的脑模板进行了配准和标准化；并使用一个6 mm³各向同性高斯核进行了平滑处理（Whitfield-Gabrieli等人，2012年）。CONN工具箱也用于评估静息态功能连接性，对于每位被试，CONN运用了解剖学CompCor方法，以识别分割得出的白质和脑脊液的主要成分。

其次，进行功能网络构建。使用CONN工具箱计算了每位被试的全脑网络。使用了Shen脑图谱，该图谱由268个感兴趣区域（ROI）组成。提取静息态下每个ROI中的BOLD信号，并计算了每对ROI之间的双变量相关性，得到每个被试268×268的相关矩阵（见图1）。然后，将行为值（批判性思维得分）与连接矩阵中的每条边（特定大脑区域对的平均BOLD信号）进行了相关分析。矩阵应用了一个阈值，仅保留与行为正向或负向显著相关的边（p < 0.01）。

图1.基于连接组的预测建模流程示意图

接着，基于连接组的预测建模。使用静息状态下的功能连接来计算个体的批判性思维的倾向。首先，将个体的行为值（通过问卷测量得出的批判性思维倾向的分数）与功能连接矩阵中的每条边进行相关性分析。然后，对矩阵应用了一个阈值，只保留与行为显著相关的边（p < 0.01）。接下来，对正向和负向相关边缘的强度（即相关系数）进行求和，并使用cpm方法来分析数据。最后，使用线性回归模型来计算观察到的行为分数与模型预测的行为分数之间的相关性。为了验证模型的有效性，采用了留一交叉验证，即在n-1名被试的连接矩阵和行为分数上进行训练，并在留下的被试上进行测试。

最后，分别提取前20条边，即批判性思维的评分和功能网络之间最强显著正相关或负相关的边。然后训练支持向量机模型，分别用于高批判性思维网络和低批判性思维网络的前20个边，以对个体的性别和专业进行分类。这个过程通过保留的测试组验证模型（见表1）。

表1. 大学成⼈样本数据的所有子维度之间的相关性(N = 80)

 【实验结果】

雷达图显示了文科专业男女学生在七个批判性思维维度上的得分(见图2)。两因素方差分析结果表明，只有性别的主效应对自信性有显著影响(F(1, 76) = 4.72， p < 0 .05），事后比较显示男性的得分(4.22) 高于女性 (3.82； p < 0.01)。

图2. 雷达图：文科和理科专业男女学生在批判性思维各维度上的得分

高批判性思维网络和低批判性思维网络的网络定义和神经解剖学发现，370条边与批判性思维倾向呈正相关（“高批判性思维网络”），388条边与批判性思维倾向呈负相关（“低批判性思维网络”）。基于置换检验校正（迭代=1000，所有ps < 0.014）也证实了功能连接和批判性思维倾向之间的显著正/负相关性。其中，高批判性思维网络主要表现为颞叶和边缘皮质的弥漫性连接（图3A），低批判性思维网络主要在枕叶网络、顶叶网络和颞叶网络存在密集连接（图3B）。

图 3. 高批判性思维网络和低批判性思维网络的描述。圈图和脑图被设定了阈值，以显示网络中节点的最高数量（k）（高批判性思维，k = 12；低批判性思维，k = 15）。圈图中的颜色与脑叶相对应。L代表左半球；R代表右半球。

批判性思维能力预测：留一交叉验证分析结果表明全脑连接模型不能预测批判性思维倾向，模型预测和实际批判性思维评分在高临界网络中[r（79）= 0.11，p =0.352]和低临界网络[r（79）= 0.04，p = 0.717]都没有显著的相关性。为了进⼀步分析每个脑叶与批判性思维评分的相关性，本文分析了在10个脑叶上的高批判性思维网络和低批判性思维网络之间的连接分布。

通过高和低批判性思维网络对批判性思维分数的预测，发现低批判性思维网络的前额叶能够预测个体的批判性思维分数，高批判性思维网络的边缘叶和顶叶经过1000次置换检验后能够稳定地正向预测批判性思维分数（ps < 0.014）。其中，左旁海马回和右后顶叶皮层之间的连接显著预测了思想开放性；右海马体/颞下沟与左海马体之间的连接显著预测了系统性分数。而在27个顶叶节点中，右侧楔前叶皮质和左侧顶叶上叶/角回、右侧颞中回和右侧顶叶上叶/边缘上回的连接可以显著预测个体的认知成熟度。

分类结果：支持向量机模型使用高批判性思维网络成功地对文理科参与者进行了分类，准确率为58.65%，而使用低批判性思维网络则未能对文理科参与者进行分类，准确率为50.34%。在性别方面，支持向量机模型未能对男性进行分类，使用高低批判性思维网络对男性和女性的分类准确率分别为49.13%和55.27% 。

【研究结论】

通过在功能磁共振成像数据分析中使用基于连接组的预测模型和⽀持向量机模型，我们发现了与批判性思维相关的全脑网络。高批判性思维倾向与大脑连接在边缘系统、颞叶、顶叶和小脑叶之间存在关联。值得注意的是，高批判性思维网络的边缘系统和顶叶显著正向预测了整体批判性思维得分。这些高度的脑-行为相关性能够基于专业来区分个体，但无法根据性别来区分。相比之下，较低的脑-行为相关性对于区分专业或性别都没有多大的帮助。综上，本研究结果表明人们独特的大脑网络连接可以用来预测批判性思维倾向。

【文献信息】

原文：Connectome-based predictive modeling: A new approach of predicting individual critical thinking ability

作者：Jie Dong, Shanshan Xu, Wenjia Zhang, Peihong Yu, Wenjing Jiang, Hao Yan

期刊：Thinking Skills and Creativity

发表时间：2023.8

DOI：https://doi.org/10.1016/j.tsc.2023.101378