Связь биоэлектрической активности мозга в альфа- и тета-диапазоне с когнитивным контролем тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жожикашвили Наталия Александровна

• Жожикашвили Наталия Александровна
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Жожикашвили Наталия Александровна

Список сокращений

ВВЕДЕНИЕ

Актуальность

Гипотезы, цель, задачи и структура исследования

Методология и методы исследования

Структура исследования

Положения, выносимые на защиту

Научная новизна и значимость полученных результатов

Публикации и апробация исследования

ГЛАВА 1. Активность в альфа- и тета-диапазонах после совершения ошибок

1.1. Ритмическая активность мозга как коррелят когнитивного контроля

1.2. Материалы и методы

1.3. Результаты

1.4. Обсуждение

ГЛАВА 2. Фазовая связанность в тета-ритме после совершения ошибок

2.1. Взаимодействие областей коры при когнитивном контроле

2.2. Материалы и методы

2.3. Результаты

2.4. Обсуждение

ГЛАВА 3. Связь ритмической активности мозга в альфа- и тета-диапазонах со сложностью задачи и мотивацией

3.1. Ритмическая активность мозга как коррелят умственного усилия

3.2. Материалы и методы

3.3. Результаты

3.4. Обсуждение

ЗАКЛЮЧЕНИЕ

Благодарности

Список литературы

2

Список сокращений

LSD - least significant difference, метод наименьшей значимой разницы

ЭЭГ - электроэнцефалография, электроэнцефалограмма

фМРТ - функциональная магнитно-резонансная томография

SART - sustained attention to response task, задача на устойчивое внимание

ICA - independent component analysis, анализ независимых компонент

CSD - current source density, плотность источника тока

ERSP - event-related spectral perturbations, связанные с событием спектральные пертурбации

ROI - regions of interest, области интереса

ANOVA - analysis of variance, дисперсионный анализ

TFCE - threshold-free cluster enhancement, алгоритм улучшения кластеров без порога

wPLI - weighted phase lag index, взвешенный индекс фазовой задержки

MTQ - mental toughness questionnaire, опросник на психическую устойчивость

STAI - state trait anxiety inventory, опросник на тревожное состояние и личностную тревожность

ERD/ERS - event-related (de)synchronization, связанная с событием (де)синхронизация

FDR - false discovery rate, ожидаемая доля ложных отклонений гипотез

Введение диссертации (часть автореферата) на тему «Связь биоэлектрической активности мозга в альфа- и тета-диапазоне с когнитивным контролем»

ВВЕДЕНИЕ Актуальность

Когнитивный контроль - это процессы регуляции выполнения сложных задач, которые позволяют адаптивно изменять обработку информации и поведение в зависимости от текущих целей и тем самым обеспечивают гибкость целенаправленного поведения человека (Botvinick, Braver, Barch, Carter, & Cohen, 2001; Yeung, 2013). Способность к гибкому и динамичному управлению когнитивными ресурсами по-разному определяется в разных подходах. Некоторые исследователи используют термин исполнительные функции, обозначающий такие отдельные и независимые функции как тормозный контроль, внимание, рабочая память, эмоциональная регуляция и др. (Barkley, 2012; Miyake & Friedman, 2012). В то время как другие используют термин когнитивного контроля как единой системы, использующей описанные функции для адаптивной регуляции когнитивных ресурсов (Cohen, 2017; Miller, 2000). В современной научной литературе часто когнитивный контроль и исполнительные (управляющие) функции используются как синонимы (Friedman & Robbins, 2022). В нашей работе мы используем понятие когнитивного контроля как единого механизма, описанного в работах Джонатана Коэна, Мэттью Ботвиника и Амитая Шенхава (Botvinick et al., 2001; Shenhav, Botvinick, & Cohen, 2013) и расширенное последующими работами (Cavanagh, Cohen, & Allen, 2009; Holroyd et al., 2004; Shenhav et al., 2017; Yeung, Botvinick, & Cohen, 2004), поскольку в этих психофизиологических моделях большое внимание уделено мозговым механизмам, лежащим в основе когнитивного контроля.

Когнитивный контроль использует широкий спектр когнитивных процессов, включая представление и поддержание целей или контекста при помощи рабочей памяти, а также стратегические процессы, такие как распределение внимания, тормозный контроль, отслеживание выполнения задачи и результата и последующая коррекция поведения (Aron, 2007; Engle,

2010; Ullsperger, 2006). Согласно нейропсихологическим и нейрофизиологическим исследованиям на людях, а также записям исследований на приматах, медиальная переднелобная кора считается ключевой областью мозга, поддерживающей функции когнитивного контроля (King, Korb, von Cramon, & Ullsperger, 2010; Ullsperger, 2006; Yeung, 2013; Yeung & Cohen, 2006). Например, классические исследования Фу стера и Голдман-Ракич показали активацию медиальной лобной коры при удержании информации в рабочей памяти (Fuster, 2000; Goldman-Rakic, 1992). Модуляция этой активности показана в исследованиях рабочей памяти у человека (Braver et al., 1997). Также была зарегистрирована активация медиальной лобной коры в условиях высоких требований к контролю во время выполнения задач на избирательное внимание и подавление преобладающих реакций (Knight, Staines, Swick, & Chao, 1999; Ridderinkhof, Ullsperger, Crone, & Nieuwenhuis, 2004; Ridderinkhof, Van Den Wildenberg, Segalowitz, & Carter, 2004). Исследования с использованием функциональной магнитно-резонансной томографии (фМРТ) подтвердили, что переднелобная кора активируется, когда испытуемым необходимо подавлять непроизвольные реакции (Holroyd et al., 2004; Konishi et al., 1999; Miller & Cohen, 2001). Коэн и Гааль, используя причинно-следственный анализ по Грейнджеру ритмической активности мозга, зарегистрированной методом электроэнцефалографии (ЭЭГ), показали нисходящее влияние переднелобной коры на активность теменно-затылочных областей, участвующих в обработке стимулов (Cohen & Van Gaal, 2013). Эти и другие данные о функции переднелобной коры обобщаются моделью Миллера и Коэна (2001), согласно которой переднелобная кора обеспечивает удержание цели (т.е. представление и поддержание контекста для своевременного реагирования), что, в свою очередь, влияет на обработку информации в теменно-затылочных и премоторных областях коры мозга для поддержки адекватного реагирования.

Наше исследование направлено на изучение психофизиологических механизмов когнитивного контроля через его мозговые корреляты. Поскольку понятие «психический механизм» широко используется в психологической литературе без четкого определения (Фалунина, Фалунин, & Ульянова, 2015), в этой работе под механизмами понимаются совокупности психофизиологических процессов, обеспечивающих определенную функцию регуляции когнитивных процессов. Таким образом, можно говорить о глобальном механизме адаптивной регуляции процессов выполнения когнитивной задачи. Можно также делить этот механизм на составляющие, то есть на механизмы, обеспечивающие более конкретные функции регуляции -например, механизм отслеживания качества выполнения задачи и последующей регуляции процессов выполнения (Botvinick et al., 2001) и механизм регуляции уровня умственного усилия (Botvinick & Braver, 2015), о которых будет написано ниже.

Известно, что выполнение когнитивных задач, требующей когнитивного контроля, зависит как от процессов обработки информации (таких как, например, внимание (Baluch & Itti, 2011), кодирование и удержание информации (Melton, 1963), регулирование конфликта ответов (Braver, Barch, Gray, Molfese, & Snyder, 2001), принятие решения (Lazarev, Chernyshev, Bryzgalov, Vyazovtseva, & Osokina, 2014)), так и от процесса распределения умственного усилия между вовлеченными процессами (Shenhav et al., 2013)) и от процессов отслеживания качества выполнения задачи и корректировки последующего выполнения (Cohen, 2011; Cohen & Van Gaal, 2013; Compton, Arnstein, Freedman, Dainer-Best, & Liss, 2011; Danielmeier & Ullsperger, 2011; Holroyd et al., 2004; Navarro-Cebrian, Knight, & Kayser, 2013). Учитывая временную структуру и быструю динамику этих отдельных процессов, для их изучения широко применяется такой метод неинвазивной регистрации биоэлектрической активности мозга как ЭЭГ, имеющий хорошее временное разрешение (например, (Pavlov & Kotchoubey, 2021)).

Известно, что изменения в ритмической активности головного мозга связаны с такими процессами рабочей памяти как способность временно сохранять, удерживать, манипулировать информацией в уме, а также извлекать и использовать ее (Baddeley, 2003; Melton, 1963). В частности, снижение активности в диапазоне альфа частот 8-13 Гц (далее альфа-активности) коррелирует с кодированием и извлечением информации, возможно, отражая вовлечение соответствующих сенсорных областей коры (Jensen & Mazaheri, 2010). Установлено, что процессы кодирования и извлечения зрительной информации при выполнении задачи на вербальную рабочую память связаны с максимальным сигналом фМРТ в затылочных областях коры мозга (Bakulin et al., 2020). В то же время усиление альфа-активности затылочно-теменной коры связано с удержанием информации (Pavlov & Kotchoubey, 2022). Некоторые авторы предполагают, что альфа-ритм играет непосредственную роль в хранении информации в памяти и противодействии информационной интерференции (Roux & Uhlhaas, 2014) - основному фактору забывания (Oberauer et al., 2018). Увеличение лобной тета-активности (мощности биоэлектрической активности головного мозга в диапазоне частот 4-8 Гц) наблюдается во время кодирования и удержания информации в памяти, возможно, из-за роли тета-ритма в координации формирования и реактивации соответствующей информации, представленной в рабочей памяти (Hsieh & Ranganath, 2014), и задействовании сетей когнитивного контроля (Pavlov & Kotchoubey, 2020). Подробнее об используемой теоретической модели рабочей памяти и ее физиологических коррелятах будет написано в разделе «Ритмическая активность мозга как коррелят умственного усилия» главы «Связь активности в альфа- и тета-диапазонах со сложностью задачи и мотивацией».

Считается, что связанная с кодированием, удержанием и обработкой информации ритмическая активность мозга в альфа-диапазоне, регистрируемая в теменных сенсорах ЭЭГ, и в тета-диапазоне, регистрируемая

в лобных сенсорах, зависит от когнитивных способностей участников

(Doppelmayr, Klimesch, Hodlmoser, Sauseng, & Gruber, 2005; Grabner, Neubauer,

& Stern, 2006; Jausovec & Jausovec, 2005; Klimesch, 1999; Pavlov & Kotchoubey,

2017) и, вероятно, от мотивационно-эмоциональных процессов (Christie &

Tata, 2009; Cohen, Elger, & Ranganath, 2007; Fairclough & Ewing, 2017; Gruber,

Watrous, Ekstrom, Ranganath, & Otten, 2013; Kawasaki & Yamaguchi, 2013;

Neubauer & Fink, 2009; Pavlov & Kotchoubey, 2017; Phukhachee,

Maneewongvatana, Angsuwatanakul, Iramina, & Kaewkamnerdpong, 2019;

Zhozhikashvili & Bakumova, 2022). Некоторые исследователи предполагают

существование механизма регуляции ментального усилия, направленного на

достижение цели при сохранении ограниченных ресурсов, учитывающего

вероятность успеха (сложность задачи и собственные способности) и

мотивацию достижения успеха (Frömer, Lin, Dean Wolf, Inzlicht, & Shenhav,

2021; Richter, Gendolla, & Wright, 2016; Shenhav et al., 2017)) Анализ

зависимости коррелятов процессов выполнения задачи от сложности задачи (с

учетом индивидуальных способностей) и мотивации позволил бы исследовать

этот механизм и выяснить, един ли он для всех контролируемых когнитивных

процессов. Согласно теории интенсивности мотивации Брема, влияние

мотивации наиболее выражено при выполнении очень сложных задач (Brehm

& Self, 1989; Richter et al., 2016). Тем не менее, в большинстве предыдущих

исследований ЭЭГ-коррелятов рабочей памяти использовались задания

средней или низкой сложности, чем могут объясняться противоречивые

результаты исследований индивидуальных различий в ритмической

активности мозга в альфа- и тета-диапазонах (Bonnefond & Jensen, 2012;

Gundel & Wilson, 1992; Jaiswal, Tsai, Juan, Muggleton, & Liang, 2019; Kawasaki

& Yamaguchi, 2013; Klimesch, Schack, & Sauseng, 2005; Phukhachee et al., 2019;

Scharinger, Prislan, Bernecker, & Ninaus, 2023; Scheeringa et al., 2009;

Zakrzewska & Brzezicka, 2014). Подробнее об используемой теоретической

модели механизма распределения когнитивного усилия и его физиологических

коррелятах будет написано в разделе «Ритмическая активность мозга как

8

коррелят умственного усилия» главы «Связь активности в альфа- и тета-диапазонах со сложностью задачи и мотивацией».

Отслеживание качества выполнения задачи и последующие корректировки когнитивных процессов также отражаются в ритмической активности мозга, регистрируемой ЭЭГ. Так ошибки и негативный результат связаны с увеличением лобного тета-ритма (Cavanagh et al., 2009; Cavanagh & Frank, 2014; Christie & Tata, 2009; Cohen et al., 2007; Novikov, Bryzgalov, & Chernyshev, 2015; Van de Vijver, Ridderinkhof, & Cohen, 2011; Yeung et al., 2004). Депрессия (или уменьшение мощности) альфа-ритма, вероятно, отражает корректировки различных параметров нисходящего внимания в задачах на нисходящее/произвольное внимание (Carp & Compton, 2009; Mazaheri, Nieuwenhuis, Van Dijk, & Jensen, 2009; van Driel, Ridderinkhof, & Cohen, 2012). Некоторые исследователи указывают на существование различных проблем при обработке информации и принятии сенсомоторного решения, приводящих к ошибке, таких как снижение внимания или снижение моторного порога и автоматизация ответа (van Driel et al., 2012). В таком случае, можно предположить существование разных механизмов когнитивного контроля, выполняющих разные функции регуляции, то есть ответственных за отслеживание и регуляцию разных процессов (таких как устойчивое внимание или тормозный контроль). Подробнее об используемой теоретической модели когнитивного контроля как механизма отслеживания качества выполнения задачи и его психофизиологических коррелятах будет написано в разделах «Ритмическая активность мозга как коррелят когнитивного контроля» главы «Активность в альфа- и тета-диапазонах после совершения ошибок» и разделе «Взаимодействие областей коры при когнитивном контроле» главы «Фазовая связанность в тета-ритме после совершения ошибок».

Гипотезы, цель, задачи и структура исследования

Таким образом, можно говорить как о механизмах целенаправленной регуляции поведения, связанных с отслеживанием собственных результатов

(Cohen, 2011; Cohen & Van Gaal, 2013; Compton et al., 2011; Danielmeier & Ullsperger, 2011; Holroyd et al., 2004; Navarro-Cebrian et al., 2013), так и о механизмах, связанных с мониторингом условий задачи, собственных возможностей и целей (Frömer et al., 2021; Kool, Shenhav, & Botvinick, 2017; Van der Wel & Van Steenbergen, 2018). При этом, анализируя литературу, мы выявили и попытались заполнить следующие пробелы в данной области исследований:

1) Предыдущие исследования убедительно демонстрируют связь ритмической активности мозга в альфа- и тета-диапазоне с когнитивным контролем как механизмом отслеживания качества выполнения задачи и регуляции поведения. Исследование зависимости ритмической активности после совершения ответа от качества выполнения (точность и скорость ответа) задачи, предполагающей различные причины ошибок, необходимо для развития этой психофизиологической модели когнитивного контроля.

2) Результаты исследований ритмической активности в альфа- и тета-диапазоне в зависимости от условий задачи и индивидуальных различий разнородны и противоречивы. Противоречия могут быть связаны с тем, что предшествующие исследования не включали повышенную трудность задачи, не контролировали когнитивные способности испытуемых и использовали задачи, не позволяющие разделить корреляты разных процессов. Требуется дополнительное исследование, чтобы определить связь ритмических ЭЭГ-коррелятов различных связанных с задачей процессов с мотивацией.

Таким образом, проблема исследования заключается в недостаточной разработанности моделей психофизиологических механизмов когнитивного контроля, проявляющихся в ритмической активности мозга в альфа- и тета-диапазонах в контексте выполнения сложных задач. Несмотря на убедительные данные о связи этих ритмов с регуляцией поведения, остаются невыясненными ключевые аспекты, такие как влияние сложности задачи и

мотивации на регуляцию процессов выполнения задачи, а также специфика процессов отслеживания различных типов ошибок.

Целью текущего исследования было изучение психофизиологической основы механизмов когнитивного контроля с использованием электроэнцефалографических (ЭЭГ) коррелятов выполнения сложных когнитивных задач.

В данной работе мы исследовали связанные с ответом изменения в альфа- и тета- ритмах ЭЭГ как корреляты различных контролируемых когнитивных процессов, требуемых для выполнения сложных когнитивных задач. В первую очередь, нас интересовали механизмы распределения когнитивных ресурсов в условии повышенной сложности задачи, требующем повышения уровня умственного усилия. Таким образом, основная задача исследования заключалась в анализе влияния объективных (сложность задачи) и субъективных (мотивационно-эмоциональные оценки) факторов на контролируемые когнитивные процессы, а также влияние факторов собственного выполнения (точность, время реакции) на процессы отслеживания ошибок и последующей регуляции поведения, отражающейся в активности мозга. В наших исследованиях мы планировали охватить такие процессы как кодирование, удержание, извлечение информации в рабочей памяти, принятие решения, отслеживание качества выполнения (детекция ошибки) и последующие регуляционные процессы.

Объект исследования - когнитивный контроль как механизм регуляции умственного усилия и отслеживания качества выполнения задачи.

Предмет исследования - ритмическая активность мозга в альфа- и тета-диапазонах, связанная с когнитивным контролем.

Гипотезы исследования:

1. Механизмы когнитивного контроля в когнитивных задачах, требующих моторного ответа, детектируют быстрые по времени реакции ошибки, совершенные вследствие пониженного моторного порога, после их совершения, что сопровождается активацией лобной коры в тета-диапазоне.

2. Механизмы когнитивного контроля в когнитивных задачах, требующих моторного ответа, не распознают медленные по времени реакции ошибки, совершенные вследствие пониженного уровня внимания и связанные с ситуацией неопределенности, но реализуются в изменении регуляции процессов внимания и обработки информации, что сопровождается модуляцией активности теменной коры в альфа-диапазоне и лобно-теменной функциональной связности.

3. Умственное усилие, вложенное в процессы кодирования, удержания и извлечения информации из рабочей памяти, увеличивается при возрастании когнитивной нагрузки, но при высокой нагрузке также зависит от уровня мотивации. Модуляция усилия сопровождается изменениями активации теменной коры в альфа-диапазоне и лобной коры в тета-диапазоне.

Методология и методы исследования

Данная диссертация представляет собой исследование, посвященное психофизиологическим механизмам когнитивного контроля, обеспечивающим отслеживание и регуляцию ошибок (которым посвящены первые две главы работы) и модуляцию усилия при выполнении задачи (которым посвящена третья глава). Эти два аспекта когнитивного контроля исследуются в условиях выполнения сложных задач.

Теоретическую основу исследования составляют работы по когнитивной психофизиологии, направленные на изучение когнитивного контроля как механизма отслеживания и регуляции качества поведения

(Botvinick et al., 2001; Cavanagh & Frank, 2014; Cohen, 2017; Yeung et al., 2004) и механизма регуляции когнитивного усилия (Botvinick & Braver, 2015; Richter et al., 2016; Shenhav et al., 2013; Shenhav et al., 2017).

В работе используется метод анализа биоэлектрической активности мозга в альфа- и тета-диапазонах, связанной с такими процессами выполнения задачи как кодирование, удержание и извлечение информации из рабочей памяти и процессами, следующими после совершения ответа.

Статистическая обработка результатов проводилась с использованием методов дисперсионного анализа, факторного анализа и смешанных регрессионных моделей.

Структура исследования

Для решения исследовательских задач было проведено 3 исследования, каждому из которых посвящена глава диссертации. В первой главе описывается исследование биоэлектрической активности мозга в альфа- и тета-диапазонах после совершения ошибок как коррелята процессов отслеживания качества выполнения задачи системой когнитивного контроля. В исследовании мощность ритмической активности теменной и лобной коры в альфа- и тета-диапазонах анализировалась в зависимости от качества выполнения задачи (точности ответа и времени реакции). В исследовании проверялись гипотезы о повышении мощности фронтального тета-ритма после совершения быстрых моторных ошибок и о понижении мощности теменного альфа-ритма после совершения медленных ошибок, связанных с нарушениями внимания. Во второй главе описывается исследование фазовой связанности в тета-диапазоне после совершения ошибок как коррелята функциональной связности между областями коры при процессах регуляции качества выполнения задачи системой когнитивного контроля. В исследовании лобно-теменная фазовая связанность в тета-диапазоне анализировалась в зависимости от качества

выполнения задачи (точности ответа и времени реакции). Проверялась гипотеза об усилении лобно-теменной связности после ошибок и при замедлении ошибочных ответов. В третьей главе описывается исследование ритмической активности мозга в альфа- и тета-диапазонах при выполнении задачи на рабочую память как коррелята умственного усилия, регулируемого системой когнитивного контроля. В исследовании ритмическая активность теменной коры в альфа-диапазоне и лобной коры в тета-диапазоне при кодировании, удержании и извлечении информации анализировалась в зависимости от сложности задачи и мотивационно-эмоциональных факторов. Проверялись гипотезы о связи этих коррелятов с мотивационно-эмоциональными факторами в условиях высокой сложности задачи. Таким образом, диссертация состоит из введения, трех глав, заключения и списка литературы. Объем диссертации составляет 131 страницы. Список литературы включает 208 источников. Диссертация содержит 10 рисунков и 2 таблицы.

Положения, выносимые на защиту

Процессы отслеживания и регуляции пониженного моторного порога, приводящего к быстрым ошибкам при выполнении сенсомоторных задач на внимание, проявляются в активности лобного тета-ритма.

Процессы отслеживания и регуляции нарушений в обработке информации, приводящих к ситуации неопределенности и медленным ошибкам при выполнении сенсомоторных задач на внимание, отражаются в уменьшении мощности теменного альфа-ритма и повышении связности между лобными и теменными каналами в тета-диапазоне.

Синхронизация лобного тета-ритма и депрессия теменного альфа-ритма

(при лобно-теменной связности в тета-диапазоне) при выполнении

сенсомоторных задач на внимание отражают разные механизмы

14

когнитивного контроля, направленные на отслеживание ошибок, имеющих разные причины вследствие автоматизации ответов или вследствие повышения неопределенности.

При очень низкой вероятности успеха в решении сложных когнитивных задач такие личностные черты, как мотивация достижения, уверенность в своих силах, психическая устойчивость, жизнестойкость и низкая тревожность, связаны с уменьшением умственного усилия во время процессов кодирования и извлечения информации, коррелирующим с уменьшением мощности теменного альфа-ритма.

В условии низкой вероятности достижения успеха в решении сложных когнитивных задач субъективная самооценка усилия отрицательно связана с уровнем умственного усилия, вложенного в процессы удержания информации в рабочей памяти, которые проявляются в активности лобного тета-ритма.

Научная новизна и значимость полученных результатов

Результаты работы вносят вклад в область теоретических моделей психофизиологических коррелятов выполнения сложных когнитивных задач.

Впервые проанализирована связь взаимодействия скорости и точности выполнения сложной когнитивной задачи с активностью теменного альфа- и лобного тета-ритмов биоэлектрической активности мозга после ответа, а также с лобно-теменной фазовой связностью в тета-диапазоне после ответа. Впервые проанализировано влияние взаимодействия вероятности успеха в сложных когнитивных задачах и факторов внутренней мотивации на активность теменного альфа- и лобного тета-ритмов при выполнении задачи. Мы показали, что активность теменной коры до совершения ответа зависит от мотивационно-эмоциональных черт личности в условии очень сложных задач, тогда как активность теменной коры после совершения ответа регулируется

предшествующим качеством выполнения и, вероятно, сопутствующей функциональной связанностью с лобной корой. Мы также обнаружили, что связанная с удержанием информации в рабочей памяти лобная активность в тета-диапазоне связана с самооценкой текущего усилия, тогда как связанная с ошибкой лобная активность в тета-диапазоне является реакцией на быстрые моторные ошибки.

Кроме того, мы разработали методологию, включающую задачу с большим разнообразием уровней сложности и последующий индивидуальный отбор условий по точности ответов, позволяющую анализировать влияние именно индивидуальной сложности задачи (вероятности успеха) на корреляты выполнения задачи, что позволяет изучать умственное усилие в контексте мотивации испытуемых при контроле их способностей. Мы также выделили три фактора внутренней мотивации, проведя факторный анализ по многочисленным известным опросникам на мотивацию.

В наших исследованиях мы, в частности, анализировали биоэлектрическую активность мозга, в условиях выполнения задач повышенной индивидуальной сложности, то есть в условиях, при которых выполнение задачи затруднено и вероятность успешного выполнения понижена. Такие условия связаны с феноменом модуляции уровня ментального усилия, который в последние годы стал важной областью когнитивных исследований, объединяющей понятия когнитивного контроля и мотивации (Kahneman, 2022; Shenhav et а1., 2013). При При этом наши исследования являются одними из первых нейро-когнитивных исследований, направленных на изучение биоэлектрических коррелятов ментального усилия, вкладываемого в различные когнитивные процессы. Таким образом, наши исследования вносят значимый вклад в понимание механизмов когнитивного контроля и механизмов распределения умственного усилия, обеспечивающих гибкое целенаправленное поведение.

Публикации и апробация исследования Основные публикации (первого уровня1)

1. Novikov, N., Nurislamova, Y., Zhozhikashvili, N., Kalenkovich, E., Lapina, A., & Chernyshev, B. (2017). Slow and fast responses: Two mechanisms of trial outcome processing revealed by EEG oscillations. Frontiers in human neuroscience, 11, 218.

2. Nurislamova, Y., Novikov, N., Zhozhikashvili, N., & Chernyshev, B. (2019). Enhanced theta-band coherence between midfrontal and posterior parietal areas reflects post-feedback adjustments in the state of outcome uncertainty. Frontiers in Integrative Neuroscience, 13, 14.

3. Zhozhikashvili, N., Protopova, M., Shkurenko, T., Arsalidou, M., Zakharov, I., Kotchoubey, B., Malykh, S. & Pavlov, Y. (2024). Working memory processes and intrinsic motivation: An EEG study. International Journal of Psychophysiology, 112355.

1 Публикации первого уровня включают документы, индексированные в базах данных Web of Science (Q1 или Q2) или Scopus (Q1 или Q2), а также рецензируемые коллекции конференций, которые отображаются в рейтингах CORE (ранги A и A*).

2 Публикации второго уровня включают документы, опубликованные в журналах, входящих в списки журналов НИУ ВШЭ A, B или C, или индексированные в базах данных Web of Science (Q3 or Q4) или Scopus (Q3 or Q4), а также рецензируемые коллекции конференций, которые отображаются в рейтингах CORE (ранг В)

Другие публикации по теме исследования

4. Zhozhikashvili, N., Zakharov, I., Ismatullina, V., Feklicheva, I., Malykh, S., & Arsalidou, M. (2022). Parietal Alpha Oscillations: Cognitive Load and Mental Toughness. Brain Sciences, 12(9), 1135.

5. Жожикашвили, Н., & Бакумова, А. (2022). Альфа и тета ритмы как маркеры когнитивного усилия. Российский психологический журнал, 19(2), 201-219.

6. Alshanskaia, E. Zhozhikashvili, N. Polikanova, I., & Martynova, O. (2024). Heart rate response to cognitive load as a marker of depression and increased anxiety. Frontiers in Psychiatry, 15, 1355846.

7. Жожикашвили, Н., Малых, А., & Девятерикова, А. (2021). Психическая устойчивость. Теоретическая и экспериментальная психология, 14(4), 49-65.

Доклады на конференциях

1. Жожикашвили Н., Протопова М., Арсалиду М., Павлов. Ю. "Theta and alpha oscillations as correlates of effort invested in working memory task performance. " Annual Conference "Psychologie und Gehirn". 8-10 июня 2023

2. Жожикашвили Н., Захаров И., Арсалиду М., Павлов. Ю. "Theta and alpha oscillations as correlates of effort invested in working memory task performance". Working Memory Symposium, 21-24 июня 2022.

3. Жожикашвили Н., Захаров И., Арсалиду М., Павлов. Ю. "Parietal alpha oscillations associated with working memory may reflect cognitive effort modulations". Neurowissenschaftliche Nachwuchskonferenz, 7 октября 2021.

Список литературы диссертационного исследования кандидат наук Жожикашвили Наталия Александровна, 2025 год

Список литературы

1. Alshanskaia, E. I., Zhozhikashvili, N. A., Polikanova, I. S., & Martynova, O. V. (2024). Heart rate response to cognitive load as a marker of depression and increased anxiety. Frontiers in Psychiatry, 15, 1355846.

2. Aron, A. R. (2007). The neural basis of inhibition in cognitive control. The neuroscientist, 13(3), 214-228.

3. Baddeley, A. (2003). Working memory: looking back and looking forward. Nat Rev Neurosci, 4(10), 829-839. doi:10.1038/nrn1201

4. Bakulin, I. S., Ah, Z., Pn, K., Do, S., Ag, P., Mv, F., . . . Ma, P. (2020). Cerebral cortex activation during the Sternberg verbal working memory task. Bulletin of Russian State Medical University(1), 40-48.

5. Baluch, F., & Itti, L. (2011). Mechanisms of top-down attention. Trends in neurosciences, 34(4), 210-224.

6. Bandura, A. (1986). The explanatory and predictive scope of self-efficacy theory. Journal of social and clinical psychology, 4(3), 359-373.

7. Barch, D. M., Yodkovik, N., Sypher-Locke, H., & Hanewinkel, M. (2008). Intrinsic motivation in schizophrenia: relationships to cognitive function, depression, anxiety, and personality. Journal of Abnormal Psychology, 117(4), 776.

8. Barkley, R. (2012). Executive functions: What they are, how they work, and why they evolved: Guilford Press.

9. Barr, D. J., Levy, R., Scheepers, C., & Tily, H. J. (2013). Random effects structure for confirmatory hypothesis testing: Keep it maximal. J Mem Lang, 68(3). doi:10.1016/j.jml.2012.11.001

10. Bashivan, P., Bidelman, G. M., & Yeasin, M. (2013). Neural correlates of visual working memory load through unsupervised spatial filtering of EEG. Paper presented at the Proceedings of 3rd workshop on Machine Learning and interpretation in neuroimaging.

11. Bastiaansen, M. C., Bocker, K. B., & Brunia, C. H. (2002). ERD as an index of anticipatory attention? Effects of stimulus degradation. Psychophysiology, 39(1), 16-28.

12. Bastiaansen, M. C., Bocker, K. B., Cluitmans, P. J., & Brunia, C. H. (1999). Event-related desynchronization related to the anticipation of a stimulus providing knowledge of results. Clinical Neurophysiology, 110(2), 250-260.

13. Benjamini, Y. (2010). Discovering the false discovery rate. Journal of the Royal Statistical Society Series B: Statistical Methodology, 72(4), 405-416.

14. Bonnefond, M., & Jensen, O. (2012). Alpha oscillations serve to protect working memory maintenance against anticipated distracters. Curr Biol, 22(20), 1969-1974. doi:10.1016/j.cub.2012.08.029

15. Bosco, A., Breveglieri, R., Hadjidimitrakis, K., Galletti, C., & Fattori, P. (2016). Reference frames for reaching when decoupling eye and target position in depth and direction. Scientific reports, 6(1), 21646.

16. Botvinick, M., & Braver, T. (2015). Motivation and cognitive control: from behavior to neural mechanism. Annu Rev Psychol, 66, 83-113. doi:10.1146/annurev-psych-010814-015044

17. Botvinick, M. M., Braver, T. S., Barch, D. M., Carter, C. S., & Cohen, J. D. (2001). Conflict monitoring and cognitive control. Psychol Rev, 108(3), 624-652. doi:10.1037/0033-295x.108.3.624

18. Braver, T. S., Barch, D. M., Gray, J. R., Molfese, D. L., & Snyder, A. (2001). Anterior cingulate cortex and response conflict: effects of frequency, inhibition and errors. Cerebral cortex, 11(9), 825-836.

19. Braver, T. S., Cohen, J. D., Nystrom, L. E., Jonides, J., Smith, E. E., & Noll, D. C. (1997). A parametric study of prefrontal cortex involvement in human working memory. Neuroimage, 5(1), 49-62.

20. Brehm, J. W., & Self, E. A. (1989). The intensity of motivation.

21. Breveglieri, R., Galletti, C., Dal Bo, G., Hadjidimitrakis, K., & Fattori, P. (2014). Multiple aspects of neural activity during reaching preparation in the medial posterior parietal area V6A. Journal of cognitive neuroscience, 26(4), 878-895.

22. Brissenden, J. A., Adkins, T. J., Hsu, Y. T., & Lee, T. G. (2023). Reward influences the allocation but not the availability of resources in visual working memory. J Exp Psychol Gen, 152(7), 1825-1839. doi:10.1037/xge0001370

23. Brose, A., Schmiedek, F., Lovden, M., Molenaar, P. C., & Lindenberger, U. (2010). Adult age differences in covariation of motivation and working memory performance: Contrasting between-person and within-person findings. Research in Human Development, 7(1), 61-78.

24. Burkova, V. N., Butovskaya, M. L., Randall, A. K., Fedenok, J. N., Ahmadi, K., Alghraibeh, A. M., . . . Al-Mseidin, K. I. M. (2022). Factors associated with highest symptoms of anxiety during COVID-19: cross-cultural study of 23 countries. Frontiers in psychology, 13, 805586.

25. Cacioppo, J. T., Petty, R. E., & Kao, C. F. (1984). The efficient assessment of need for cognition. JPers Assess, 48(3), 306-307. doi:10.1207/s15327752jpa4803_13

26. Capa, R. L., Audiffren, M., & Ragot, S. (2008). The effects of achievement motivation, task difficulty, and goal difficulty on physiological, behavioral, and subjective effort. Psychophysiology, 45(5), 859-868. doi:10.1111/j.1469-8986.2008.00675.x

27. Carolan, P. J., Heinrich, A., Munro, K. J., & Millman, R. E. (2022). Quantifying the Effects of Motivation on Listening Effort: A Systematic Review and Meta-Analysis. Trends Hear, 26, 23312165211059982. doi:10.1177/23312165211059982

28. Carp, J., & Compton, R. J. (2009). Alpha power is influenced by performance errors. Psychophysiology, 46(2), 336-343.

29. Cartwright, K. B., Lee, S. A., Taboada Barber, A., DeWyngaert, L. U., Lane, A. B., & Singleton, T. (2020). Contributions of executive function and cognitive intrinsic motivation to university students' reading comprehension. Reading Research Quarterly, 55(3), 345369.

30. Cavanagh, J. F., Cohen, M. X., & Allen, J. J. (2009). Prelude to and resolution of an error: EEG phase synchrony reveals cognitive control dynamics during action monitoring. Journal of Neuroscience, 29(1), 98-105.

31. Cavanagh, J. F., & Frank, M. J. (2014). Frontal theta as a mechanism for cognitive control. Trends in cognitive sciences, 18(8), 414-421.

32. Cavanagh, J. F., Wiecki, T. V., Cohen, M. X., Figueroa, C. M., Samanta, J., Sherman, S. J., & Frank, M. J. (2011). Subthalamic nucleus stimulation reverses mediofrontal influence over decision threshold. Nature neuroscience, 14(11), 1462-1467.

33. Cho, Y. T., Moujaes, F., Schleifer, C. H., Starc, M., Ji, J. L., Santamauro, N., . . . Anticevic,

A. (2022). Reward and loss incentives improve spatial working memory by shaping trial-by-trial posterior frontoparietal signals. Neuroimage, 254, 119139. doi:10.1016/j. neuroimage .2022.119139

34. Christie, G. J., & Tata, M. S. (2009). Right frontal cortex generates reward-related theta-band oscillatory activity. Neuroimage, 48(2), 415-422.

35. Chung, S. W., Rogasch, N. C., Hoy, K. E., Sullivan, C. M., Cash, R. F. H., & Fitzgerald, P.

B. (2018). Impact of different intensities of intermittent theta burst stimulation on the cortical properties during TMS-EEG and working memory performance. Hum Brain Mapp, 39(2), 783-802. doi:10.1002/hbm.23882

36. Clough, P., Earle, K., & Sewell, D. (2002). Mental toughness: The concept and its measurement. Solutions in sport psychology, 32-43.

37. Cohen, J. D. (2017). Cognitive control: Core constructs and current considerations. The Wiley handbook of cognitive control, 1-28.

38. Cohen, M. X. (2011). Error-related medial frontal theta activity predicts cingulate-related structural connectivity. Neuroimage, 55(3), 1373-1383. doi:10.1016/j.neuroimage.2010.12.072

39. Cohen, M. X., Elger, C. E., & Ranganath, C. (2007). Reward expectation modulates feedback-related negativity and EEG spectra. Neuroimage, 35(2), 968-978.

40. Cohen, M. X., & Ridderinkhof, K. R. (2013). EEG source reconstruction reveals frontalparietal dynamics of spatial conflict processing. PloS one, 8(2), e57293.

41. Cohen, M. X., Ridderinkhof, K. R., Haupt, S., Elger, C. E., & Fell, J. (2008). Medial frontal cortex and response conflict: evidence from human intracranial EEG and medial frontal cortex lesion. Brain research, 1238, 127-142.

42. Cohen, M. X., & Van Gaal, S. (2013). Dynamic interactions between large-scale brain networks predict behavioral adaptation after perceptual errors. Cerebral cortex, 23(5), 1061-1072.

43. Cohen, M. X., & van Gaal, S. (2014). Subthreshold muscle twitches dissociate oscillatory neural signatures of conflicts from errors. Neuroimage, 86, 503-513.

44. Compton, R. J., Arnstein, D., Freedman, G., Dainer-Best, J., & Liss, A. (2011). Cognitive control in the intertrial interval: evidence from EEG alpha power. Psychophysiology, 48(5), 583-590.

45. Cooper, P. S., Wong, A. S., Fulham, W. R., Thienel, R., Mansfield, E., Michie, P. T., & Karayanidis, F. (2015). Theta frontoparietal connectivity associated with proactive and reactive cognitive control processes. Neuroimage, 108, 354-363.

46. Cui, H. (2014). From intention to action: hierarchical sensorimotor transformation in the posterior parietal cortex. eneuro, 1(1).

47. da Silva Castanheira, K., LoParco, S., & Otto, A. R. (2021). Task-evoked pupillary responses track effort exertion: Evidence from task-switching. Cognitive, Affective, & Behavioral Neuroscience, 21, 592-606.

48. Dagnall, N., Denovan, A., Papageorgiou, K. A., Clough, P. J., Parker, A., & Drinkwater, K. G. (2019). Psychometric assessment of shortened Mental Toughness Questionnaires (MTQ): factor structure of the MTQ-18 and the MTQ-10. Frontiers in psychology, 10, 458278.

49. Danielmeier, C., & Ullsperger, M. (2011). Post-error adjustments. Frontiers in psychology, 2, 233.

50. De Lafuente, V., Jazayeri, M., & Shadlen, M. N. (2015). Representation of accumulating evidence for a decision in two parietal areas. Journal of Neuroscience, 35(10), 4306-4318.

51. De Pascalis, V., Varriale, V., & Rotonda, M. (2012). EEG oscillatory activity associated to monetary gain and loss signals in a learning task: effects of attentional impulsivity and learning ability. International Journal of Psychophysiology, 85(1), 68-78.

52. Delorme, A., Westerfeld, M., & Makeig, S. (2007). Medial prefrontal theta bursts precede rapid motor responses during visual selective attention. JNeurosci, 27(44), 11949-11959. doi:10.1523/JNEUR0SCI.3477-07.2007

53. Donamayor, N., Heilbronner, U., & Münte, T. F. (2012). Coupling electrophysiological and hemodynamic responses to errors. Human brain mapping, 33(7), 1621-1633.

54. Doppelmayr, M., Klimesch, W., Hodlmoser, K., Sauseng, P., & Gruber, W. (2005). Intelligence related upper alpha desynchronization in a semantic memory task. Brain Res Bull, 66(2), 171-177. doi:10.1016/j.brainresbull.2005.04.007

55. Doppelmayr, M., Klimesch, W., Sauseng, P., Hödlmoser, K., Stadler, W., & Hanslmayr, S. (2005). Intelligence related differences in EEG-bandpower. Neuroscience letters, 381(3), 309-313.

56. Dudschig, C., & Jentzsch, I. (2009). Speeding before and slowing after errors: Is it all just strategy? Brain research, 1296, 56-62.

57. Engle, R. W. (2010). Role of working-memory capacity in cognitive control. Current anthropology, 51(S1), S17-S26.

58. Eriksson, J., Vogel, E. K., Lansner, A., Bergstrom, F., & Nyberg, L. (2015). Neurocognitive architecture of working memory. Neuron, 88(1), 33-46.

59. Eysenck, M. W., & Calvo, M. G. (1992). Anxiety and performance: The processing efficiency theory. Cognition & emotion, 6(6), 409-434.

60. Fairclough, S., Ewing, K., Burns, C., & Kreplin, U. (2019). Neural efficiency and mental workload: locating the red line. In Neuroergonomics (pp. 73-77): Elsevier.

61. Fairclough, S. H., & Ewing, K. (2017). The effect of task demand and incentive on neurophysiological and cardiovascular markers of effort. Int JPsychophysiol, 119, 58-66. doi:10.1016/j.ijpsycho.2017.01.007

62. Friedman, N. P., & Robbins, T. W. (2022). The role of prefrontal cortex in cognitive control and executive function. Neuropsychopharmacology, 47(1), 72-89.

63. Fries, P. (2015). Rhythms for cognition: communication through coherence. Neuron, 88(1), 220-235.

64. Fromer, R., Lin, H., Dean Wolf, C., Inzlicht, M., & Shenhav, A. (2021). Expectations of reward and efficacy guide cognitive control allocation. Nature communications, 12(1), 1030.

65. Fuster, J. M. (2000). Memory networks in the prefrontal cortex. Progress in brain research, 122, 309-316.

66. Garner, W. R. (2014). The processing of information and structure: Psychology Press.

67. Goldman-Rakic, P. S. (1992). Working memory and the mind. Scientific American, 267(3), 110-117.

68. Gong, M., & Li, S. (2014). Learned reward association improves visual working memory. J Exp Psychol Hum Percept Perform, 40(2), 841-856. doi:10.1037/a0035131

69. Goodman, S., Jaffer, T., Keresztesi, M., Mamdani, F., Mokgatle, D., Musariri, M., . . . Schlechter, A. (2011). An investigation of the relationship between students' motivation and academic performance as mediated by effort. South African Journal of Psychology, 41(3), 373-385.

70. Gottwald, R. L., & Garner, W. (1975). Filtering and condensation tasks with integral and separable dimensions. Perception & Psychophysics, 18(1), 26-28.

71. Grabner, R. H., Neubauer, A. C., & Stern, E. (2006). Superior performance and neural efficiency: The impact of intelligence and expertise. Brain Research Bulletin, 69(4), 422439.

72. Grogan, J. P., Randhawa, G., Kim, M., & Manohar, S. G. (2022). Motivation improves working memory by two processes: Prioritisation and retrieval thresholds. Cogn Psychol, 135, 101472. doi :10.1016/j. cogpsych.2022.101472

73. Gruber, M. J., Watrous, A. J., Ekstrom, A. D., Ranganath, C., & Otten, L. J. (2013). Expected reward modulates encoding-related theta activity before an event. Neuroimage, 64, 68-74.

74. Gucciardi, D. F. (2010). Mental toughness profiles and their relations with achievement goals and sport motivation in adolescent Australian footballers. Journal of sports sciences, 28(6), 615-625.

75. Gulbinaite, R., van Rijn, H., & Cohen, M. X. (2014). Fronto-parietal network oscillations reveal relationship between working memory capacity and cognitive control. Frontiers in human neuroscience, 8, 761.

76. Gundel, A., & Wilson, G. F. (1992). Topographical changes in the ongoing EEG related to the difficulty of mental tasks. Brain Topography, 5(1), 17-25.

77. Hadjidimitrakis, K., Bertozzi, F., Breveglieri, R., Galletti, C., & Fattori, P. (2017). Temporal stability of reference frames in monkey area V6A during a reaching task in 3D space. Brain Structure and Function, 222, 1959-1970.

78. Hanslmayr, S., Staresina, B. P., & Bowman, H. (2016). Oscillations and Episodic Memory: Addressing the Synchronization/Desynchronization Conundrum. Trends Neurosci, 39(1), 16-25. doi:10.1016/j.tins.2015.11.004

79. Hill, B. D., Foster, J. D., Elliott, E. M., Shelton, J. T., McCain, J., & Gouvier, W. D. (2013). Need for cognition is related to higher general intelligence, fluid intelligence, and crystallized intelligence, but not working memory. Journal of Research in Personality, 47(1), 22-25.

80. Holroyd, C. B., Nieuwenhuis, S., Yeung, N., Nystrom, L., Mars, R. B., Coles, M. G., & Cohen, J. D. (2004). Dorsal anterior cingulate cortex shows fMRI response to internal and external error signals. Nature neuroscience, 7(5), 497-498.

81. Hsieh, L. T., & Ranganath, C. (2014). Frontal midline theta oscillations during working memory maintenance and episodic encoding and retrieval. Neuroimage, 85 Pt 2(0 2), 721729. doi:10.1016/j. neuroimage.2013.08.003

82. Jaiswal, S., Tsai, S. Y., Juan, C. H., Muggleton, N. G., & Liang, W. K. (2019). Low delta and high alpha power are associated with better conflict control and working memory in high mindfulness, low anxiety individuals. Soc Cogn Affect Neurosci, 14(6), 645-655. doi:10.1093/scan/nsz038

83. Jausovec, N., & Jausovec, K. (2005). Differences in induced gamma and upper alpha oscillations in the human brain related to verbal/performance and emotional intelligence. International Journal of Psychophysiology, 56(3), 223-235.

84. Jensen, O., & Mazaheri, A. (2010). Shaping functional architecture by oscillatory alpha activity: gating by inhibition. Front Hum Neurosci, 4, 186. doi:10.3389/fnhum.2010.00186

85. Kahneman, D. (2022). 3rd Workshop on mental effort - Keynote.

86. Kawasaki, M., & Yamaguchi, Y. (2013). Frontal theta and beta synchronizations for monetary reward increase visual working memory capacity. Soc Cogn Affect Neurosci, 8(5), 523-530. doi:10.1093/scan/nss027

87. Kayser, J., & Tenke, C. E. (2006a). Principal components analysis of Laplacian waveforms as a generic method for identifying ERP generator patterns: I. Evaluation with auditory oddball tasks. Clinical Neurophysiology, 117(2), 348-368.

88. Kayser, J., & Tenke, C. E. (2006b). Principal components analysis of Laplacian waveforms as a generic method for identifying ERP generator patterns: II. Adequacy of low-density estimates. Clinical Neurophysiology, 117(2), 369-380.

89. King, J. A., Korb, F. M., von Cramon, D. Y., & Ullsperger, M. (2010). Post-error behavioral adjustments are facilitated by activation and suppression of task-relevant and task-irrelevant information processing. Journal of Neuroscience, 30(38), 12759-12769.

90. Klimesch, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Brain Res Rev, 29(2-3), 169-195. doi:10.1016/s0165-0173(98)00056-3

91. Klimesch, W., Doppelmayr, M., Schwaiger, J., Winkler, T., & Gruber, W. (2000). Theta oscillations and the ERP old/new effect: independent phenomena? Clin Neurophysiol, 111(5), 781-793. doi:10.1016/s1388-2457(00)00254-6

92. Klimesch, W., Fellinger, R., & Freunberger, R. (2011). Alpha oscillations and early stages of visual encoding. Front Psychol, 2, 118. doi:10.3389/fpsyg.2011.00118

93. Klimesch, W., Sauseng, P., & Hanslmayr, S. (2007). EEG alpha oscillations: the inhibition-timing hypothesis. Brain research reviews, 53(1), 63-88.

94. Klimesch, W., Schack, B., & Sauseng, P. (2005). The functional significance of theta and upper alpha oscillations. Experimental psychology, 52(2), 99.

95. Klink, P. C., Jeurissen, D., Theeuwes, J., Denys, D., & Roelfsema, P. R. (2017). Working memory accuracy for multiple targets is driven by reward expectation and stimulus contrast with different time-courses. Scientific reports, 7(1), 1-13.

96. Knight, R. T., Staines, W. R., Swick, D., & Chao, L. L. (1999). Prefrontal cortex regulates inhibition and excitation in distributed neural networks. Actapsychologica, 101(2-3), 159178.

97. Konishi, S., Nakajima, K., Uchida, I., Kikyo, H., Kameyama, M., & Miyashita, Y. (1999). Common inhibitory mechanism in human inferior prefrontal cortex revealed by event-related functional MRI. Brain, 122(5), 981-991.

98. Kool, W., Shenhav, A., & Botvinick, M. M. (2017). Cognitive control as cost-benefit decision making. The Wiley handbook of cognitive control, 167-189.

99. Kosachenko, A. I., Kasanov, D., Kotyusov, A. I., & Pavlov, Y. G. (2023). EEG and pupillometric signatures of working memory overload. Psychophysiology, 60(6), e14275. doi:10.1111/psyp. 14275

100. Koshelkov, D., & Machinskaya, R. (2010). Functional coupling of cortical areas during problem-solving task: Analysis of 0 rhythm coherence. Human physiology, 36, 665669.

101. Lazarev, I., Chernyshev, B., Bryzgalov, D., Vyazovtseva, A., & Osokina, E. (2014). Investigation of the automation of decision making under conditions of mid-high cognitive load. Vestnik Yaroslavskogo Gocudarstvennogo Universiteta im. PG Demidova. Serija Gumanitarnye Nauki, 28, 87-91.

102. Lenartowicz, A., Truong, H., Enriquez, K. D., Webster, J., Pochon, J.-B., Rissman, J., . . . Bilder, R. M. (2021). Neurocognitive subprocesses of working memory performance. Cognitive, Affective, & Behavioral Neuroscience, 21(6), 1130-1152.

103. Li, P., Baker, T. E., Warren, C., & Li, H. (2016). Oscillatory profiles of positive, negative and neutral feedback stimuli during adaptive decision making. International Journal of Psychophysiology, 107, 37-43.

104. Luft, C. D. B., Takase, E., & Bhattacharya, J. (2014). Processing graded feedback: electrophysiological correlates of learning from small and large errors. Journal of cognitive neuroscience, 26(5), 1180-1193.

105. Luppino, G., & Rizzolatti, G. (2000). The organization of the frontal motor cortex. Physiology, 15(5), 219-224.

106. Luu, P., & Tucker, D. M. (2001). Regulating action: alternating activation of midline frontal and motor cortical networks. Clinical Neurophysiology, 112(7), 1295-1306.

107. Maddi, S. R., Harvey, R. H., Khoshaba, D. M., Fazel, M., & Resurreccion, N. (2012). The relationship of hardiness and some other relevant variables to college performance. Journal of Humanistic Psychology, 52(2), 190-205.

108. Maddi, S. R., Khoshaba, D. M., Harvey, R. H., Fazel, M., & Resurreccion, N. (2011). The personality construct of hardiness, V: Relationships with the construction of existential meaning in life. Journal of Humanistic Psychology, 51(3), 369-388.

109. Mahdavi, P., Valibeygi, A., Moradi, M., & Sadeghi, S. (2023). Relationship between achievement motivation, mental health and academic success in university students. Community Health Equity Research & Policy, 43(3), 311-317.

110. Makowski, D. (2018). The psycho package: An efficient and publishing-oriented workflow for psychological science. Journal of Open Source Software, 3(22), 470.

111. Margolis, H., & McCabe, P. P. (2003). Self-efficacy: A key to improving the motivation of struggling learners. Preventing School Failure: Alternative Education for Children and Youth, 47(4), 162-169.

112. Mas-Herrero, E., & Marco-Pallares, J. (2014). Frontal theta oscillatory activity is a common mechanism for the computation of unexpected outcomes and learning rate. Journal of cognitive neuroscience, 26(3), 447-458.

113. Mazaheri, A., Nieuwenhuis, I. L., Van Dijk, H., & Jensen, O. (2009). Prestimulus alpha and mu activity predicts failure to inhibit motor responses. Human brain mapping, 30(6), 1791-1800.

114. McNellis, C. J. (2013). The impact of hardiness on accounting task performance. Managerial Auditing Journal.

115. Melton, A. W. (1963). Implications of short-term memory for a general theory of memory. Journal of verbal Learning and verbal Behavior, 2(1), 1-21.

116. Miller, E. K. (2000). The prefontral cortex and cognitive control. Nature Reviews Neuroscience, 1(1), 59-65.

117. Miller, E. K., & Cohen, J. D. (2001). An integrative theory of prefrontal cortex function. Annual review of neuroscience, 24(1), 167-202.

118. Miller, G., Galanter, E., & Pribram, K. (1960). Plans and the structure of behavior. Henry Holt and Co. In.

119. Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological review, 63(2), 81.

120. Miyake, A., & Friedman, N. P. (2012). The nature and organization of individual differences in executive functions: Four general conclusions. Current Directions in Psychological Science, 21(1), 8-14.

121. Mizuno, K., Tanaka, M., Fukuda, S., Imai-Matsumura, K., & Watanabe, Y. (2011). Relationship between cognitive function and prevalence of decrease in intrinsic academic motivation in adolescents. Behavioral and Brain Functions, 7, 1-11.

122. Narayanan, N. S., Cavanagh, J. F., Frank, M. J., & Laubach, M. (2013). Common medial frontal mechanisms of adaptive control in humans and rodents. Nature neuroscience, 16(12), 1888-1895.

123. Navarro-Cebrian, A., Knight, R. T., & Kayser, A. S. (2013). Error-monitoring and post-error compensations: dissociation between perceptual failures and motor errors with and without awareness. Journal of Neuroscience, 33(30), 12375-12383.

124. Neubauer, A. C., & Fink, A. (2009). Intelligence and neural efficiency. Neuroscience & Biobehavioral Reviews, 33(7), 1004-1023.

125. Novikov, N. A., Bryzgalov, D. V., & Chernyshev, B. V. (2015). Theta and alpha band modulations reflect error-related adjustments in the auditory condensation task. Frontiers in human neuroscience, 9, 673.

126. Novikov, N. A., Nurislamova, Y. M., Zhozhikashvili, N. A., Kalenkovich, E. E., Lapina, A. A., & Chernyshev, B. V. (2017). Slow and fast responses: Two mechanisms of trial outcome processing revealed by EEG oscillations. Frontiers in human neuroscience, 11, 218.

127. O'Connell, R. G., Dockree, P. M., Robertson, I. H., Bellgrove, M. A., Foxe, J. J., & Kelly, S. P. (2009). Uncovering the neural signature of lapsing attention: electrophysiological signals predict errors up to 20 s before they occur. Journal of Neuroscience, 29(26), 8604-8611.

128. Oberauer, K. (2022). The Importance of Random Slopes in Mixed Models for Bayesian Hypothesis Testing. Psychol Sci, 33(4), 648-665. doi:10.1177/09567976211046884

129. Oberauer, K., Lewandowsky, S., Awh, E., Brown, G. D. A., Conway, A., Cowan, N., . . . Ward, G. (2018). Benchmarks for models of short-term and working memory. Psychol Bull, 144(9), 885-958. doi:10.1037/bul0000153

130. Osin, E. N., & Rasskazova, E. I. (2013). Kratkaya versiya testa zhiznestojkosti: psihometricheskie harakteristiki i primenenie v organizacionnom kontekste. Vestnik Moskovskogo universiteta. Seriya 14. Psihologiya(2), 147-165.

131. Osipova, D., Takashima, A., Oostenveld, R., Fernandez, G., Maris, E., & Jensen, O. (2006). Theta and gamma oscillations predict encoding and retrieval of declarative memory. JNeurosci, 26(28), 7523-7531. doi:10.1523/JNEUROSCI.1948-06.2006

132. Pailing, P. E., & Segalowitz, S. J. (2004). The effects of uncertainty in error monitoring on associated ERPs. Brain and cognition, 56(2), 215-233.

133. Papageorgiou, K. A., Malanchini, M., Denovan, A., Clough, P. J., Shakeshaft, N., Schofield, K., & Kovas, Y. (2018). Longitudinal associations between narcissism, mental toughness and school achievement. Personality and individual differences, 131, 105-110.

134. Pascoe, L., Spencer-Smith, M., Giallo, R., Seal, M., Georgiou-Karistianis, N., Nosarti, C., . . . Thompson, D. (2018). Intrinsic motivation and academic performance in

school-age children born extremely preterm: The contribution of working memory. Learning and Individual Differences, 64, 22-32.

135. Pavlov, Y. G., & Kotchoubey, B. (2017). EEG correlates of working memory performance in females. BMC neuroscience, 18, 1-14.

136. Pavlov, Y. G., & Kotchoubey, B. (2020). The electrophysiological underpinnings of variation in verbal working memory capacity. Sci Rep, 10(1), 16090. doi:10.1038/s41598-020-72940-5

137. Pavlov, Y. G., & Kotchoubey, B. (2021). Temporally distinct oscillatory codes of retention and manipulation of verbal working memory. Eur J Neurosci, 54(7), 6497-6511. doi:10.1111/ejn.15457

138. Pavlov, Y. G., & Kotchoubey, B. (2022). Oscillatory brain activity and maintenance of verbal and visual working memory: A systematic review. Psychophysiology, 59(5), e13735. doi:10.1111/psyp.13735

139. Pazzaglia, F., Meneghetti, C., & Ronconi, L. (2018). Tracing a Route and Finding a Shortcut: The Working Memory, Motivational, and Personality Factors Involved. Front Hum Neurosci, 12, 225. doi:10.3389/fnhum.2018.00225

140. Peirce, J., Gray, J. R., Simpson, S., MacAskill, M., Hochenberger, R., Sogo, H., . . . Lindel0v, J. K. (2019). PsychoPy2: Experiments in behavior made easy. Behavior research methods, 51(1), 195-203.

141. Pesaran, B., Nelson, M. J., & Andersen, R. A. (2008). Free choice activates a decision circuit between frontal and parietal cortex. Nature, 453(7193), 406-409.

142. Phukhachee, T., Maneewongvatana, S., Angsuwatanakul, T., Iramina, K., & Kaewkamnerdpong, B. (2019). Investigating the effect of intrinsic motivation on alpha desynchronization using sample entropy. Entropy, 21(3), 237.

143. Pineda, J. A. (2005). The functional significance of mu rhythms: translating "seeing" and "hearing" into "doing". Brain research reviews, 50(1), 57-68.

144. Pinheiro, J. (2011). nlme: Linear and nonlinear mixed effects models. R package version, 3, 1.

145. Piserchia, V., Breveglieri, R., Hadjidimitrakis, K., Bertozzi, F., Galletti, C., & Fattori, P. (2017). Mixed body/hand reference frame for reaching in 3D space in macaque parietal area PEc. Cerebral cortex, 27(3), 1976-1990.

146. Pornpattananangkul, N., & Nusslock, R. (2016). Willing to wait: Elevated reward-processing EEG activity associated with a greater preference for larger-but-delayed rewards. Neuropsychologia, 91, 141-162.

147. Posner, M. I. (1964). Information reduction in the analysis of sequential tasks. Psychological review, 71(6), 491.

148. Proskovec, A. L., Heinrichs-Graham, E., & Wilson, T. W. (2019). Load modulates the alpha and beta oscillatory dynamics serving verbal working memory. Neuroimage, 184, 256-265. doi:10.1016/j. neuroimage.2018.09.022

149. Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: theory and data for two-choice decision tasks. Neural computation, 20(4), 873-922.

150. Raven, J. C., Court, J. H., & Raven, J. E. (1989). Standard progressive matrices: Australian Council for Educational Research Limited.

151. Rean, A. (2002). Psihologiya i pedagogika/[Rean AA, Bordovskaya NV, Rozum SI]. SPb.: Piter, 56-60.

152. Richter, M., Gendolla, G. H., & Wright, R. A. (2016). Three decades of research on motivational intensity theory: What we have learned about effort and what we still don't know. Advances in motivation science, 3, 149-186.

153. Ridderinkhof, K. R., Ullsperger, M., Crone, E. A., & Nieuwenhuis, S. (2004). The role of the medial frontal cortex in cognitive control. science, 306(5695), 443-447.

154. Ridderinkhof, K. R., Van Den Wildenberg, W. P., Segalowitz, S. J., & Carter, C. S. (2004). Neurocognitive mechanisms of cognitive control: the role of prefrontal cortex in

action selection, response inhibition, performance monitoring, and reward-based learning. Brain and cognition, 56(2), 129-140.

155. Ridderinkhof, R. K. (2002). Micro-and macro-adjustments of task set: activation and suppression in conflict tasks. Psychological research, 66(4), 312-323.

156. Roitman, J. D., & Shadlen, M. N. (2002). Response of neurons in the lateral intraparietal area during a combined visual discrimination reaction time task. Journal of Neuroscience, 22(21), 9475-9489.

157. Romek, V., Shvarcer, R., & Erusalem, M. (1996). Russkaya versiya shkaly obshchej samo-effektivnosti R. SHvarcera i M. Erusalema. Inostrannayapsihologiya(l), 71-77.

158. Rorie, A. E., Gao, J., McClelland, J. L., & Newsome, W. T. (2010). Integration of sensory and reward information during perceptual decision-making in lateral intraparietal cortex (LIP) of the macaque monkey. PloS one, 5(2), e9308.

159. Roux, F., & Uhlhaas, P. J. (2014). Working memory and neural oscillations: alpha-gamma versus theta-gamma codes for distinct WM information? Trends Cogn Sci, 18(1), 16-25. doi:10.1016/j.tics.2013.10.010

160. Sansone, C., Wiebe, D. J., & Morgan, C. (1999). Self-regulating interest: The moderating role of hardiness and conscientiousness. Journal of personality, 67(4), 701733.

161. Sayali, C., Heling, E., & Cools, R. (2021). Pupillary dynamics of optimal effort. bioRxiv, 2021.2012. 2002.470970.

162. Scharinger, C., Prislan, L., Bernecker, K., & Ninaus, M. (2023). Gamification of an n-back working memory task-Is it worth the effort? An EEG and eye-tracking study. Biological Psychology, 179, 108545.

163. Scheeringa, R., Petersson, K. M., Oostenveld, R., Norris, D. G., Hagoort, P., & Bastiaansen, M. C. (2009). Trial-by-trial coupling between EEG and BOLD identifies networks related to alpha and theta EEG power increases during working memory maintenance. Neuroimage, 44(3), 1224-1238.

164. Scholz, U., Doña, B. G., Sud, S., & Schwarzer, R. (2002). Is general self-efficacy a universal construct? Psychometric findings from 25 countries. European journal of psychological assessment, 18(3), 242.

165. Schunk, D. H. (1995). Self-efficacy, motivation, and performance. Journal of applied sport psychology, 7(2), 112-137.

166. Shenhav, A., Botvinick, M. M., & Cohen, J. D. (2013). The expected value of control: an integrative theory of anterior cingulate cortex function. Neuron, 79(2), 217-240. doi:10.1016/j.neuron.2013.07.007

167. Shenhav, A., Musslick, S., Lieder, F., Kool, W., Griffiths, T. L., Cohen, J. D., & Botvinick, M. M. (2017). Toward a rational and mechanistic account of mental effort. Annual review of neuroscience, 40(1), 99-124.

168. Shepeleva, E., Valueva, E., & Lapteva, E. (2018). Potrebnost v poznanii: sravnitelnyj analiz razlichnyh issledovatelskih i psihodiagnosticheskih podhodov. Sovremennaya zarubezhnayapsihologiya, 7(3), 115-125.

169. Siegel, M., Donner, T. H., & Engel, A. K. (2012). Spectral fingerprints of large-scale neuronal interactions. Nature Reviews Neuroscience, 13(2), 121-134.

170. Silvestrini, N., Musslick, S., Berry, A. S., & Vassena, E. (2023). An integrative effort: Bridging motivational intensity theory and recent neurocomputational and neuronal models of effort and control allocation. Psychological review, 130(4), 1081.

171. Smith, S. M., & Nichols, T. E. (2009). Threshold-free cluster enhancement: addressing problems of smoothing, threshold dependence and localisation in cluster inference. Neuroimage, 44(1), 83-98.

172. Soysa, C. K., & Wilcomb, C. J. (2015). Mindfulness, self-compassion, self-efficacy, and gender as predictors of depression, anxiety, stress, and well-being. Mindfulness, 6, 217226.

173. Spielberger, C. D. (2019). Anxiety, cognition and affect: A state-trait perspective. Anxiety and the anxiety disorders, 171-182.

174. Spilberger, C., & Hanin, Y. (2002). Issledovanie trevozhnosti//Diagnostika emocional'no-nravstvennogo razvitiya/Pod red. IB Dermanova. SPb.: Piter, 124-126.

175. Stamp, E., Crust, L., Swann, C., Perry, J., Clough, P., & Marchant, D. (2015). Relationships between mental toughness and psychological wellbeing in undergraduate students. Personality and individual differences, 75, 170-174.

176. Sternberg, S. (1966). High-speed scanning in human memory. science, 153(3736), 652-654.

177. Stipacek, A., Grabner, R., Neuper, C., Fink, A., & Neubauer, A. (2003). Sensitivity of human EEG alpha band desynchronization to different working memory components and increasing levels of memory load. Neuroscience letters, 353(3), 193-196.

178. Sugi, M., Sakuraba, S., Saito, H., Miyazaki, M., Yoshida, S., Kamada, T., . . . Sawamura, D. (2020). Personality Traits Modulate the Impact of Emotional Stimuli During a Working Memory Task: A Near-Infrared Spectroscopy Study. Front Behav Neurosci, 14, 514414. doi:10.3389/fnbeh.2020.514414

179. Tosoni, A., Corbetta, M., Calluso, C., Committeri, G., Pezzulo, G., Romani, G. L., & Galati, G. (2014). Decision and action planning signals in human posterior parietal cortex during delayed perceptual choices. European Journal of Neuroscience, 39(8), 13701383.

180. Ullsperger, M. (2006). Performance monitoring in neurological and psychiatric patients. International Journal of Psychophysiology, 59(1), 59-69.

181. Unsworth, N., & McMillan, B. D. (2013). Mind wandering and reading comprehension: examining the roles of working memory capacity, interest, motivation, and topic experience. Journal of Experimental Psychology: Learning, Memory, and Cognition, 39(3), 832.

182. Unsworth, N., Miller, A. L., & Robison, M. K. (2020). Individual differences in lapses of sustained attention: Ocolumetric indicators of intrinsic alertness. Journal of Experimental Psychology: Human Perception and Performance, 46(6), 569.

183. Van de Vijver, I., Ridderinkhof, K. R., & Cohen, M. X. (2011). Frontal oscillatory dynamics predict feedback learning and action adjustment. Journal of cognitive neuroscience, 23(12), 4106-4121.

184. van de Vijver, I., van Driel, J., Hillebrand, A., & Cohen, M. X. (2018). Interactions between frontal and posterior oscillatory dynamics support adjustment of stimulus processing during reinforcement learning. Neuroimage, 181, 170-181.

185. Van den Berg, R., Zou, Q., Li, Y., & Ma, W. J. (2023). No effect of monetary reward in a visual working memory task. PloS one, 18(1), e0280257.

186. Van der Wel, P., & Van Steenbergen, H. (2018). Pupil dilation as an index of effort in cognitive control tasks: A review. Psychonomic bulletin & review, 25, 2005-2015.

187. Van Der Werf, J., Jensen, O., Fries, P., & Medendorp, W. P. (2008). Gamma-band activity in human posterior parietal cortex encodes the motor goal during delayed prosaccades and antisaccades. Journal of Neuroscience, 28(34), 8397-8405.

188. Van Der Werf, J., Jensen, O., Fries, P., & Medendorp, W. P. (2010). Neuronal synchronization in human posterior parietal cortex during reach planning. Journal of Neuroscience, 30(4), 1402-1412.

189. van Driel, J., Ridderinkhof, K. R., & Cohen, M. X. (2012). Not all errors are alike: theta and alpha EEG dynamics relate to differences in error-processing dynamics. Journal of Neuroscience, 32(47), 16795-16806.

190. Varela, F., Lachaux, J.-P., Rodriguez, E., & Martinerie, J. (2001). The brainweb: phase synchronization and large-scale integration. Nature Reviews Neuroscience, 2(4), 229-239.

191. Vinck, M., Oostenveld, R., Van Wingerden, M., Battaglia, F., & Pennartz, C. M. (2011). An improved index of phase-synchronization for electrophysiological data in the presence of volume-conduction, noise and sample-size bias. Neuroimage, 55(4), 15481565.

192. Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., . . . Bright, J. (2020). SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature methods, 17(3), 261-272.

193. Weissman, D. H., Roberts, K. C., Visscher, K. M., & Woldorff, M. G. (2006). The neural bases of momentary lapses in attention. Nat Neurosci, 9(7), 971-978. doi:10.1038/nn1727

194. Wessel, J. R., Danielmeier, C., & Ullsperger, M. (2011). Error awareness revisited: accumulation of multimodal evidence from central and autonomic nervous systems. Journal of cognitive neuroscience, 23(10), 3021-3036.

195. Wisniewski, M. G., Thompson, E. R., & Iyer, N. (2017). Theta-and alpha-power enhancements in the electroencephalogram as an auditory delayed match-to-sample task becomes impossibly difficult. Psychophysiology, 54(12), 1916-1928.

196. Womelsdorf, T., Vinck, M., Leung, L. S., & Everling, S. (2010). Selective theta-synchronization of choice-relevant information subserves goal-directed behavior. Frontiers in human neuroscience, 4, 210.

197. Yeung, N. (2013). Conflict monitoring and cognitive control.

198. Yeung, N., Botvinick, M. M., & Cohen, J. D. (2004). The neural basis of error detection: conflict monitoring and the error-related negativity. Psychol Rev, 111(4), 931959. doi:10.1037/0033-295x.111.4.939

199. Yeung, N., & Cohen, J. D. (2006). The impact of cognitive deficits on conflict monitoring: Predictable dissociations between the error-related negativity and N2. Psychological science, 17(2), 164-171.

200. Yordanova, J., Kolev, V., & Polich, J. (2001). P300 and alpha event-related desynchronization (ERD). Psychophysiology, 38(1), 143-152.

201. Zakrzewska, M. Z., & Brzezicka, A. (2014). Working memory capacity as a moderator of load-related frontal midline theta variability in Sternberg task. Frontiers in human neuroscience, 8, 399.

202. Zavala, B., Tan, H., Ashkan, K., Foltynie, T., Limousin, P., Zrinzo, L., . . . Brown, P. (2016). Human subthalamic nucleus-medial frontal cortex theta phase coherence is involved in conflict and error related cortical monitoring. Neuroimage, 137, 178-187.

203. Zheng, W., Geng, J., Zhang, D., Zhang, J., & Qiao, J. (2022). Task difficulty rather than reward method modulates the reward boosts in visual working memory. Journal of vision, 22(11), 1-1.

204. Zhozhikashvili, N., & Bakumova, A. D. (2022). Alpha and Theta Rhythms as Markers of Cognitive Effort. Russian psychological journal, 19(2), 201-219. doi:10.21702/rpj.2022.2.15

205. Zhozhikashvili, N., Protopova, M., Shkurenko, T., Arsalidou, M., Zakharov, I., Kotchoubey, B., . . . Pavlov, Y. G. (2024). Working memory processes and intrinsic motivation: An EEG study. International Journal of Psychophysiology, 201, 112355.

206. Zhozhikashvili, N., Zakharov, I., Ismatullina, V., Feklicheva, I., Malykh, S., & Arsalidou, M. (2022). Parietal Alpha Oscillations: Cognitive Load and Mental Toughness. Brain Sci, 12(9). doi:10.3390/brainsci12091135

207. Жожикашвили, Н., Малых, А., & Девятерикова, А. (2021). Психическая устойчивость. Теоретическая и экспериментальная психология, 14(4), 49-65.

208. Фалунина, Е., Фалунин, В., & Ульянова, А. (2015). Понятие" механизм" в

психологии и возможность его применения в описании психических процессов. Проблемы социально-экономического развития Сибири(2), 147-151.