用于评估数学认知和基本技能的多媒体电池（BM-PROMA）
August 28th, 2021
BM-PROMA 是一种有效可靠的多媒体诊断工具，可为数学学习障碍儿童提供完整的认知特征。
学习数学对于我们的日常生活至关重要。对数学的理解不通会导致学生在许多其他科目上挣扎。但是，当他们考虑职业选择时，这可能会限制他们的进一步学习选择以及他们的就业能力。
不幸的是，有一群儿童从上学开始就表现出严重的损伤，并一直坚持一生。这个群体被称为有数学学习障碍的儿童，MLD。必须尽早诊断患有MLD的儿童，以便获得他们需要的教育支助。
但是，由于强调 MLD 的多个域通用技能和特定域的技能，诊断 MLD 是很困难的。很少有工具包括两个域技能，以最佳诊断。特别是，对于讲西班牙语的儿童来说，没有具有这些特点的工具。
我们设计了多媒体电池，用于评估数学中的认知和基本技能，BM-PROMA，以便提供计算机化测试，使儿童能够诊断MLD，考虑到一个完整的认知配置文件。BM-PROMA 包括评估特定域和域一般技能的任务。八项任务，评估域特定技能。
缺少数字、两位数比较、读数、地点值、数字行 0 到 100 和 0 到 1，000、算术事实检索和算术原理。四个任务与域通用技能有关。计数跨度、快速自动化命名、字母、维苏空间工作内存和音素删除。
这些任务将按如下形式提出。缺少编号。在这个游戏中，你必须大声说出丢失号码的名称。
二，四，六，八和十。因此，缺少的数字是10。现在，自己试试。十。
两位数的数字比较。在这个游戏中，仔细看看这两个数字。你必须选择最大的数字。
要做到这一点，你必须比较两个数字，并大声说出最大的一个数字的名字。看看这两个数字37 大于 21， 所以我会说 37 。
尽量尽快完成任务，而不要弄错。现在，自己试试。阅读数字。
在这个游戏中，你必须大声说出屏幕上显示的数字。看看这个数字在这里，你必须说12，因为这是屏幕上的数字的名称。
尽量尽快完成任务，而不要弄错。现在，自己试试。放置值。
在这场比赛中，我们有一个数字和四张图片。您必须单击正确表示数字的图片。我会选择第一个，因为酒吧等于10，正方形等于5个单位。
现在，自己试试。数字行，0 到 100 和 0 到 1，000。在这个游戏中，你必须把数字放在你认为它去的地方。
看看这条线它从零开始，到100结束。你必须把50号放在这里。
要做到这一点，你必须按下数字下的红线，并拖动它到正确的地方。你知道我为什么把号码掉在这里吗？它在中间，因为50是半100。
现在，试着自己做。算术事实检索。在这个游戏中，你必须解决你头脑中的计算问题。
在第一个，正确的答案是三个。默默地完成任务，大声告诉我答案。尽量尽快解决任务，不要弄错。
现在，自己试试。三。算术原理。在这场比赛中，你必须大声说出第二次手术的结果。
仔细查看这两个计算。第一个已经解决了，但第二个还是需要解决的。5 5 10， 然后 5 6 11.
当我告诉你开始，在沉默中解决任务，然后大声说答案。尽量尽快解决任务，不要弄错。现在，自己试试。
计数跨度。在这场比赛中，我们有一些牌。每张牌都有蓝色和黄色的圆点。
你必须计算并记住每张卡上的黄点数。首先，我们将计算第一张卡上有多少个黄点。卡片上有两个黄点。
然后，我们将计算第二张卡上的所有黄点。卡上有八个黄点。现在，由于第一张牌上有两个黄点，第二张牌上有八个黄点，你不得不大声说出数字二和八。
现在，自己试试。二、八、二、八。快速自动化命名，字母。
在这个游戏中，你必须说出屏幕上出现的字母的名字。重复它们并不重要。因此，我们必须说A，C，V，N，A，N，C，C，V，V.尝试尽快命名字母从左到右，从上到下。
现在，自己试试。A、C、V、C、A、N、V.C、V、V.维苏空间工作记忆。在这个游戏中，你会看到一些正方形亮了起来。
你必须记住哪些广场亮了，它们按顺序亮起。然后，您必须按相同的顺序按方块以重复序列。现在，仔细观察，按相同的顺序按方块。
电话删除。在这个游戏中，你必须删除每个单词的第一个声音。如果你听到"柏油"这个词，你必须去掉声音，嗯。
所以你会说啊现在，自己试试。结果显示，每个年级的大部分指标的阿尔法均高于0.7，表明大多数任务的内部一致性良好。
适合指数建议充分适合为不同等级不变的数据提出的五因子模型。接收机操作特征分析的结果是有希望的，结果显示，在几乎所有等级的因素中，AUCs从0.72到0.92不等，表明可以接受优秀的歧视。BM-PROMA 是少数集成多维协议的计算机化工具之一，用于诊断患有 MLD 的小学生，也是第一个为讲西班牙语的儿童标准化的工具。
在这里，已经证明BM-PROMA是一个经过验证和可靠的仪器。它的使用提供了一个完整的认知配置文件的孩子，这不仅与诊断有关，而且与个性化的教学规划有关。最后，必须指出，多媒体环境对儿童具有高度的激励作用，同时使评估程序更加容易。
View the full transcript and gain access to thousands of scientific videos
概述
学习数学对日常生活至关重要，但由于数学学习障碍（MLD），一些儿童面临重大挑战。早期诊断对于为这些儿童提供必要的教育支持至关重要。
关键研究组成部分
科学领域
- 神经科学
- 教育心理学
- 学习障碍
背景
- 数学对学业成功和职业机会至关重要。
- 患有MLD的儿童从小就经历持续的困难。
- 早期干预可以改善教育结果。
- 了解认知状况有助于为受影响的儿童量身定制支持。
研究目的
- 有效诊断患有MLD的儿童。
- 使用BM-PROMA提供全面的认知状况。
- 增强对患有MLD的儿童的教育策略。
使用的方法
- BM-PROMA多媒体诊断工具。
- 评估与数学相关的认知能力。
- 分析儿童的学习模式。
- 开发量身定制的教育干预措施。
主要结果
- BM-PROMA被验证为可靠的诊断工具。
- 它为患有MLD的儿童提供了完整的认知状况。
- 早期诊断可以带来更好的教育支持。
- 研究结果强调了量身定制的干预措施的重要性。
结论
- BM-PROMA有效地识别患有MLD的儿童。
- 全面的认知状况为教育策略提供了信息。
- 早期干预是改善患有MLD儿童结果的关键。
常见问题
Executive Industry Relevance
Accurate identification of mathematical learning disabilities (MLD) in early education is critical for optimizing cognitive intervention strategies and reducing long-term educational risk. The BM-PROMA multimedia battery enables comprehensive, multidimensional assessment of both domain-general and domain-specific cognitive skills, supporting robust target validation for neurodevelopmental research pipelines. Its standardized, computerized format for Spanish-speaking children addresses a significant gap in scalable, reproducible cognitive profiling tools.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables systematic interrogation of cognitive domains implicated in MLD for mechanistic de-risking.
- Supports functional target validation by distinguishing domain-general from domain-specific deficits.
- Facilitates predictive confidence in neurodevelopmental disorder models through multidimensional profiling.
Screening & Assay Development
- Provides validated, standardized tasks for quantitative assessment of cognitive phenotypes.
- Ensures reproducibility and scalability in cognitive screening workflows for translational research.
- Delivers robust, multidimensional outputs suitable for cross-cohort and cross-site comparison.
Translational & Preclinical Research
- Aligns cognitive assessment outputs with disease-relevant endpoints for translational biomarker development.
- Enables continuity from early discovery through preclinical validation in neurodevelopmental pipelines.
- Supports risk-adjusted advancement decisions by providing reliable discrimination metrics (AUC 0.72–0.92).
Pipeline & Workflow Integration
BM-PROMA integrates into the discovery-to-preclinical continuum by providing standardized cognitive phenotyping for early target validation, screening, and translational research in neurodevelopmental disorders.
- Discovery Biology: Supports hypothesis testing and pathway clarification for cognitive impairment mechanisms.
- Screening: Delivers reproducible, quantitative outputs for cognitive domain assessment.
- Analytics: Provides multidimensional readouts and statistical discrimination metrics for robust comparison.
- Translational Research: Aligns with biomarker strategies and preclinical model validation.
- Enterprise Reuse: Offers a scalable, standardized platform for cognitive assessment across studies and populations.
Operational & Enterprise Impact
- Scientific Value: Enhances predictive confidence and reduces mechanistic ambiguity in neurodevelopmental research.
- Operational Value: Promotes standardization, reproducibility, and scalability in cognitive assessment workflows.
- Strategic Value: Informs go/no-go decisions and improves capital efficiency by enabling early, accurate identification of cognitive deficits.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neurodevelopmental disorder programs.
Implementation Considerations
- Requires expertise in cognitive assessment and neurodevelopmental disorder phenotyping.
- Needs access to computerized testing infrastructure and data analytics capabilities.
- Demands cross-team standardization for consistent administration and interpretation.
- Adaptation may be necessary for non-Spanish-speaking populations or alternative educational contexts.
- Practical limitations include the need for child engagement and potential variability in digital literacy.
Biopharma FAQs
Chapters in this video
0:12
Introduction
2:18
Missing Number
2:41
Two-Digit Number Comparison
3:25
Reading Numbers
3:58
Place Value
4:22
Number Line
5:04
Arithmetic Fact Retrieval
5:35
Arithmetic Principles
6:24
Counting Span
7:22
Rapid Authomatized Naming ‐ Letters
8:15
Visuospatial Working Memory
8:49
Phoneme Deletion
9:16
Results
9:57
Conclusions
