A cura di
Dr. Bruno C- Gargiullo
D.ssa Rosaria Damiani
Negli ultimi anni, si è assistito ad un crescente interesse nella connessione tra neuroscienza ed educazione. Gli sviluppi nella tecnologia di risonanza magnetica funzionale (fMRI) hanno alimentato questo interesse. Questa combinazione di discipline è nota come Neuroeducazione o Neuroscienze dell’Educazione. Ha permesso nuove scoperte sulla intricata relazione tra il cervello e il modo in cui impariamo.
Spesso si ammira la straordinaria intelligenza dei bambini dotati, ma cosa succede realmente nei loro cervelli rimane un enigma. Recenti studi si sono addentrati in questa intricata rete neurale, cercando di “svelare” come questi giovani talenti imparano e memorizzano le informazioni in modo eccezionale.
Questi bambini spesso presentano una serie di tratti che includono una memoria più efficiente, una conoscenza più ampia e una capacità di risolvere problemi in modo più rapido e sofisticato rispetto ai loro coetanei con sviluppo tipico. Le ricerche hanno evidenziato l’importanza del sistema di memoria in queste abilità avanzate. C’è un aumento dello spessore corticale, soprattutto nella corteccia prefrontale esecutiva. Ci sono anche correlazioni positive con l’integrità della sostanza bianca che connette le regioni frontali e parietali nei bambini dotati. In particolare, sembra che ci sia una traiettoria neurosviluppante migliorata o divergente nei bambini dotati. Questi bambini eccellono in determinati ambiti, come la matematica. Questi bambini possono utilizzare in modo selettivo e di successo sistemi fronto-temporali dell’emisfero destro, consentendo loro di ottenere risultati eccezionali in questa disciplina. Inoltre, la capacità di generalizzare le conoscenze tra vari settori, fare balzi intuitivi e utilizzare l’apprendimento selettivo sono caratteristiche che contribuiscono alla loro capacità di risolvere problemi in modo avanzato.
È interessante notare come le basi cognitive avanzate nei bambini dotati siano spesso associate a specifiche caratteristiche neuroanatomiche e neurosviluppanti.
Il termine “neurosviluppo” si riferisce al processo di sviluppo e maturazione del sistema nervoso, che include il cervello e il midollo spinale, durante l’intero arco della vita di un individuo; è un processo complesso che inizia durante la gestazione e continua attraverso l’infanzia, l’adolescenza e oltre. Quando si parla di “traiettoria neurosviluppante migliorata o divergente” nei bambini dotati, ci si riferisce a come il loro sviluppo neurologico può differire da quello dei loro coetanei normodotati. In altre parole, ci potrebbe essere una differenza nella sequenza o nella velocità con cui alcune regioni del cervello si sviluppano e maturano nei bambini dotati rispetto a quelli con sviluppo tipico.
Questa comprensione può essere utile per personalizzare gli approcci educativi e fornire un supporto mirato a questi “piccoli geni” per favorire ulteriormente il loro sviluppo intellettuale.
Tuttavia, tra i pochi studi esistenti, nessuno si è focalizzato sui sistemi di memoria. Mancano ancora informazioni cruciali che potrebbero essere fondamentali per comprendere la meccanica dei loro sistemi di integrazione delle informazioni, come la forma regionale e la connettività delle reti neurali di apprendimento.
La forma regionale e la connettività delle reti neurali si riferiscono a come diverse regioni del cervello sono organizzate anatomicamente e come comunicano tra loro attraverso le connessioni neurali. Questi aspetti sono fondamentali per comprendere il funzionamento del cervello e sono particolarmente rilevanti nell’ambito dell’apprendimento e delle funzioni cognitive.
Forma regionale:
– Anatomia del Cervello. Il cervello è diviso in diverse regioni anatomiche, o lobi, come il lobo frontale, il lobo parietale, il lobo temporale e il lobo occipitale. Ciascuna di queste regioni svolge funzioni specifiche, e la forma regionale si riferisce alla disposizione e alla struttura di queste regioni.
– Morfologia delle Strutture Neurali. Oltre ai lobi, ci sono numerose strutture neurali specifiche all’interno di ciascuna regione, come l’ippocampo, la corteccia prefrontale, il giro dentato, ecc. La forma regionale comprende la morfologia di queste strutture e la loro distribuzione nel cervello.
Connettività delle Reti Neurali:
– Le Connessioni Neurali. Il cervello è costituito da miliardi di neuroni che comunicano tra loro attraverso connessioni sinaptiche. La connettività delle reti neurali riguarda la forza e la distribuzione di queste connessioni. Le reti neurali sono formate da gruppi di neuroni che lavorano insieme per svolgere funzioni specifiche.
– Connettività Locale e Globale. La connettività può essere locale, coinvolgendo regioni adiacenti, o globale, coinvolgendo connessioni a lunga distanza tra diverse aree del cervello. La connettività locale e globale è fondamentale per il coordinamento delle funzioni cognitive complesse, inclusi i processi di apprendimento.
E’ da precisare, che nei contesti di apprendimento e abilità cognitive avanzate, come nel caso dei bambini dotati di cui si è parlato precedentemente, la forma regionale e la connettività delle reti neurali possono giocare un ruolo cruciale. Ad esempio, alcune aree del cervello potrebbero essere più sviluppate o connesse in modo diverso, contribuendo a specifiche abilità cognitive, come la memoria, la risoluzione dei problemi o la creatività. Gli studi sulla neuroscienza cercano di identificare queste relazioni per comprendere meglio la base biologica delle capacità cognitive umane.
In questa disamina si pone l’accento sui due tipi di memoria (esplicita e implicita) che svolgono ruoli cruciali nel modo in cui apprendiamo e conserviamo le informazioni.
La memoria esplicita richiede uno sforzo intenzionale e consapevole per trattenere o rievocare informazioni. Questa parte del cervello è come il regista della nostra mente, guidando il processo di memorizzazione in modo deliberato.
Gli scienziati hanno scoperto che nei bambini dotati, le regioni associate alla memoria esplicita sono più grandi e connesse in modo più robusto rispetto ai loro coetanei in sviluppo tipico. In particolare, il putamen, che collabora con la corteccia prefrontale, e le subregioni dell’ippocampo, come il girum dentato e CA3 (componente chiave dell’ippocampo che contribuisce alla nostra capacità di ricordare eventi, fatti ed esperienze in modo consapevole), sono più sviluppate. Queste aree svolgono un ruolo chiave nel permettere ai bambini dotati di apprendere rapidamente informazioni chiare e distinte.
La memoria Implicita, al contrario, è automatica e si attiva senza uno sforzo cosciente. I bambini la usano per apprendere compiti sociali, linguistici o procedurali senza ricevere istruzioni.
Gli studi neuroscientifici hanno messo in evidenza che le regioni cerebrali legate alla memoria implicita sono più connesse e di dimensioni maggiori nei bambini in sviluppo tipico. Lo striato, che include il caudato e il nucleo accumbens, insieme all’amigdala, svolgono un ruolo cruciale in questa forma di memoria. Queste aree contribuiscono ad acquisire informazioni in modo automatico, ovvero senza alcuna indicazione.
I risultati, ottenuti da questi studi, potrebbero rivoluzionare il sistema educativo, rendendolo più flessibile. La scoperta che i bambini dotati mostrano una maggiore motivazione intrinseca potrebbe suggerire nuovi modi di incoraggiare e supportare questa tipologia di studenti.
Questo breve resoconto scientifico potrebbe rappresentare un passo significativo nella comprensione dei “segreti” del cervello dei bambini dotati. Oltre a rivelare i misteri della loro memoria eccezionale, offre spunti preziosi per trasformare l’educazione e sostenere lo sviluppo cognitivo di tutti i bambini.
Athanasakis, E., Litro, D., Faletra, F., Fabretto, A., Dipresa, S., Vozzi, D., Morgan, A., d’Adamo, A. P., Pecile, V., Biarnés, X., & Gasparini, P., (2014). Next generation sequencing in nonsyndromic intellectual disability: From a negative molecular karyotype to a possible causative mutation detection. American Journal of Medical Genetics A, 164, 170–176.
Colom, R., Rebollo, I., Palacios, A., Juan-Espinosa, M., & Kyllonen, P. C. (2004). Working memory is (almost) perfectly predicted by g. Intelligence, 32, 277–296
Davidson, J. E. (1986). The role of insight in giftedness. Conceptions of Giftedness, 201–222.
Desco, M., Navas-Sanchez, F. J., Sanchez-González, J., Reig, S., Robles, O., Franco, C., Guzmán-De-Villoria, J. A., García-Barreno, P., & Arango, C. (2011). Mathematically gifted adolescents use more extensive and more bilateral areas of the fronto-parietal network than controls during executive functioning and fluid reasoning tasks. Neuroimage, 57(1), 281–292.
Duncan, J., Seitz, R. J., Kolodny, J., Bor, D., Herzog, H., Ahmed, A., Newell, F., & Emslie, H. (2000). A neural basis for general intelligence. Science, 289, 457–460.
Geake, J., & Hansen, P. (2005). Neural correlates of intelligence as revealed by fMRI of fluid analogies. Neuroimage, 26, 555–564.
Gerig, G., Styner, M., Shenton, M. E., & Lieberman, J. A. (2001). Shape versus size: Improved understanding of the morphology of brain structures. In International conference on medical image computing and computer-assisted intervention (pp. 24–32). Springer.
Gonring, K., Gerdes, A., & Gardner, D. (2017). Program for the education and enrichment of relational skills: Parental outcomes with an ADHD sample. Child & Family Behavior Therapy, 39(1), 19–42.
Gray, J. R., Chabris, C. F., & Braver, T. S. (2003). Neural mechanisms of general fluid intelligence. Nature Neuroscience, 6, 316–322.
Haier, R. J., Siegel, B. V. Jr., Nuechterlein, K. H., Hazlett, E., Wu, J. C., Paek, J., Browning, H. L., & Buchsbaum, M. S. (1988). Cortical glucose metabolic rate correlates of abstract reasoning and attention studied with positron emission tomography. Intelligence, 12, 199–217.
Hayden, P. J., Iacobelli, S., Perez-Simon, J. A., van Biezen, A., Minnema, M., Nittyvuopio, R., Schonland, S., Meijer, E., Blaise, D., Milpied, N., Marquez-Malaver, F. J., Veelken, J. H., Maertens, J., Michallet, M., Cammenga, J., N’Guyen, S., Niederwieser, D., Hunault-Berger, M., Bourhis, J. H., … Kroger, N. (2020). Conditioning-based outcomes after allogeneic transplantation for myeloma following a prior autologous transplant (1991–2012) on behalf of EBMT CMWP. European Journal of Haematology, 104, 181–189.
Huang-Pollock, C. L., Maddox, W. T., & Karalunas, S. L. (2011). Development of implicit and explicit category learning. Journal of Experimental Child Psychology, 109, 321–335.
Kalbfleisch, M. L. (2004). Functional neural anatomy of talent. The Anatomical Record Part B, 277, 21–36.
Kuhn, T., Schonfeld, D., Sayegh, P., Arentoft, A., Jones, J. D., Hinkin, C. H., Bookheimer, S. Y., & Thames, A. D. (2017). The effects of HIV and aging on subcortical shape alterations: A 3D morphometric study. Human Brain Mapping, 38(2), 1025–1037.
Kyllonen, P. C., & Christal, R. E. (1990). Reasoning ability is (little more than) working-memory capacity? Intelligence, 14, 389–433.
Laugeson, E. A., Frankel, F., Gantman, A., Dillon, A. R., & Mogil, C. (2012). Evidence-based social skills training for adolescents with autism spectrum disorders: The UCLA PEERS program. Journal of autism and developmental disorders, 42(6), 1025–1036.
Mills, C. J., & Tissot, S. L. (1995). Identifying academic potential in students from under-represented populations: Is using the Ravens Progressive Matrices a good idea? Gifted Child Quarterly, 39, 209–217.
Na, H. S., Hong, S. J., Yoon, H.J., Maeng, J. H., Ko, B. M., Jung, I. S., Ryu, C. B., Kim, J. O., Cho, J. Y., Lee, J. S., Lee, M. S., Shim, C.S., & Kim, B. S. (2007). Eradication rate of first-line and second-line therapy for Helicobacter pylori infection, and reinfection rate after successful eradication. The Korean Journal of Gastroenterology, 50, 170–175.
Navas-Sánchez, F. J., Alemán-Gómez, Y., Sánchez-Gonzalez, J., Guzmán-De-Villoria, J. A., Franco, C., Robles, O., Arango, C., & Desco, M. (2014). White matter microstructure correlates of mathematical giftedness and intelligence quotient. Human Brain Mapping, 35(6), 2619–2631.
Neihart, M., Reis, S. M., Robinson, N., & Moon, S. (2002). The social and emotional development of gifted children: What do we know? Sourcebooks, Inc.
O’Boyle, M. W. (2008). Mathematically gifted children: Developmental brain characteristics and their prognosis for well-being. Roeper Re, 30(3), 181–186.
O’Boyle, M. W., Alexander, J. E., & Benbow, C. P. (1991). Enhanced right hemisphere activation in the mathematically precocious: A preliminary EEG investigation. Brain and Cognition, 17, 138–153.
O’Boyle, M. W., & Benbow, C. P. (1990). Enhanced right hemisphere involvement during cognitive processing may relate to intellectual precocity. Neuropsychologia, 28, 211–216.
O’Boyle, M. W., Benbow, C. P., & Alexander, J. E. (1995). Sex differences, hemispheric laterality, and associated brain activity in the intellectually gifted. Developmental Neuropsychology, 11(4), 415–443.
O’Boyle, M. W., Cunnington, R., Silk, T. J., Vaughan, D., Jackson, G., Syngeniotis, A., & Egan, G. F. (2005). Mathematically gifted male adolescents activate a unique brain network during mental rotation. Cognitive Brain Research, 25(2), 583–587.
Packard, M. G., & Knowlton, B. J. (2002).Learning and memory functions of the basal ganglia. Annual Re of Neuroscience, 25, 563–593.
Pesenti, M., Zago, L., Crivello, F., Mellet, E., Samson, D., & Duroux, B. (2001). Mental calculation in a prodigy is sustained by right prefrontal and medial temporal areas. Nature Neuroscience, 4, 103–107.
Rogers, K. B. (1986). Do the gifted think and learn differently?: A re of recent research and its implications for instruction. Citeseer.
Rota, G., Sitaram, R., Veit, R., Erb, M., Weiskopf, N., Dogil, G., & Birbaumer, N. (2009). Self-regulation of regional cortical activity using real-time fMRI: The right inferior frontal gyrus and linguistic processing. Human Brain Mapping, 30, 1605–1614.
Scharnowski, F., Veit, R., Zopf, R., Studer, P., Bock, S., Diedrichsen, J., Goebel, R., Mathiak, K., Birbaumer, N., & Weiskopf, N. (2015). Manipulating motor performance and memory through real-time fMRI neurofeedback. Biological Psychology, 108, 85–97.
Schmithorst, V. J., Wilke, M., Dardzinski, B. J., & Holland, S. K. (2005). Cognitive functions correlate with white matter architecture in a normal pediatric population: A diffusion tensor MRI study. Human Brain Mapping, 26, 139–147.
Shaw, P., Greenstein, D., Lerch, J., Clasen, L., Lenroot, R., Gogtay, N., Evans, A., Rapoport, J., & Giedd, J. (2006). Intellectual ability and cortical development in children and adolescents. Nature, 440, 676–679.
Squire, L. R., Knowlton, B., & Musen, G. (1993). The structure and organization of memory. Annual Re of Psychology, 44, 453–495.
Weiskopf, N. (2012). Real-time fMRI and its application to neurofeedback. Neuroimage, 62, 682–692.
Winberg, M. L., Noordermeer, J. N., Tamagnone, L., Comoglio, P. M., Spriggs, M. K., Tessier-Lavigne, M., & Goodman, C. S. (1998). Plexin A is a neuronal semaphorin receptor that controls axon guidance. Cell, 95, 903–916.
Worzfeld, T., & Offermanns, S. (2014). Semaphorins and plexins as therapeutic targets. Nature Res Drug Discovery, 13, 603–621.
Zabaneh, D., Krapohl, E., Gaspar, H. A., Curtis, C., Lee, S. H., Patel, H., Newhouse, S., Wu, H. M., Simpson, M. A., Putallaz, M., Lubinski, D., Plomin, R., & Breen, G. (2018). A genome-wide association study for extremely high intelligence. Molecular Psychiatry, 23(5), 1226–1232.
Zhang, L., Gan, J. Q., & Wang, H. (2017). Neurocognitive mechanisms of mathematical giftedness: A literature re. Applied Neuropsychology: Child, 6(1), 79–94.