學霸和學渣有什么不同？高智商可以培養嗎？

斯坦福大學教授Carol Dweck在作品《看見成長的自己》中將人的思維分為兩種，一種是固定性思維，認為智力和能力是一成不變的；一種是成長性思維，認為努力可以使自己變得更聰明。

最近，得克薩斯大學奧斯汀分校的一份研究認為：人的大腦就像肌肉，在經過嚴格的學習訓練之后，大腦中的神經元會形成新的、強有力的聯結，長久下去，人會變得越來越聰明。

這一研究論文也被發布在了今年8月的《自然》雜志上。

Nature鏈接：

https://www.nature.com/articles/s41586-019-1466-y

研究人員從美國65所普通公立學校選擇隨機樣本，包括12,490名九年級青少年，通過在線的成長型思維干預方法，發現可以提高成績較差的學生的GPA成績以及該國家樣本中高級課程的整體吸收率。

這難道就是普通學生和學霸的區別？所以考得不好只能怪自己不努力，再也沒有“天賦不好”這樣的借口了嗎？一起來看看！

調查背景和緣由

大約20%的美國學生不能按時完成高中學業。

在當前的全球化經濟中，這些輟學的學生將會面臨著貧困、健康狀況不佳和早逝的高風險。事實上，《柳葉刀》雜志的一個委員會認為改善青少年的中等教育成果“是對健康和福祉最好的一筆投資”。

向中學的過渡是青少年教育軌跡中具有靈活性的一個重要時期。在美國，學生的成績在過渡到九年級(14-15歲，英國10年級)時往往會下降，而且往往不會恢復。當這些學生在嚴格的課程學習中表現不佳或選擇不學習時，他們就不太可能上大學或者選修大學里的高階課程。這樣，在向中學過渡的早期問題會隨著時間的推移而加劇，并在成年后形成巨大的人際資源差異。

為了提高高等教育的入學率，研究人員決定強調成長型思維在其中發揮的作用，研究人員想到，在過渡到中學時提高學業成績的一個方法是通過社會心理學的干預，改變青少年對自己和學業的想法或感覺，成長型思維可以激勵學生學習更加嚴格困難的課程，并在遇到困難時堅持下去，從而鼓勵學生利用學校的學習機會。

這里評估的具體干預措施是一種智力干預的成長型思維，強調了青少年對智力本質的信念，使學生們認識到，智力并不是固定不變的，而是能夠隨著堅定地努力、不斷地嘗試以及在合適的時候尋求幫助不斷成長的。

采用方法

對青少年進行的初步干預研究采用多階段(例如，8個課堂階段)、由受過良好培訓的成年人舉辦的互動研討會等方式教授成長型思維;然而，這些做法并不容易推廣。之后的成長心態干預簡單一些，是在線自我管理的。盡管如此，之前的隨機評估，包括預注冊回答，顯示在線成長心態干預改善了目標群體中那些之前成績較差的中等教育學生的成績。

在線網站鏈接： https://osf.io/tn6g4

干預包括兩次自我管理的在線會議，每次持續約25分鐘，要求學生使用學校的計算機資源完成兩個隨機分配的25分鐘在線課程。這些會議包括增長思維練習和控制練習。

在治療條件下，學生閱讀和聆聽描述大腦如何運作的科學材料以及人們隨著時間的推移培養智力的能力，同時鼓勵學生思考為什么他們可能想要發展他們的大腦，以便對他們個人關心的事物產生影響，同時還教學生們思考如何將這些信念付諸實踐，例如，完成一個簡短的寫作任務，為未來的九年級學生提供建議，這些建議可以幫助參與者輕松過渡到高中，在正常上課時間間隔大約20天如下圖所示：

2015年8月至11月，82%的學校實施了干預;剩下的18%在2016年1月或2月進行了干預。星號表示，在秋季實施干預措施的學校中，第一至第二節課之間的平均天數為21天;而春季學校則是27天。擲硬幣符號表示在第一節課進行了隨機分配。勾號表示在在線網站預先注冊了一個全面的分析計劃。盲眼符號表明，首先，教師和研究人員不知道學生隨機分配的條件，其次，貝葉斯機器學習魯棒性測試是由當時并不知道假設和變量特性的研究人員進行的。

調查數據從哪來？

數據來自國家學習心態研究（這是美國65所普通公立學校的分層隨機樣本），包括12,490名九年級青少年，他們被單獨隨機抽樣，盡可能多的招募學校進入研究。從學生的學校獲得成績，并且分析的重點是低成就學生群體（低于學校中位數的學生）。樣本反映了美國年輕人的多樣性：11％自我報告為黑人/非洲裔美國人，4％亞裔美國人，24％拉丁裔，43％白人和18％另一種族或種族;29％的人表示他們的母親擁有學士學位或更高學歷。

在調查報告中給出了匯總數據鏈接，在鏈接網址中給出了詳細的數據信息，包括預注冊、文檔、數據（其中數據以.csv格式顯示）

匯總數據鏈接： https://osf.io/r82dw/

部分數據展示如下：

共有139所學校被選中，在這些學校中，65所學校同意，參與并提供學生記錄。另有11所學校同意并參加，但沒有提供學生成績或課程記錄;因此，不會分析他們學生的數據。研究計算了蒂普頓普遍性指數，它是分析樣本與總體抽樣框架之間相似性的度量，沿著官方政府來源獲得的8個學生人口統計和學校成績基準進行數據統計和分析。

分析方法

在有了數據之后，如何比較干預后的數據和之前數據的變化，針對這些數據做分析呢？

平均治療效果的模型

分析估計個人的平均治療效果使用集群穩健的固定效應線性回歸模型，學校作為固定效應，納入ICF統計人員提供的權重。因此，系數可推廣到推理人群，即在美國普通公立學校就讀的學生。對于t分布，自由度為46，等于簇（或初級采樣單位，即51）減去采樣層數（為5）。

異質性的模型

為了檢驗低成就學生的治療效果中的跨學校異質性，研究人員估計多級混合效應模型（1級，學生;2級，學校），學校采用固定截距，并且按照當前推薦的不同學校隨機斜率做法。該模型包括以學校為中心的學生級協變量（先前的表現和人口統計）使網站級估計盡可能精確。該分析控制了學校一般學生的種族/民族構成及其與治療狀態變量的相互作用，以解釋學生身體種族/民族構成與學業成績水平的混淆。

貝葉斯魯棒性分析

使用一種算法來實現這一目標，BCF，BCF算法使用機器學習工具來發現（或排除）covariates和 moderators之間的高階交互和非線性關系。它是保守的，因為它使用正則化和強大的先驗分布來防止錯誤發現。在我們預先登記的模型中，適度分析的穩健性的證據來自于BCF在分布中具有最多學校（即分布中間）的部分估計效果的對應，因此BCF算法也是此項研究有意義的價值所在。

調查結果

主要成果是核心九年級（數學，科學，英語或語言藝術和社會研究）的干預后成績點平均值（GPA），按照預先登記的分析計劃，我們報告n的目標群體的結果=6,320名相對于同一學校同齡人的成績較低的學生。模型估計為5.3％（95％置信區間=-1.7，-9.0），se=1.8，t= 2.95，通過短暫和低成本的增長思維干預，每年美國學生中的P=0.005將被阻止“脫軌”，相當于從46％減少到41％，這使得相對風險減少11％（即0.05/ 0.46）。

如上圖所示，a，c表示治療對核心課程成績點平均值（GPAs）的影響， b，d，表示僅對數學和科學的GPAs治療效果，c，d，箱形圖表示無條件處理效果（每個學校一個）預先登記的線性混合效應回歸模型。

GPA是一個理論上相關的結果，因為成績通常被理解為反映持續的動機，而不僅僅是先前的知識。這也是一個實際相關的結果，GPA是成人教育程度，健康和福祉的有力預測指標，即使在控制高中考試成績時也是如此。定義為以四分制為單位獲得GPA低于2.0的青少年的百分比，每年有300多萬九年級學生上普通的美國公立學校，根據定義，有一半學生的成績較低。

二次分析側重于僅在數學和科學方面的GPA結果。數學和科學是相關的，因為美國的普遍信仰將數學和科學學習與“原始”或“天生”能力聯系起來，認為“數學和科學的成功有力地預測了長期的經濟福利和福祉”，結果為數學和科學的分析支持了相同的結論。

如上圖所示，成績較好的學生對核心課程GPA沒有顯著的治療效果，即僅在成績較差的學生中檢查平均GPA效應，因為成績較好的學生可能已經習慣（例如，按時上班）和環境（例如，支持性家庭，教師或同伴群體），即使在控制條件下也能培養出高GPA。

結果顯示，當學生們的行為規范與干預措施相一致時，干預起到作用，提高成績較差的學生的成績和對高階課程的接受程度。對此研究結論的嚴謹性證明來自于獨立的數據收集和處理、分析時的預注冊以及基于盲貝葉斯的結果驗證。

最后寄語

在邁克爾?喬丹代言的耐克廣告中，他最喜歡的一句廣告詞是：“我有超過9000次投籃不中，也輸了將近300場比賽，我還有26次錯失了絕殺機會。”

但可以肯定的是，每次失敗過后，他都會回到訓練場館，練習上百次投籃，最后才能站上籃球界的神壇！或許思維真的會決定命運，有時以一個積極努力的心態迎接挑戰，可能真會使我們更加聰明吧！