跳到主要內容

wisconsin card sorting研究心得

wisconsin card sorting研究心得

[[Wisconsin Card Sorting Task]]（WCST）是一個很常用的神經心理測驗，最早是被用來作為思考彈性的測驗，但後來被發現可以用來評估腦傷程度。現在許多研究也使用它來做為認知彈性的測量工具。也有研究發現在自閉症、思覺失調症患者上都有表現較一般人差的情況1，而這兩種疾病的患者也都被認為有認知彈性缺乏的問題。

文獻中提到的缺點

雖然這個作業已經有長期使用的歷史，但是目前看來仍有些缺點。

首先是測驗相當複雜，所測量到的能力可能有很多個。作業表現的差可能的原因很多。有的研究者把這個作業當作是執行控制功能（executive function）的測驗工具，而不是單指認知彈性。但其實認知彈性有許多的定義，所以這一點雖然可以算是缺點，但也可以算是優點，因為認知彈性可能就是一個多能力交互作用才可以得到的表現。

另外測驗結果指標多元，但背後所對應的能力仍不確定。文獻中不同的研究者曾提出不同的計分方式，最常見的是total error（所有分類錯誤的卡片數量）、categories completed（完成的組數）、perseverative errors（延續使用舊有規則造成的錯誤）、failure to maintain set（無法連續正確分類）。有可能不同的指標所指涉的是不同的認知能力，又或者有些指標所測量到的不只一種能力。這樣看來，將這個作業歸為執行控制功能測量工具可能較合適，因為執行控制功能本身也是一個複雜的概念，包含多種能力在其中。

WCST的測驗規則變化是固定的，多次測量的結果可能會有練習效果或是穩定度的問題，但目前相關的研究結果並不一致。例如有研究發現1年後正常成人再測的練習效果很大1。但其他研究發現卻發現間隔9個月再測信度不錯，而且練習效果不大2。

WCST也有發展電腦化的測驗，但是電腦化測驗的心理計量特性研究發現，電腦化的版本和原先版本並不相同，不能夠共用常模34。

WCST心理計量驗證情況

我在scopus以及google scholar搜尋找尋相關的信效度研究

WCST有許多的版本，但多以128張卡片的研究為主，部份為64張卡片。前者為同樣的64張但進行兩次，需要花費較多的時間。此外也有修改版（去除掉同時可以符合2種以上規則分類的卡片）以及電腦化的版本，但這兩種版本的驗證研究還非常的稀少。

大部份的信效度驗證研究多為檢驗再測信度的研究，但是結果顯示WCST的再測信度結果在不同的研究間並不穩定。可能的原因有：

  1. 間隔時間，兩次測驗的間隔從9個月到2年不等。
  2. WCST的作業表現指標眾多，不同指標再測相關係數有高低起伏。最近一篇研究5發現“nonperseverative errors” and “failure to maintain set”的一致性較低。
  3. 受測者大多是病人，早期多為腦傷，而近期多為思覺失調症患者。有可能他們的性質差異很大，表現也比較不穩定。

WCST有好的折半信度。今年有兩篇研究分別探討WCST以及修改版的WCST的折半信度，他們分別使用健康的年輕人以及神經受傷的住院病人，都得到良好的折半信度。

電腦版和非電腦版WCST的心理計量特性是不同的。有不只一篇的研究比較標準的WCST以及電腦化的版本，結果發現受測者的兩種版本測驗表現可能沒有顯著的差異，但是電腦化的測驗變異可能比較小。電腦版的表現變異較小的情況不只是在健康控制組，思覺失調症患者以及自閉症患者的樣本都有一樣的結果。

我的看法

WCST已經被用了數十年，本來我以為相關的心理計量特性研究應該相當完整。想不到真的仔細去找時才發現大家都用得很開心的作業不一定都有完整的信效度研究報告。電腦化的測驗可以節省許多施測者的麻煩，但想不到相關的常模並未完整建立。

回到定義，彈性指的是對於環境變化能夠產生適應的行為。所以測驗當中「變化」是重要的。但在這個測驗當中，變化是要在特定作答表現下才會出現的，如果達到條件，變化不會出現。有沒有辦法去調整變化的程度，檢驗不同變化情境下反應隨著變化程度不同而改變的程度呢？

  1. Basso, Michael R., Natasha Lowery, Courtney Ghormley, and Robert A. Bornstein. “Practice Effects on the Wisconsin Card Sorting Test–64 Card Version Across 12 Months.” The Clinical Neuropsychologist 15, no. 4 (December 1, 2001): 471–78. https://doi.org/10.1076/clin.15.4.471.1883. ↩︎ ↩︎

  2. Tate, Robyn, Michael Perdices, and Silvia Maggiotto. “Stability of the Wisconsin Card Sorting Test and the Determination of Reliability of Change in Scores.” The Clinical Neuropsychologist August 1998 (August 9, 2010): 348–57. https://doi.org/10.1076/clin.12.3.348.1988. ↩︎

  3. Çelik, Samet, Mustafa Oğuz, Umut Konur, Fürüzan Köktürk, and Nuray Atasoy. “Comparison of Computerized and Manual Versions of the Wisconsin Card Sorting Test on Schizophrenia and Healthy Samples.” Psychological Assessment 33, no. 6 (June 2021): 562–67. https://doi.org/10.1037/pas0001015. ↩︎

  4. Steinmetz, Jean-Paul, Martin Brunner, Even Loarer, and Claude Houssemand. “Incomplete Psychometric Equivalence of Scores Obtained on the Manual and the Computer Version of the Wisconsin Card Sorting Test?” Psychological Assessment 22, no. 1 (March 2010): 199–202. https://doi.org/10.1037/a0017661. ↩︎

  5. Chiu EC, Lee SC. Test-retest reliability of the Wisconsin Card Sorting Test in people with schizophrenia. Disabil Rehabil. 2021 Apr;43(7):996-1000. doi: 10.1080/09638288.2019.1647295. Epub 2019 Jul 30. PMID: 31361972. ↩︎

標籤：

留言

  1. Ching-Lin 清麟2021年11月12日 上午10:43

    looks good!
    若能加上心理計量證據之評論，可更完整

    回覆刪除
    回覆
    1. 朱2021年11月15日 下午3:45

      是的，這部份過去我很常忽略。「都用這麼久了，應該是沒有什麼問題的吧」這種想法很容易產生而沒有懷疑。

      刪除

張貼留言

這個網誌中的熱門文章

同理心

同理心 我們很常聽到別人在說：「你有沒有同理心啊，怎麼可以…」，這個同理心到底是什麼？ 幾年前youtube上有一個 影片 在說明同理和同情的不同。同情是feeling for someone而同理則是feeling with someone。也就是說，在同理的過程中，同理者和被同理者的心是連結在一起的。 「心是連結在一起的」這種說法實在是太玄了，雖然看起來可以理解，但是實際上要研究時卻很困難。所以在文獻上，通常是將同理心解構成多個能力或是多個歷程組成的複雜能力或是歷程，藉由這些能力或是歷程來達到與他人的心連結在一起的成果。 能在他人的角度思考以及感受他人的情緒是最常被提到的兩個主要能力，常被稱為認知同理和情緒同理。過去一開始在讀文獻時一開始就看到了這些子能力，總覺得光用這些子能力就要稱為同理實在很難理解。但我想過去的研究者也花了一番心力在想著，到底怎麼樣才有辦法和他人的心連結在一起，最後只好先化約成比較可能理解以及觀察研究的子能力吧。 但「他人角度思考」以「感受情緒」還是在自己的角度出發，探討個體能否「同理」他人的感受或是心理狀態。然而同理是人與人之間心的連結，光只有個體自身的角度可能還有點不足。因此有的人認為同理應該還有「行為」的成份。 通常在醫學或是臨床的領域在討論同理心時，特別會強調行動，要讓對方能夠感受得到有被同理，如果只有治療師、醫師自己心理面產生了同理（也就是從病人的角度思考以及感受到病人的情緒），而沒有表達給病人知道的話，同理並不算完成。 從這個角度來看，如果人和人之間的心沒有產生連結，只有單方面的認為自己已經做到了同理，並不是真同理。而前面所謂的認知同理以及情緒同理其實也不是同理。或者應該說，能夠以他人角度思考以及感受他人情緒，應該是同理心的必要條件而非充份條件。在同理心展現的狀況下，同理者必然是站在被同理者的角度以及感受著他的情緒的；但就算某人具備著觀點取替（能在他人角度思考）的能力以及能覺察他人情緒的能力也不必然能夠同理他人，還得要能夠和被同理者能夠透過溝通行為取得連結才行。 他人角度思考 感受情緒 行動表達
張貼留言
Read more »

尋找研究核心

尋找研究核心 找到自己的研究核心是關係到我未來有沒有飯吃的重要課題。過去我很少會細想它，反正船到橋頭自然直。不過該來的總是會來，時候到了，也該要面對了。 在我苦惱之前先來看看我的母系的老師們過去十多年的人生都幹了些什麼 原來老師你在這上面花了不少青春 系上的老師很多，我只選擇幾個比較感興趣的老師來瞭解一下。這些老師都做了十年以上的研究，幾乎都可以從他們身上看到在過去十年都將他們的青春投資在某些特定的主題上。 梁庚辰 老師一開始的研究題目主要與用動物模型來研究記憶歷有關，發表了數篇相關的文獻。可能從中發現了許多與海馬迴可能也和制約有關，後來梁老師的研究多了與fear conditioning相關的探討。但總結來看，梁老師的研究核心是圍繞著記憶，以及相關的神經機制（海馬迴）去延伸的。 徐永豐 老師的研究乍看之下好像五花八門，有精神病相關的生理機制，有投票行為，有反應時間，也有決策。不過仔細一看可以發現這些都是用數學模型去預測以及建構人的行為表現。所以雖然表面上看來徐老師的研究很多樣，都核心都是以數理模型建構人的行為。 葉素玲 老師的研究一開始與視知覺歷程有關，後來延伸到了無意識的處理歷程以及視覺和其他感官的跨感官處理，而近年來則是藍光對於知覺以及認知功能的影響。葉老師的研究議題感覺較為多元，但也都算是視覺知覺的延伸，有脈絡可尋。 連韻文 老師最早做思考，接下來是創意、工作記憶與執行控制能力，而近年來則與身心鍛練、意識狀態有關。與其他的老師相比，研究的主題較沒有限縮。但從較廣的角度來看，這些都是人類的高等認知功能。 謝伯讓 老師最早進行的是motion perception（應該叫運動知覺吧？），也算是知覺歷程的一環。不過後來開始進行神經科學，而且竟然有fMRI分析的方法學相關發表。進來謝老師也開始進行無意識歷程的研究，感覺和葉老師的發展有點類似。也許是知覺研究容易導引的方向。 那我的研究核心要是什麼呢？ 過去十年，我的研究與思緒、意識內容的控制與覺察有關，不過是否要繼續投入似乎該要有其他的考量（例如：是否可以吃到飯） 從我自己的觀點來看，覺察應該是有未來發展性的，因為這個能力跟認知功能的使用以及心理健康都有關係，如果沒有覺察的話，很多行為改變都不太可能會發生。 不過我在 expertscape 找尋與awareness在台灣有沒有相關的研究者，出現...
2 則留言
Read more »

glmmTMB vs. GLMMadaptive

--- title: glmmTMB vs. GLMMadaptive author: Ju tags: - blog - R/packages --- 記錄一下分析資料時使用 glmmTMB 以及 GLMMadaptive 的心得 glmmTMB GLMMadaptive 估計方法 Laplace approximation adaptive Gauss-Hermite quadrature 預測值 可以進行單純count part預測、zero part預測，以及兩部份模型加起來的期望值預測 沒辦法只進行count part預測，只能做zero part預測，以及兩部份模型加起來的期望值預測 估計方法的差異在本次zero-inflated model使用過程中有很大的使用經驗差異。 glmmTMB 比較常出現convergent problem，而 GLMMadaptive 幾乎沒有。根據 glmmTMB 的troubleshooting說明，會出現問題主要是和random effect有關，如果拿掉zero part random intercept就不會再跳出錯誤訊息了。而根據 GLMMadaptive 做的模型比較，有沒有zero part random intercept其實沒有顯著的差異。因此如果不強求一定要納入zero part random intercept，兩個packages的結果是一致的。不過如果一定要納入zero part random intercept，那就只能使用 GLMMadaptive 才不會有錯誤警告出現。 兩個套件的另一個差異是在進行預測（predict）時， glmmTMB 可以只根據count part的結果進行預測，而 GLMMadaptive 不行。會有這個需求是因為很常只有count part的預測變項有顯著的結果，但是zero part沒有顯著的預測變項，因此若只想要看count part的預測線時， GLMMadaptive 沒辦法給我這個結果 1 。 文獻上討論Laplace approximation和adaptive Gauss-Hermite quadrature哪一種估計方法比較準的有好幾篇，我大概看了一下他們的結論，其實不同研究的結果並不一...
張貼留言
Read more »