Boston Neuromind · Peak Performance — 학습장애 판별진단 Learning Disability

학습은 하나가 아니다 — 인지 능력의 분해Learning is not one thing

같은 "공부를 못한다"는 호소라도, 그 뒤에서 무너진 인지 능력은 사람마다 다릅니다. 학습 성취는 단일 지능이 아니라 작업기억(Gwm)·처리속도(Gs)·청각(음운)처리(Ga)·유동추론(Gf) 같은 구분된 인지 능력에 의해 예측됩니다(Cattell-Horn-Carroll 이론). 표면 과목(읽기·수학·쓰기)은 증상일 뿐이며, 본 평가는 그 뒤의 어떤 인지 능력이 일차 제약인지를 가려냅니다.For the same complaint "I struggle in school," the broken cognitive ability differs by person. Academic achievement is predicted not by a single intelligence but by separable abilities — working memory (Gwm), processing speed (Gs), auditory/phonological processing (Ga), fluid reasoning (Gf) (Cattell-Horn-Carroll theory). The surface subject (reading, math, writing) is only a symptom; we identify which underlying ability is the primary constraint.

Figure 1 · 학습을 떠받치는 핵심 인지 능력 (CHC)

CHC 이론의 핵심 인지 능력이 학습 성취를 차별적으로 예측합니다. 표준화 인지검사(WISC-V, Woodcock-Johnson IV)가 이 능력들을 직접 측정합니다.CHC cognitive abilities differentially predict academic achievement. Standardized tests (WISC-V, Woodcock-Johnson IV) measure these abilities directly.

검증. 본 분과가 학습을 작업기억·처리속도·청각처리·유동추론으로 나누는 것은 임의 구분이 아니라, 학습 성취를 예측하는 인지 능력의 구조(Cattell-Horn-Carroll)에 근거합니다. 작업기억은 읽기·수학·쓰기 전반의 강력한 예측자이며, 처리속도와 유동추론은 영역별로 차별적 영향을 미칩니다.Evidence. Dividing learning into working memory, processing speed, auditory processing, and fluid reasoning is not arbitrary but follows the Cattell-Horn-Carroll structure of abilities predicting achievement. Working memory is a strong predictor across reading, math, and writing, while processing speed and fluid reasoning exert differential effects by domain.Caemmerer, J. M., et al. (2018). Intelligence, 68, 6–20 · Cormier, D. C., et al. (2016). Psychology in the Schools, 53(8) · Tikhomirova, T., et al. (2020). Behavioral Sciences, 10(10), 158.

Figure 2 · 인지 프로파일 — 같은 "성적 부진"도 무너진 능력이 다르다

둘 다 "성적이 낮다"고 호소하지만, 인지검사로 보면 사례 A는 작업기억(Gwm)이, 사례 B는 청각·음운처리(Ga)가 일차 제약입니다. 표면 과목이 아니라 인지 능력을 분해해야 처방이 갈립니다. (개념적 예시 · 표준점수 평균 100)Both report "low grades," but cognitive testing shows Case A constrained by working memory (Gwm), Case B by auditory/phonological processing (Ga). Decomposing the underlying ability — not the surface subject — separates the plans. (Conceptual; standard score mean 100.)

02 · 학습 인지 유형 ILearning Cognitive Type I

작업기억형 — 머릿속 작업대가 좁은 경우Working-memory type — a small mental workbench

실제 장면Real scenario

"선생님이 세 단계로 설명하면 마지막에 첫 단계를 까먹습니다. 긴 문장을 읽으면 끝에서 앞 내용을 놓치고, 암산을 하면 중간 숫자가 사라집니다. 머리가 나쁜 게 아니라, 한 번에 붙들 수 있는 양이 적습니다.""When a teacher explains in three steps, I forget the first by the end. Reading a long sentence, I lose the beginning; doing mental math, the middle numbers vanish. It's not that I'm unintelligent — I just can't hold much at once."

긴 지시 수행·독해·암산·작문 — 정보를 임시로 붙들고 조작하는 작업기억이 학습 전반을 떠받칩니다. 작업기억 용량이 좁으면 표면적으로는 읽기·수학·쓰기 모두에서 어려움이 나타납니다.Following long instructions, reading comprehension, mental math, composition — working memory, which temporarily holds and manipulates information, underpins learning broadly. A narrow capacity surfaces as difficulty across reading, math, and writing.

작업기억형의 제약은 지능이 아니라 임시 보유·조작 용량입니다. 작업기억은 전두-두정 네트워크에 의존하며, 부하가 걸릴 때 전두 정중선 세타와 두정 활동이 변화합니다. 읽기·수학·쓰기 전반의 가장 강력한 인지 예측자입니다.The working-memory type's constraint is not intelligence but temporary holding/manipulation capacity. Working memory depends on a fronto-parietal network; under load, frontal-midline theta and parietal activity change. It is the strongest cognitive predictor across reading, math, and writing.

Figure 3 · 작업기억형 — QEEG 토포맵 (전두-두정 세타)

작업기억 부하 시 전두-두정 정중선 세타(보라 영역)의 변화가 관련됩니다. 색은 우세 대역 분포를 나타냅니다. (개념적 예시)Under working-memory load, changes in fronto-parietal midline theta (purple) are relevant. Hue maps the dominant band. (Conceptual.)

Figure 4 · 작업기억형 QEEG 소견

작업기억형 — 전두-두정 세타 변화. 작업기억 부하에서 전두 정중선 세타와 두정 활동의 조절 이상이 관련됩니다. 부하 과제(N-back 등) 중 측정이 유용합니다. (개념적 표준 소견)Working-memory — fronto-parietal theta change. Dysregulated frontal-midline theta and parietal activity under load are relevant; measuring during load tasks (e.g., N-back) is useful. (Conceptual.)

검증. 작업기억은 전두-두정 네트워크에 의존하며, 읽기·수학·쓰기 성취의 강력한 예측자로 반복 입증되었다. 전두 정중선 세타는 작업기억 부하의 신경 지표로 연구되어 왔다.Evidence. Working memory depends on a fronto-parietal network and is a robust predictor of reading, math, and writing achievement; frontal-midline theta is a studied neural index of working-memory load.Alloway, T. P., & Alloway, R. G. (2010). Journal of Experimental Child Psychology, 106(1), 20–29 · Caemmerer, J. M., et al. (2018). Intelligence, 68, 6–20.

03 · 학습 인지 유형 IILearning Cognitive Type II

처리속도형 — 같은 일이 남보다 오래 걸리는 경우Processing-speed type — everything takes longer

실제 장면Real scenario

"이해는 합니다. 그런데 같은 분량을 읽거나 문제를 푸는 데 남들의 두 배가 걸립니다. 시험에서 늘 시간이 모자라고, 아는 것도 다 못 풀고 끝납니다.""I understand it. But reading the same amount or solving problems takes me twice as long as others. I always run out of time on exams and finish without answering what I actually know."

시험 시간 부족·느린 독해·과제 지연 — 정보를 빠르게 받아들이고 반응하는 처리속도가 낮으면, 이해력이 정상이어도 학업 산출이 떨어집니다. 읽기 유창성과 연산 속도에 특히 영향을 줍니다.Running out of exam time, slow reading, delayed assignments — when processing speed is low, output suffers even with normal comprehension. It especially affects reading fluency and calculation speed.

Figure 5 · 처리속도형 — QEEG 토포맵 (각성·베타 효율)

처리속도 저하에서는 전반적 각성·베타 활동의 비효율이 관련될 수 있습니다. (개념적 예시)In low processing speed, inefficiency in general arousal/beta activity may be relevant. (Conceptual.)

검증. 처리속도는 읽기·수학 성취의 독립적 예측자로, 지능과 작업기억을 통제해도 유의한 기여를 한다. 처리속도 저하는 학업 산출의 병목이 된다.Evidence. Processing speed is an independent predictor of reading and math achievement, contributing significantly even after controlling for intelligence and working memory; low processing speed bottlenecks academic output.Geary, D. C. (2011). Developmental Psychology, 47(6), 1539–1552 · Tikhomirova, T., et al. (2020). Behavioral Sciences, 10(10), 158.

04 · 학습 인지 유형 IIILearning Cognitive Type III

음운·청각처리형 — 소리-글자 연결이 약한 경우Phonological type — weak sound–letter mapping

실제 장면Real scenario

"글자를 소리로 바꾸는 게 느립니다. 받침이 헷갈리고, 비슷한 소리의 단어를 자주 틀립니다. 읽기 자체가 힘들어서, 내용을 이해할 에너지가 남지 않습니다.""Turning letters into sounds is slow. I confuse similar sounds and misread similar-sounding words. Reading itself is so effortful that no energy is left to understand the content."

난독(읽기장애)의 핵심 기제입니다. 소리를 분석하고 음운을 인식하는 청각처리(Ga)가 약하면, 글자-소리 대응(decoding)이 자동화되지 않아 읽기가 느리고 부정확해집니다.This is the core mechanism of dyslexia. When auditory processing (Ga) — analyzing sounds and phonological awareness — is weak, letter–sound decoding does not automate, making reading slow and inaccurate.

Figure 6 · 음운·청각처리형 QEEG 소견

음운·청각처리형 — 좌측 측두-두정(언어 영역) 관련. 음운 처리·읽기와 연관된 좌측 측두-두정 영역의 활동 이상이 관련될 수 있습니다. (개념적 표준 소견)Phonological — left temporo-parietal (language). Abnormal activity in left temporo-parietal regions tied to phonological processing and reading may be relevant. (Conceptual.)

검증. 읽기장애(난독)의 핵심은 음운 처리 결손이며, 좌측 측두-두정 언어 네트워크의 비전형적 활동이 신경영상으로 보고되어 왔다.Evidence. The core of dyslexia is a phonological-processing deficit, with atypical activity in left temporo-parietal language networks reported in neuroimaging.Vellutino, F. R., et al. (2004). Journal of Child Psychology and Psychiatry, 45(1), 2–40 · Peterson, R. L., & Pennington, B. F. (2015). Annual Review of Clinical Psychology, 11, 283–307.

05 · 학습 인지 유형 IVLearning Cognitive Type IV

유동추론·혼합형 — 새 문제 해결이 어려운 경우Fluid-reasoning / mixed type

실제 장면Real scenario

"배운 유형은 풀지만, 처음 보는 응용 문제나 여러 개념을 엮는 문제에서 막힙니다. 수학 서술형이나 긴 글쓰기처럼 스스로 구조를 세워야 하는 과제가 특히 어렵습니다.""I can solve types I've learned, but get stuck on novel application problems or ones combining concepts. Tasks where I must build the structure myself — math word problems, long essays — are especially hard."

새로운 문제를 해결하고 정보를 재조직하는 유동추론(Gf)이 약하면, 암기형 과제는 되어도 추론·응용에서 막힙니다. 실제로는 여러 인지 능력이 함께 약한 혼합형이 흔하며, 이 경우 측정 간 변동성과 공통 기제(특히 작업기억)를 함께 봅니다.When fluid reasoning (Gf) — solving novel problems and reorganizing information — is weak, rote tasks may work but reasoning/application stalls. In practice, a mixed type with several weak abilities is common; here we examine between-session variability and shared mechanisms (especially working memory).

Figure 7 · 유동추론·혼합형 — QEEG 토포맵 (전전두·혼재)

유동추론·혼합형에서는 전전두 영역과 여러 능력의 혼재가 관련되며, 측정 간 분포가 달라집니다. (개념적 예시)In fluid-reasoning/mixed types, prefrontal involvement and a mix of abilities are relevant, with shifting distributions across sessions. (Conceptual.)

검증. 유동추론은 수학 추론과 작문 같은 고차 학업 과제의 예측자이며, 학습장애는 단일 능력보다 여러 인지 능력이 함께 관여하는 혼합 양상이 흔하다. 변동성 평가에는 반복 측정과 베이지안 갱신이 적합하다.Evidence. Fluid reasoning predicts higher-order academic tasks such as math reasoning and essay writing, and learning disability commonly involves several abilities together rather than one; repeated measurement and Bayesian updating suit variability assessment.Cormier, D. C., et al. (2016). Psychology in the Schools, 53(8) · Caemmerer, J. M., et al. (2018). Intelligence, 68, 6–20 · Hess, A. J., et al. (2025). Computational Psychiatry, 9(1).

같은 과목 실패, 다른 인지 원인 — 동반이환 분해Same subject failure, different cognitive cause

실제 수행 장면Real performance scenario

"수학을 못합니다" — 두 학생이 똑같이 호소합니다. A는 암산 중 숫자를 자꾸 잃어버리고(작업기억), B는 문제를 읽고 소리내어 처리하는 게 느립니다(음운·처리속도)."I'm bad at math" — two students, same complaint. A keeps losing numbers during mental math (working memory); B is slow to read and phonologically process problems (phonological/speed).

표면 과목은 같지만 무너진 인지 능력이 다릅니다. A는 작업기억(Gwm), B는 음운·처리속도가 제약입니다. 동일한 처방은 한쪽을 실패시킵니다.Same surface subject, different broken ability — A is working memory (Gwm), B is phonological/speed. Identical treatment fails one of them.

본 평가는 관찰된 학습 손상을 인지 능력(작업기억·처리속도·음운·유동추론)별 분수로 귀속하여, 표면 과목이 같아도 처방이 갈리는 이유를 드러냅니다.We attribute the observed learning impairment fractionally across cognitive abilities (working memory, speed, phonological, fluid reasoning), revealing why identical surface subjects warrant different plans.

Figure 8 · 동일 수학 부진의 인지 능력별 분해

사례 A — 주의 0.39Case A — attention 0.39

작업기억 0.2664%

음운Phon 0.0926%

속도Speed 0.0410%

→ 작업기억(Gwm)이 일차 제약→ working memory is primary

사례 B — 주의 0.39 (동일)Case B — 0.39 (same)

음운Phon 0.2772%

작업기억 0.0715%

정동Mood 0.038%

→ 음운·처리속도가 일차→ phonological/speed primary

같은 0.39, 완전히 다른 처방. 이 분해가 없으면 두 사람이 동일 훈련을 받고 한쪽은 효과를 보지 못합니다. (예시 수치)Same 0.39, opposite plans. Without decomposition, both get identical training and one fails. (Illustrative.)

검증. 공존이환은 경과와 치료 반응을 좌우하며, 미분화 시 성인 ADHD에서 평균 약 6.8년의 진단 지연이 보고된다.Evidence. Comorbidity governs course and response; undifferentiated, adult ADHD shows ~6.8-year diagnostic delay.Kessler, R. C., et al. (2023). Psychological Medicine, 53(7) · McIntosh, D., et al. (2009).

개입 전 결과 예측 — 반사실 추론Projecting outcomes before intervening

"무엇을 먼저 다뤄야 가장 효율적인가"를 실제 개입 이전에 추정합니다. 상관이 아니라 개입 효과(do-operator)를 형식적으로 다루며(Pearl & Mackenzie, 2018), 인과계수는 임의값이 아니라 수행심리·신경과학 문헌에서 추정합니다.We estimate "what to address first for greatest efficiency" before acting. This treats intervention effects (the do-operator) formally, not correlation (Pearl & Mackenzie, 2018); causal coefficients are estimated from the literature, not set arbitrarily.

실제 적용 · 사례 BApplied · Case B

사례 B(평가 불안형)에 가상 개입 do(작업기억↑)을 적용하면, 작업기억 강화가 다른 학습 지표로 전이될지를 미리 추정합니다.Applying a hypothetical do(working memory↑) to Case B, we project whether changing one axis propagates to attention and performance.

Figure 9 · do(작업기억↑)의 반사실 예측

정서조절 한 축의 개입이 주의·수행을 함께 끌어올린다는 예측 → 정서조절이 사례 B의 제약 요인(레버)임을 시사. (예시 수치)Intervening on emotion regulation alone is projected to lift attention and performance → it is Case B's rate-limiting lever. (Illustrative.)

검증. do-calculus는 개입 효과의 형식적 추정을 가능케 한다. 정서조절→수행 경로는 압박 하 재투자(reinvestment)와 주의통제 이론(ACT)에 근거한다.Evidence. The do-calculus formalizes intervention-effect estimation. The emotion→performance path rests on reinvestment and attentional control theory.Pearl, J., & Mackenzie, D. (2018). The Book of Why · Masters & Maxwell (2008) · Eysenck & Derakshan (2011).

점수가 아닌 발달 단계로Developmental levels, not scores

능력을 정규 점수가 아니라 위계적 발달 단계(L7–L13)로 표현합니다. 기술은 단계를 거쳐 동적으로 발달하므로(Fischer, 1980), 평가의 목표는 현재 단계와 다음 단계로의 이행 경로를 규정하는 것입니다 — 건너뜀 없이, 무너진 최저 단계부터.Ability is expressed as hierarchical developmental levels (L7–L13), not normed scores. Since skill develops dynamically through levels (Fischer, 1980), the goal is to define the current level and the path to the next — sequentially, from the lowest broken level.

Figure 10 · Fischer 발달 5축 — 현재 단계와 목표

정서조절이 최저 단계(L8)이자 우선 축. 목표 L11까지 단계적으로 이행합니다. (예시)Emotion regulation is the lowest level (L8) and priority axis; sequential progression to L11. (Illustrative.)

검증. 동적 기술 이론은 인지·정서 기술이 위계적 수준을 거쳐 비선형적으로 발달함을 제시한다. (Harvard GSE에서 직접 사사)Evidence. Dynamic Skill Theory holds that cognitive-emotional skills develop nonlinearly through hierarchical levels (direct mentorship, Harvard GSE).Fischer, K. W. (1980). Psychological Review, 87(6), 477–531.

진단의 갱신 — 적응적 재라우팅Adaptive re-routing

진단은 고정 판정이 아닙니다. 4주 경과 관측을 사후확률에 반영하여 추정을 갱신하고, 초기 진단의 고착을 방지합니다.Diagnosis is not fixed. Four-week outcomes update the posterior, preventing lock-in.

Table 1 · 4주 경과 후 사후확률 갱신 (사례 A)

가설Hypothesis	초기Initial	4주 후4-wk	관측 근거Observation
ADHD-C	0.64	0.51	주의 훈련 반응 부분적partial response to attention training
불안(GAD)Anxiety (GAD)	0.26	0.40	평가 상황 자율신경 항진 지속persistent evaluative autonomic activation

초기 우세 가설은 ADHD-C였으나 4주 경과에서 잠재 불안 조절곤란이 관측되어 경로를 재설정. (예시 수치)Initial leading hypothesis was ADHD-C; at four weeks, latent anxiety dysregulation prompted re-routing. (Illustrative.)

검증. 베이지안 사전분포의 순차적 갱신은 개인·코호트 특이적 추정의 형식적 토대이며, 초기 오분류의 영향을 완화한다.Evidence. Sequential Bayesian updating formally underpins person/cohort-specific estimation and mitigates early misclassification.Hess, A. J., et al. (2025). Computational Psychiatry, 9(1), 76–99.

주관과 객관의 통합 — QEEG 입력 표준Subjective + objective — QEEG input standard

설문(주관)과 QEEG·HRV(객관)를 단일 모델에서 통합합니다. 두 채널이 수렴하면 신뢰도가 상승하고, 불일치하면 그 자체가 임상 정보(증상 마스킹·병식 부족 등)가 됩니다. 객관 지표가 없으면 중립값으로 처리되어 설문만으로도 평가가 가능합니다.Survey (subjective) and QEEG·HRV (objective) are integrated in one model. Convergence raises confidence; discordance is itself clinical signal (masking, low insight). Absent objective data is neutralized, so a survey-only assessment is valid.

Table 2 · QEEG 입력 표준 (필수 절차)

항목Item	요건Requirement	이유Rationale
손잡이Handedness	오른손/왼손/양손 — 필수 선입력R/L/ambi — required first	전두 알파 비대칭 해석이 손잡이로 갈림frontal alpha asymmetry depends on it
좌·우뇌Hemispheres	양 반구 모두 측정both measured	비대칭·편측 패턴 해석asymmetry/lateralization
EC / EO	눈감음·눈뜸 분리 입력entered separately	둘 다면 알파 반응성(EC→EO) 산출both → alpha reactivity
장비Equipment	Mitsar 19ch · HBImed · Neuroguide	정규 규준 대비 분석normative comparison

검증. 주관·객관 다중출처의 통합은 단일 채널 평가보다 신뢰도를 높이며, 채널 간 불일치의 임상적 정보가를 활용한다.Evidence. Multi-source integration raises reliability over single-channel assessment and exploits the value of cross-channel discordance.Friston, K. (2010). Nature Reviews Neuroscience, 11(2) · Hess, A. J., et al. (2025). Computational Psychiatry, 9(1).

10 · QEEG 심화 IQEEG Deep-Dive I

19채널 정량뇌파(QEEG) — 어떻게 측정하고 읽는가19-channel QEEG — how we record and read it

QEEG는 두피 19개 지점(국제 10-20 전극 배치)에서 뇌의 전기 활동을 기록하고, 각 주파수 대역의 절대·상대 강도, 좌우 대칭, 부위 간 연결성을 정규 규준 데이터베이스와 비교하여 정량화합니다. 본 평가는 이를 진단의 객관 채널로 사용합니다. 단일 스냅숏이 아니라 눈감음(EC)·눈뜸(EO) 두 조건을 분리 기록하여, 휴지 상태와 과제 준비 상태의 차이(알파 반응성)까지 읽습니다.QEEG records the brain's electrical activity at 19 scalp sites (international 10-20 system), quantifying absolute/relative power per frequency band, left-right symmetry, and inter-site connectivity against a normative database. We use it as the objective channel of diagnosis. Rather than a single snapshot, we record eyes-closed (EC) and eyes-open (EO) separately to read the difference between resting and task-ready states (alpha reactivity).

Figure 11 · 국제 10-20 전극 배치 (19채널)

19채널 배치의 모식도. 부위별 기능 연관은 일반적 해석이며, 실제 판독은 정규 규준 대비 개인 편차로 이루어집니다.Schematic of the 19-channel montage. Site-function links are general; actual reading is by individual deviation from the normative database.

Table 3 · 주파수 대역과 일반적 기능 연관 (표준 참고)

대역Band	주파수Hz	일반적 연관General association	수행 관련Performance relevance
Delta	1–4	깊은 수면·서파deep sleep	각성 중 과다 시 주의 저하excess = under-alertness
Theta	4–8	졸림·내적 몰입drowsy/internal	전두 과다 시 산만frontal excess = distractible
Alpha	8–12	이완된 각성relaxed wakefulness	반응성·좌우 대칭이 핵심reactivity & symmetry key
SMR	12–15	감각운동 안정sensorimotor calm	주의 안정·차분한 집중stable, calm focus
Beta	15–20	능동적 사고active thinking	적정 시 과제 처리task engagement
High-Beta	20–30	긴장·과경계tension/hypervigilance	전두 과다 = 과각성·압박frontal excess = over-arousal

대역 구분과 기능 연관은 공개 문헌의 표준 참고치입니다. 임상 판독은 단일 대역이 아니라 비율·대칭·반응성·연결성을 종합합니다.Band definitions and associations are standard references from the open literature. Clinical reading integrates ratios, symmetry, reactivity, and connectivity — not a single band.

검증. 정량뇌파(QEEG)는 정규 규준 데이터베이스 대비 정량 분석을 통해 임상·연구에서 활용되어 왔으며, 표준화된 기록·분석 절차가 신뢰도의 전제가 된다.Evidence. QEEG, analyzed quantitatively against normative databases, has been used in clinical and research settings; standardized recording/analysis underpins its reliability.Thatcher, R. W. (2010). Validity and reliability of quantitative EEG. Journal of Neurotherapy, 14(2), 122–152.

10 · QEEG 심화 IIQEEG Deep-Dive II

인지 능력별 QEEG 마커 — 무엇을 보고 무엇으로 가르는가QEEG markers across cognitive abilities

QEEG의 진단적 가치는 "주관 호소만으로는 같아 보이는" 유형들을 객관 지표로 가르는 데 있습니다. 아래는 각 수행 유형에서 흔히 관찰되는 QEEG 패턴입니다. 단일 지표가 아니라 패턴의 조합으로 해석하며, 모든 값은 개인 기저선·정규 규준 대비로 판독합니다.QEEG's diagnostic value is separating, by objective markers, types that "look the same" from self-report alone. Below are QEEG patterns commonly seen per performance type. Interpretation uses pattern combinations, not single markers, and all values are read against individual baseline and normative database.

Table 4 · 수행 유형별 QEEG 마커 패턴 (표준 참고 · 개념적)

유형Type	전두 고베타Frontal hi-β	θ/β	전두 알파 비대칭Frontal α asym.	알파 반응성α reactivity	변별 단서Discriminator
압박형Pressure	↑↑	→	→	↓	과각성·고베타가 핵심over-arousal
몰입형Flow	→	↑↑	→	→	θ/β 상승·변동(산만)high/variable θ/β
점화형Clutch	↓	→	좌 ↓left ↓	→	좌측 전두 활성 저하(접근동기)low left-frontal (approach)
기복형Swing	변동var.	변동var.	변동var.	변동var.	측정 간 변동성 자체가 단서variability across sessions

↑ 상승 · ↓ 저하 · → 정상범위. 압박형과 점화형은 전두 고베타·접근동기 지표에서 정반대 방향으로 갈립니다 — 주관 호소만으로는 어려운 변별을 QEEG가 가능케 합니다. (개념적 표준 참고)↑ elevated · ↓ reduced · → within range. Pressure and clutch types separate in opposite directions on frontal high-beta and approach-motivation markers — a differentiation hard to make from self-report alone. (Conceptual, standard reference.)

Figure 12 · 주관 호소가 같을 때, QEEG가 가르는 두 유형

호소는 같아도 QEEG 패턴이 정반대이므로 개입 방향이 갈립니다. QEEG 없이 주관 설문만으로는 두 유형을 혼동하기 쉽습니다. (개념적 예시)Same complaint, opposite QEEG patterns, opposite intervention directions. Without QEEG, the two types are easily confused on self-report alone. (Conceptual.)

검증. 전두 알파 비대칭은 접근·회피 동기의 신경 지표로, 세타/베타 비율은 주의 조절 지표로 연구되어 왔으며, 객관 지표의 병합은 주관 평가만의 한계를 보완한다.Evidence. Frontal alpha asymmetry is a studied neural index of approach/avoidance motivation and the theta/beta ratio of attentional regulation; adding objective markers offsets the limits of self-report alone.Coan, J. A., & Allen, J. J. B. (2004). Frontal EEG asymmetry. Biological Psychology, 67(1–2), 7–50 · Thatcher, R. W. (2010). Journal of Neurotherapy, 14(2).

결정 함수 — 통합 판단의 원리The decision function

현재 상태, 발달 궤적, 목표 수행을 분리 해석하지 않고 단일 결정 기준으로 통합합니다. 이 기준은 능동적 추론(active inference)의 원리에 따라 "목표에 근접하는 가치(실용)"와 "불확실성을 줄이는 가치(인식)"를 함께 저울질하여, 같은 잣대로 "추가 변별이 필요한가, 개입 단계로 이행할 것인가"까지 판정합니다.State, developmental trajectory, and target are integrated under one decision criterion. Following active inference, it weighs pragmatic value (approaching the goal) against epistemic value (reducing uncertainty), judging with the same criterion whether to gather more discriminating data or move to intervention.

Figure 13 · 통합 결정 기준 — 더 잴 것인가, 다룰 것인가

단일 기준이 "더 잴지, 다룰지"를 자동으로 균형 잡습니다. 결정 함수의 수리적 구현은 영업비밀로 비공개합니다.One criterion auto-balances "measure vs. treat." The mathematical implementation is withheld as a trade secret.

검증. 자유에너지 원리는 불확실성 하 적응적 행동·지각의 통합 이론이며, 계산정신의학에서 베이지안 워크플로로 적용된다.Evidence. The free-energy principle is a unifying account of adaptive action under uncertainty, applied in computational psychiatry via Bayesian workflows.Friston, K. (2010). Nature Reviews Neuroscience, 11(2), 127–138 · Hess, A. J., et al. (2025). Computational Psychiatry, 9(1) · Smith, R., et al. (2022).

산출물과 안전·범위Deliverable, safety & scope

판별진단의 산출물은 진단 분류가 아니라, 수행을 제약하는 인과 구조와 개입 우선순위입니다. 이 우선순위가 다음 단계인 훈련 설계로 그대로 이어집니다.The deliverable is not a label but the causal constraint structure and intervention priority — carried directly into training design.

Figure 14 · 진단 산출물의 흐름

본 평가는 발달·학습 의사결정 알고리즘(CNA)으로 산출되며, 누적 사례에 따라 추정 정밀도가 향상됩니다. 알고리즘적·수리적 구현(결정 함수, 인과계수, 갱신 규칙)은 영업비밀로 비공개합니다. 본 서비스는 자격을 갖춘 임상가(BCN·PhD)의 웰니스·코칭 범위에서 제공되며 의학적 진단·치료를 대체하지 않습니다. 위기 신호 발견 시 점수와 독립적으로 즉시 대응하며, 필요 시 정신과 의뢰를 우선합니다. 제시된 수치·그림은 처리 논리를 예시하기 위한 설명용이며 개인별 결과를 보장하지 않습니다.This assessment is produced by the CNA developmental decision algorithm and sharpens with accumulated cases. Its mathematical implementation is withheld as a trade secret. The service is within a qualified clinician's (BCN·PhD) wellness/coaching scope and does not replace medical diagnosis or treatment. Crisis signals are acted on immediately; psychiatric referral is prioritized when indicated. Figures are illustrative and do not guarantee individual results.

References

Alloway, T. P., & Alloway, R. G. (2010). Investigating the predictive roles of working memory and IQ in academic attainment. Journal of Experimental Child Psychology, 106(1), 20–29.
Caemmerer, J. M., Maddocks, D. L. S., Keith, T. Z., & Reynolds, M. R. (2018). Effects of cognitive abilities on child and youth academic achievement. Intelligence, 68, 6–20.
Conway, C. C., et al. (2024). The Hierarchical Taxonomy of Psychopathology (HiTOP). Annual Review of Clinical Psychology, 20, 161–186.
Cormier, D. C., et al. (2016). The role of CHC cognitive abilities in predicting writing achievement. Psychology in the Schools, 53(8).
Fischer, K. W. (1980). A theory of cognitive development. Psychological Review, 87(6), 477–531.
Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.
Geary, D. C. (2011). Cognitive predictors of achievement growth in mathematics. Developmental Psychology, 47(6), 1539–1552.
Hess, A. J., et al. (2025). A Bayesian workflow for computational psychiatry. Computational Psychiatry, 9(1), 76–99.
Pearl, J., & Mackenzie, D. (2018). The Book of Why. Basic Books.
Peterson, R. L., & Pennington, B. F. (2015). Developmental dyslexia. Annual Review of Clinical Psychology, 11, 283–307.
Schneider, W. J., & McGrew, K. S. (2018). The Cattell-Horn-Carroll theory of cognitive abilities. In Contemporary Intellectual Assessment (4th ed.).
Sitaram, R., et al. (2017). Closed-loop brain training: The science of neurofeedback. Nature Reviews Neuroscience, 18(2), 86–100.
Thatcher, R. W. (2010). Validity and reliability of quantitative EEG (QEEG). Journal of Neurotherapy, 14(2), 122–152.
Tikhomirova, T., Malykh, A., & Malykh, S. (2020). Predicting academic achievement with cognitive abilities. Behavioral Sciences, 10(10), 158.
Vellutino, F. R., et al. (2004). Specific reading disability (dyslexia). Journal of Child Psychology and Psychiatry, 45(1), 2–40.

근거 강도는 영역마다 상이하며 이를 정직하게 표기합니다.Evidence strength varies by domain and is labeled honestly.

Boston Neuromind · Learning Disability · Differential Diagnosis · 2026