Boston Neuromind · Peak Performance — 학습향상 훈련 Training Protocol

평가에서 훈련으로 — 향상 레버 표적화From assessment to training

훈련은 평가의 산출물(향상 레버와 우선순위)을 입력으로 받습니다. 평가가 "어느 축의 어느 지점을, 어느 순서로"를 규정했다면, 훈련은 "그 순서를 회기 단위로 어떻게 구현할 것인가"를 설계합니다.Training takes the assessment output (leverage point and priority) as input. If assessment defines "which point on which axis, in what order," training designs "how to implement that order across sessions."

실제 적용Applied

평가에서 향상 레버가 자기조절(SRL 계획·성찰)로 규명된 학습자라면, 훈련은 계획·모니터링·성찰 전략을 일차 표적으로 회기를 구성합니다 — 실제 학습 효율 향상으로의 전이를 목표로.If assessment identified self-regulation (SRL planning/reflection) as the lever, training builds sessions targeting planning, monitoring, and reflection strategies — aiming to transfer to real learning efficiency.

검증. 성과 프로파일링은 현재-목표 격차를 향상 우선순위로 전환하는 확립된 절차다.Evidence. Performance profiling is an established method for converting current–target gaps into enhancement priorities.Butler, R. J., & Hardy, L. (1992). The Sport Psychologist, 6(3), 253–264.

02 · 향상 축별 훈련 IEnhancement-axis training I

작업기억 확장 훈련 — 고부하 적응WM expansion — high-load adaptation

실제 훈련 장면Real training scenario

"난이도가 제 한계 바로 위에서 자동으로 조절되는 과제를 합니다. 너무 쉬우면 올라가고, 틀리면 내려옵니다. 고부하 상태에서 효율을 유지하는 걸 뇌파로 확인하며, 점점 더 복잡한 정보를 다루게 됩니다.""I do tasks whose difficulty auto-adjusts just above my limit — rising when too easy, easing when I miss. EEG confirms I keep efficiency under high load, and I handle progressively more complex information."

이미 높은 작업기억을 한 단계 더 확장합니다. 적응형 고부하 과제로 한계 바로 위에서 훈련하고, 전두-두정 효율을 안정화합니다.Expanding an already-high working memory one level further: adaptive high-load tasks training just above the limit, stabilizing fronto-parietal efficiency.

Figure 1 · 작업기억 확장 NF 프로토콜

작업기억 확장 — 고부하 효율. 한계 바로 위 난이도에서 전두-두정 활동을 효율적으로 유지하도록 훈련하고, 적응형 작업기억 과제를 병행합니다.WM expansion — high-load efficiency. Training efficient fronto-parietal activity at difficulty just above the limit, with adaptive working-memory tasks.

검증. 적응형 작업기억 훈련은 용량과 관련 신경 효율의 변화를 가져올 수 있으며, 전이 범위는 신중히 평가해야 한다. 전두-두정 네트워크가 그 기반이다.Evidence. Adaptive working-memory training can change capacity and related neural efficiency, with transfer scope to be evaluated cautiously; the fronto-parietal network is its basis.Klingberg, T. (2010). Trends in Cognitive Sciences, 14(7), 317–324 · Sitaram, R., et al. (2017). Nature Reviews Neuroscience, 18(2).

03 · 향상 축별 훈련 IIEnhancement-axis training II

처리속도 가속 훈련 — 자동화·최적각성Speed acceleration

실제 훈련 장면Real training scenario

"정확도를 유지하면서 반응 시간을 조금씩 당기는 과제를 합니다. 속도가 최고로 나오는 각성 상태를 뇌파로 찾아 그 상태를 재현하는 연습을 합니다.""I do tasks that shave reaction time while holding accuracy, using EEG to find and reproduce the arousal state where my speed peaks."

기초 기능을 더 깊이 자동화하고, 속도가 최고가 되는 최적 각성을 재현하도록 훈련합니다. 속도-정확도 곡선을 위로 밀어 올립니다.Deeper automation of basics and training to reproduce the optimal arousal where speed peaks, pushing the speed–accuracy curve upward.

Figure 2 · 처리속도 가속 NF 프로토콜

처리속도 가속 — 최적 각성 재현. SMR·각성 조절로 속도 최고점 각성을 재현하고, 기초 기능 자동화 과제(빠른 명명·계산)를 병행합니다.Speed — reproduce optimal arousal. SMR/arousal regulation to reproduce peak-speed arousal, with automation tasks (rapid naming/calculation).

검증. 기초 기능의 자동화와 적정 각성 유지는 속도-정확도 균형을 향상시키며, 처리속도는 학업·실전 산출의 결정 요인이다.Evidence. Automating basics and maintaining optimal arousal improve the speed–accuracy balance; processing speed determines academic and real-world output.Geary, D. C. (2011). Developmental Psychology, 47(6) · Gruzelier, J. H. (2014). Neuroscience & Biobehavioral Reviews, 44.

04 · 향상 축별 훈련 III ★Enhancement-axis training III ★

자기조절·전략 훈련 — SRL 순환 강화Self-regulation & strategy — strengthening the SRL cycle

실제 훈련 장면Real training scenario

"공부 전에 목표와 전략을 명시적으로 적고(계획), 하는 중에 짧은 자기점검을 하고(수행), 끝나면 무엇이 효과 있었는지 평가해 다음 계획에 반영합니다(성찰). 이 순환을 코칭과 함께 습관으로 만듭니다.""Before studying I explicitly write goals and strategy (forethought), do brief self-checks during (performance), and afterward evaluate what worked and feed it into the next plan (self-reflection). With coaching, I make this cycle a habit."

향상에서 가장 큰 레버인 경우가 많습니다. 평가에서 약한 단계(계획/수행/성찰)를 표적으로, 명시적 전략 교수와 코칭으로 순환을 강화합니다. 인지 훈련과 달리 메타인지·전략 중심입니다.Often the largest lever in enhancement. Targeting the weak phase (forethought/performance/self-reflection) identified in assessment, the cycle is strengthened via explicit strategy instruction and coaching — metacognition/strategy-centered, unlike cognitive training.

Figure 3 · SRL 단계별 훈련 표적

세 단계 중 평가에서 약하게 나온 단계를 일차 표적으로 삼습니다. 인지 능력이 충분한 학습자에게는 이 축이 가장 큰 향상을 가져오는 경우가 많습니다.The phase that assessed weak becomes the primary target. For cognitively capable learners, this axis often yields the largest gain.

검증. 자기조절학습 전략 교수는 다양한 연령·영역에서 학업 성과를 향상시키는 것으로 메타분석에서 보고되었으며, 계획·자기점검·성찰의 명시적 훈련이 효과적이다.Evidence. Self-regulated learning strategy instruction is meta-analytically reported to improve academic outcomes across ages and domains, with explicit training of planning, self-monitoring, and reflection being effective.Dignath, C., & Büttner, G. (2008). Metacognition and Learning, 3(3), 231–264 · Zimmerman, B. J. (2002). Theory Into Practice, 41(2) · Panadero, E. (2017). Frontiers in Psychology, 8, 422.

05 · 향상 축별 훈련 IVEnhancement-axis training IV

심화추론·통합 훈련 — 단계적 고차 사고Higher reasoning — scaffolded higher-order thinking

실제 훈련 장면Real training scenario

"익숙한 유형을 넘어, 분야를 가로지르는 문제와 새로운 상황에 원리를 적용하는 과제를 단계적으로 합니다. 작업기억과 자기조절이 받쳐주니, 점점 더 복잡한 통합이 가능해집니다.""Beyond familiar types, I work staged tasks that cross fields and apply principles to novel situations. With working memory and self-regulation as support, increasingly complex integration becomes possible."

유동추론은 직접 훈련 전이가 제한적이므로, 작업기억·자기조절을 토대로 추론·통합 과제를 단계적으로 쌓습니다. 최상위 향상의 마지막 단계입니다.Since fluid reasoning shows limited direct-training transfer, reasoning/integration tasks are scaffolded on a working-memory and self-regulation base — the final stage of top-tier enhancement.

Figure 4 · 심화추론·통합 NF 프로토콜

심화추론·통합 — 단계적 접근. 직접 훈련보다 작업기억·자기조절 토대 위에 추론 과제를 단계적으로 쌓고, 복잡 추론 중 전전두-두정 통합 상태를 보조적으로 안정화합니다.Higher reasoning — scaffolded. Rather than direct training, reasoning tasks are scaffolded on a WM/self-regulation base, with NF supporting prefrontal-parietal integration during complex reasoning.

검증. 유동추론은 직접 훈련의 전이가 제한적이므로, 작업기억·자기조절을 토대로 한 단계적 접근이 권장된다. 변동성 평가에는 반복 측정과 베이지안 갱신이 적합하다.Evidence. Fluid reasoning shows limited direct-training transfer, so a scaffolded approach on working memory and self-regulation is preferred; repeated measurement and Bayesian updating suit variability assessment.Cormier, D. C., et al. (2016). Psychology in the Schools, 53(8) · Klingberg, T. (2010). Trends in Cognitive Sciences, 14(7) · Hess, A. J., et al. (2025). Computational Psychiatry, 9(1).

발달적 단계화 — scaffold 원리Developmental scaffolding

훈련은 목표 단계로 도약시키지 않고, 무너진 최저 단계부터 순차적으로 쌓아 올립니다(기초 → 형성 → 통합). 기술은 위계적 수준을 거쳐 발달하므로(Fischer, 1980), 단계를 건너뛰면 상위 기술이 불안정해집니다.Training does not leap to the target; it builds sequentially from the lowest broken level (foundation → forming → integration). Since skill develops through hierarchical levels (Fischer, 1980), skipping destabilizes higher skills.

Figure 5 · 향상 레버 발달 경로 (예: 자기조절 SRL)

L8에서 L11로 한 번에 가지 않고, 각 단계가 다음 단계의 토대가 됩니다. 마지막 단계는 실제 발표 상황으로의 전이입니다. (예시)Not L8→L11 at once; each level scaffolds the next, ending in transfer to the real presentation. (Illustrative.)

검증. 동적 기술 이론은 기술이 위계적 수준을 거쳐 비선형적으로 발달함을 제시하며, 단계적 scaffold의 이론적 토대를 제공한다.Evidence. Dynamic Skill Theory shows nonlinear development through hierarchical levels, grounding sequential scaffolding.Fischer, K. W. (1980). Psychological Review, 87(6), 477–531.

뉴로피드백 — 전후 변화의 실제Neurofeedback — before and after

뉴로피드백은 폐회로 방식으로 뇌 활동을 자기조절하도록 훈련합니다. 개인의 QEEG 지표에 맞춰 프로토콜을 배정하며(예: 고베타 억제, SMR 강화), 훈련 전후의 객관 변화를 재측정으로 검증합니다.Neurofeedback trains self-regulation of brain activity via closed-loop feedback. Protocols are assigned to the individual's QEEG markers (e.g., high-beta down, SMR up), and objective change is verified by re-measurement.

Figure 6 · 향상 레버 훈련 전후 (예: 고부하 효율)

DeltaThetaAlphaBetaHigh-Beta

훈련 후 표적 레버의 효율이 높아지는 전형적 변화. 색은 대역별 상대 강도. (개념적 예시 — 실제 변화는 개인·회기에 따라 다름)A typical post-training change toward higher efficiency of the targeted lever. Hue encodes band power. (Conceptual; real change varies by person and dose.)

검증. 폐회로 뇌 훈련은 고임팩트 저널의 신경영상 연구로 뇌 활동·연결성의 변화가 입증되었다.Evidence. Closed-loop brain training is supported by high-impact neuroimaging work showing changes in activity and connectivity.Sitaram, R., et al. (2017). Nature Reviews Neuroscience, 18(2), 86–100.

07 · 뉴로피드백 심화 INeurofeedback Advanced I

뉴로피드백은 어떻게 뇌를 훈련하는가 — 폐회로 원리How neurofeedback trains the brain — the closed loop

뉴로피드백은 뇌파를 실시간으로 측정해, 목표 상태(예: 차분한 집중)에 가까워질 때마다 즉각적인 보상 신호(소리·영상의 진행)를 돌려줍니다. 뇌는 이 피드백을 통해 어떤 내적 상태가 보상으로 이어지는지 학습하고, 조작적 조건화의 원리로 그 상태를 스스로 만들어내는 능력을 키웁니다. 약물이 아니라 자기조절 기술을 훈련하는 것입니다.Neurofeedback measures EEG in real time and returns an immediate reward signal (sound/visual progress) whenever the brain approaches a target state (e.g., calm focus). Through this feedback the brain learns which internal states lead to reward and, by operant conditioning, builds the ability to produce that state on its own. It trains a self-regulation skill, not a drug.

Figure 7 · 폐회로 뉴로피드백의 작동 원리

측정 → 분석 → 피드백 → 학습이 1초에도 여러 차례 반복되는 폐회로입니다. 뇌는 보상으로 이어지는 상태를 점차 안정적으로 재현하게 됩니다.A closed loop of measure → analyze → feed back → learn, repeated many times per second. The brain progressively reproduces the rewarded state more stably.

검증. 폐회로 뇌-기계 인터페이스로서의 뉴로피드백은 학습 기전(조작적 조건화·강화학습)과 신경가소성에 기반하며, 분야 최고 권위 리뷰로 그 원리가 정리되어 있다.Evidence. Neurofeedback as a closed-loop brain–machine interface rests on learning mechanisms (operant conditioning/reinforcement) and neuroplasticity, with principles consolidated in the field's landmark review.Sitaram, R., et al. (2017). Nature Reviews Neuroscience, 18(2), 86–100 · Enriquez-Geppert, S., et al. (2017). EEG-neurofeedback as a tool to modulate cognition. Frontiers in Human Neuroscience, 11, 51.

07 · 뉴로피드백 심화 IINeurofeedback Advanced II

프로토콜 — 무엇을, 어디서, 왜 훈련하는가Protocols — what, where, and why we train

뉴로피드백 프로토콜은 임의로 선택하지 않습니다. 진단에서 규명된 제약 요인과 측정된 QEEG 지표에 맞춰, 어느 대역을 어느 전극에서 올리거나 내릴지를 결정합니다. 아래는 본 프로그램에서 사용하는 대표 프로토콜과 그 적응증입니다(표준 문헌 기준).Protocols are not chosen arbitrarily. Matched to the diagnosed constraint and measured QEEG markers, we decide which band to up- or down-train at which electrode. Below are representative protocols and indications used in this program (standard-literature based).

Table 1 · 대표 뉴로피드백 프로토콜 (표준 참고)

프로토콜Protocol	대역·위치Band / site	방향Direction	적응 유형Indicated type
SMR	12–15 Hz · Cz / C4	강화 ↑up	처리속도 가속 — 각성 최적화Speed — arousal
Theta/Beta	θ 4–8 / β 15–20 · Czθ/β · Cz	θ↓ β↑θ↓ β↑	작업기억 확장 — 고부하 효율WM — high-load
고베타 억제High-β down	20–30 Hz · Fz / F3·F4	억제 ↓down	작업기억·처리속도 — 전두-두정 조절WM/Speed — fronto-parietal
SCP	완서전위 · Czslow cortical · Cz	조절regulate	심화추론·혼합 — 피질 통합 조절Reasoning/Mixed — integration
Alpha-Theta	α/θ · Pz / Ozα/θ · Pz/Oz	심화 이완deep relax	자기조절 — 상태 안정 보조SRL — state support
전두 알파 비대칭Frontal α-asym	F3 / F4	좌 활성 ↑left up	자기조절 — 전략·동기 강화SRL — strategy/motivation

프로토콜·전극 위치·주파수는 공개 문헌의 표준 참고치입니다. 실제 임계·세부 파라미터는 개인 QEEG에 맞춰 임상가가 확정하며, 그 배정 규칙은 영업비밀로 비공개합니다.Protocols, sites, and frequencies are standard references from the open literature. Actual thresholds and detailed parameters are set by the clinician per the individual's QEEG; the assignment rules are withheld as trade secrets.

Figure 8 · 진단 → QEEG 마커 → 프로토콜 배정의 연결

프로토콜은 진단 결과와 객관 QEEG 마커에서 논리적으로 도출됩니다 — 표준 처방이 아니라 개인 지표에 정합한 배정입니다.Protocols follow logically from the diagnosis and objective QEEG markers — an assignment matched to individual data, not a standard prescription.

검증. SMR·세타/베타·SCP·전두 비대칭 등 표준 프로토콜은 인지·주의·정서 조절 영역에서 검증되어 왔으며, 개인 QEEG 기반의 표적화가 효과의 전제로 강조된다.Evidence. Standard protocols (SMR, theta/beta, SCP, frontal asymmetry) are validated across cognition, attention, and emotion regulation, with QEEG-based individualization emphasized as a precondition for effect.Enriquez-Geppert, S., et al. (2017). Frontiers in Human Neuroscience, 11, 51 · Arns, M., et al. (2014). Biological Psychology, 95, 108–115 · Gruzelier, J. H. (2014). EEG-neurofeedback for optimising performance. Neuroscience & Biobehavioral Reviews, 44, 124–141.

세션 설계 — 회기 구조와 측정 배치Session design

목표와 가용성에 따라 회기 수(5·10·15·20)를 선택하고, 각 회기에 뉴로피드백·심리기술·노출 훈련을 단계적으로 배치합니다. 객관 측정(QEEG)은 주기적으로 재측정하여 경과를 검증합니다. AI가 영역을 추천하면 임상가가 확정합니다.A session count (5/10/15/20) is chosen by goal and availability; each session phases in neurofeedback, psychological skills, and exposure. QEEG is re-taken periodically to verify progress. AI recommends areas; the clinician confirms.

Figure 9 · 10회기 예시 — NF 매 세션, QEEG 5회기마다 재측정

회기 구조는 고정 템플릿이 아니라 유형·목표·경과에 따라 유연하게 배치됩니다.Session structure is flexible by type, goal, and progress — not a fixed template.

검증. 성과 프로파일링에 기반한 표적화된 회기 설계는 능력 격차를 체계적으로 좁히는 절차로 확립되어 있다.Evidence. Profiling-based targeted session design is an established method for systematically closing ability gaps.Butler, R. J., & Hardy, L. (1992). The Sport Psychologist, 6(3).

채널별 경과 추적과 적응적 조정Per-channel tracking & adaptive adjustment

매 세션의 실측을 채널별로(뉴로피드백·QEEG·HRV·설문) 입력하여 기저 대비 변화를 평가합니다. 입력된 채널만 평가에 반영되며, 변화 양상에 따라 다음 회기 방향이 조정됩니다.Each session's actuals are entered per channel (NF, QEEG, HRV, survey) and evaluated against baseline. Only entered channels count; the next session is adjusted by the change pattern.

Table 2 · 변화 양상에 따른 다음 회기 조정 규칙

관측Observation	조정Adjustment
HRV 개선HRV improves	노출 강도 상향 (전이 가속)increase exposure intensity
고베타 잔존high-β persists	각성 조절 비중 상향raise arousal-regulation weight
주관·객관 불일치subjective–objective discordance	심리훈련(노출·인지) 강화intensify psychological skills
정체plateau	표적 재검토 → 진단 재라우팅re-examine target → re-route

실제 적용 · 사례 BApplied · Case B

S5 재측정에서 HRV 일관성은 개선됐으나 발표 상황 자기보고는 여전히 높은 긴장. 주관·객관 불일치에 따라 후반 회기에 노출 기반 심리훈련의 비중을 상향 조정.At S5, HRV coherence improved but self-reported tension in presentation contexts stayed high. Given the discordance, exposure-based psychological skills were up-weighted in later sessions.

검증. 경과를 사후확률에 반영하는 적응적 재라우팅은 베이지안 갱신의 직접 적용이며, 고정 프로토콜의 한계를 보완한다.Evidence. Adaptive re-routing that folds outcomes into the posterior is a direct application of Bayesian updating, addressing the limits of fixed protocols.Hess, A. J., et al. (2025). Computational Psychiatry, 9(1), 76–99.

용량-반응 — 안정 변화의 회기 수Dose–response

뉴로피드백의 효과는 회기 수에 의존합니다. 주관적 개선은 비교적 이른 시점(약 5~10회기)에 보고되기도 하나, 안정적이고 지속적인 변화는 대체로 15~40회기 범위에서 관찰됩니다. 본 프로그램의 회기 구성(5/10/15/20)은 이 용량-반응 관계를 고려하여 설계됩니다.Neurofeedback effects are dose-dependent. Subjective improvement may appear early (~5–10 sessions), but stable, lasting change is generally observed across ~15–40 sessions. Our session counts (5/10/15/20) reflect this.

Figure 10 · 개념적 용량-반응 곡선

회기 수 선택은 목표 안정성 수준에 따라 결정됩니다. (개념적 예시)Session count is chosen by the desired stability of change. (Conceptual.)

검증. 표준 프로토콜(SMR 등)은 다수 연구로 검증되었으며, 효과의 안정화는 충분한 훈련 용량을 요구한다.Evidence. Standard protocols (e.g., SMR) are validated across studies; stabilization requires sufficient training dose.Sitaram, R., et al. (2017). Nature Reviews Neuroscience, 18(2) · Arns, M., et al. (2014).

효과 근거의 정직한 등급화Honest grading of the evidence

우리는 근거 강도를 영역별로 정직하게 표기합니다. 모든 주장을 동일하게 다루지 않으며, 근거가 강한 프로토콜부터 적용합니다.We label evidence strength by domain honestly. Not all claims are treated equally; best-evidenced protocols are applied first.

Table 3 · 영역별 근거 등급

영역Domain	근거 강도Strength	비고Note
주의·임상Attention/clinical	강함Strong	메타분석 입증meta-analytic support
뇌 가소성 변화Plastic change	중간~강함Moderate–strong	신경영상 보고imaging-reported
sham 대조control	신중Cautious	해석 주의 필요interpret carefully
'최고 수행' 직접Peak-direct	축적 중Accumulating	개별 측정 기반 적용applied via individual data

Figure 11 · 뉴로피드백 효과 영역별 근거 강도 (개념적 요약)

영역마다 근거 강도가 다릅니다. 주의·실행기능은 비교적 잘 뒷받침되며, 최고 수행에 대한 직접 증거는 아직 축적 중입니다. 우리는 근거가 강한 영역부터 적용합니다. (개념적 요약 · 실제 효과크기는 연구마다 상이)Evidence strength differs by domain. Attention and executive function are comparatively well-supported; direct peak-performance evidence is still accumulating. We apply best-evidenced domains first. (Conceptual summary; actual effect sizes vary by study.)

검증. 뉴로피드백 문헌은 영역에 따라 근거 강도가 상이하며, 임상·주의 영역의 효과와 함께 방법론적 신중함(sham 대조)도 함께 보고되어 왔다.Evidence. The neurofeedback literature shows domain-varying evidence strength, reporting both clinical/attention efficacy and the need for methodological caution (sham control).Arns, M., et al. (2014). Biological Psychology, 95, 108–115 · Sitaram, R., et al. (2017). Nature Reviews Neuroscience, 18(2).

산출물과 안전·범위Deliverable, safety & scope

훈련의 산출물은 평가된 향상 레버를 발달 단계에 맞춰 끌어올리는 개인별 회기 프로토콜과, 회기마다 갱신되는 경과 기록, 그리고 실제 고차 학습으로의 전이 계획입니다.The deliverable is an individualized session protocol that advances the diagnosed constraint along developmental levels, progress records updated each session, and a transfer plan into real performance.

본 훈련은 자격을 갖춘 임상가(BCN·PhD)의 웰니스·코칭 범위에서 제공되며 의학적 치료를 대체하지 않습니다. 위기 신호 발견 시 점수와 독립적으로 즉시 대응하며, 미성년·심한 과각성·외상 동반 등에서는 정신과 의뢰를 우선합니다. 프로토콜의 알고리즘적 배정 규칙과 가중치는 영업비밀로 비공개합니다. 근거 강도는 영역마다 상이하며 정직하게 표기합니다. 제시된 수치·곡선·뇌지도는 설명용 예시이며 개인별 결과를 보장하지 않습니다.Training is within a qualified clinician's (BCN·PhD) wellness/coaching scope and does not replace medical treatment. Crisis signals are acted on immediately; psychiatric referral is prioritized for minors, severe over-arousal, or trauma comorbidity. Protocol assignment rules and weights are withheld as trade secrets. Evidence strength varies by domain and is labeled honestly. Figures, curves, and brain maps are illustrative and do not guarantee individual results.

References

Arns, M., Heinrich, H., & Strehl, U. (2014). Evaluation of neurofeedback in ADHD. Biological Psychology, 95, 108–115.
Butler, R. J., & Hardy, L. (1992). The performance profile. The Sport Psychologist, 6(3), 253–264.
Caemmerer, J. M., et al. (2018). Effects of cognitive abilities on academic achievement. Intelligence, 68, 6–20.
Cormier, D. C., et al. (2016). The role of CHC cognitive abilities in predicting writing achievement. Psychology in the Schools, 53(8).
Dignath, C., & Büttner, G. (2008). Components of fostering self-regulated learning. Metacognition and Learning, 3(3), 231–264.
Fischer, K. W. (1980). A theory of cognitive development. Psychological Review, 87(6), 477–531.
Geary, D. C. (2011). Cognitive predictors of achievement growth in mathematics. Developmental Psychology, 47(6), 1539–1552.
Gruzelier, J. H. (2014). EEG-neurofeedback for optimising performance. Neuroscience & Biobehavioral Reviews, 44, 124–141.
Hess, A. J., et al. (2025). A Bayesian workflow for computational psychiatry. Computational Psychiatry, 9(1), 76–99.
Klingberg, T. (2010). Training and plasticity of working memory. Trends in Cognitive Sciences, 14(7), 317–324.
Panadero, E. (2017). A review of self-regulated learning. Frontiers in Psychology, 8, 422.
Sitaram, R., et al. (2017). Closed-loop brain training: The science of neurofeedback. Nature Reviews Neuroscience, 18(2), 86–100.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.

근거 강도는 영역마다 상이하며 이를 정직하게 표기합니다. 인지 훈련의 전이 범위는 신중히 평가하며, 자기조절 전략 교수와 병행합니다.Evidence strength varies by domain and is labeled honestly; cognitive-training transfer is evaluated cautiously and paired with self-regulation strategy instruction.

Boston Neuromind · Learning Enhancement · Training Protocol · 2026