提高学习成绩
Thomas Budzynski, Ph.D., John Jordy, M. Ed.,
Helen Kogan Budzynski, Ph.D., Hsin-Yi Tang, M.S., and Keith Claypoole, Ph.D.

“生物光”是一种音/视刺激（AVS）和EDR反馈相结合的装置。本研究旨在试验采用这种装置进行训练使学习成绩发生积极变化的可能性。我们将要求得到学生指导人员帮助的大学生分成二组，每组8人。实验组接受30次AVS（只使用光刺激）和EDR反馈相结合的训练。对照组不接受训练。对各受试者作事前、事后生理紧张测验和其他心理测试。结果表明生物光训练能提高学习成绩。
关键词：EEG、峰值α频率、AVS、光刺激、EDR、GSR、GPA、生物反馈、学习成绩、峰值业绩。

引言
当代高等教育机构提供的丰富多彩的技术和艺术环境中，突出了以学习成绩为重点。学生和其他人群，如高层管理人员和优秀体育运动员追求的目标是将能力发挥到无以复加的程度。因此，现在该是对许多被吹捧为可提高业绩的产品进行研究的时侯了。本研究的目的是检验光刺激和皮肤电反应（EDR）生物反馈相结合的新技术，对大学在校学生成绩的影响。这些学生因学习问题已向西华盛顿大学学生指导服务处寻求帮助。
在稍前的一项研究中（Budzynski和Tang，1998）显示，一种称之为“生物光”的装置在一个单一训练中影响脑电波，促进高低α的比率（A3/A1）（图1），并增大峰值α频率（图2）。
他们的探索研究，采用恒定的14赫兹光刺激频率的模式，作了34次生物光刺激。而光刺激的强度和音调频率以EDR级变化。16个受试者参加了，有6个受试者经过多次训练。先经过一个50个恒定相位延迟的无刺激“事前”期，紧接着为15分钟的刺激。此后，分别对紧接（事后）期（Post）、5分钟后（P5）、十分钟后（P10）。。。等，以30个恒定相位延迟，取中央顶脑电图读数（比照耳基准和地）。结果表明高/低α（11-13赫兹）/（7-9赫兹）幅值比率在光刺激的后继期内提高，如图1中所示。此外，刺激后，后继期内峰值α频率（PAF）也提高图2）。这些结果是决定使用“生物光” 来设法提高学生学习成绩的基础，尽管模式略有不同。
在本文随后描述的提高学习成绩的研究中，我们提供了一系列的光刺激/EDR反馈训练，以便改变脑电图（EEG）和EDR活动，目的在于增强认知功能和平均等级分（GPA）。接受实验的组与不作训练而接受同样的前-后测试的对照组进行比较。

本研究的意义
EEG模式和认知能力

对智力表现及其脑电图的检阅表明某些α频带的脑电图频率特性似乎与尚佳的认知能力有关联。例如，Anokhin和Vogel（1996）对101名年龄在20 –
图1 在Cz处平均A3/A1 α 比
频率=14Hz 样本数

图2 平均峰值α频率比
样本数=34

45岁的健康男性的检查，发现Raven氏标准进步矩阵（Standard Progressive
Matrix）（SPM）在前额区和额区内，与峰值α频率正相关。Klimesch等人的研究也表明记忆力表现优良者的α频率比差的人高1赫兹。后来，Vogt，Klimesch和Doppelmayr（1998）发现仅在α高频带（10 – 12赫兹）内，量值的大小与记忆能力正相关。能量频谱的比较表明在这个范围内，记忆力强的人比记忆力差的人有高得多的标准的百分比量值。在眼睛睁开，记忆词语的情况下，这个关系特别强。Jausovec（1996）的研究表明有天赋的人（平均IQ [智商]=137）与常人（平均IQ [智商]=105）相比，天赋的一组在睁开眼睛静止的状态下和解题期间，α能量更高。天赋差一些的人明显地需要使用更多的大脑区域（更多的脑力劳动）来解题，从而更失去同步。

Mundy-Casle对成人的研究（1958）发现，α频率和总智商（IQ）的相关系数最高（0.51）。然而，Saunders（1961）发现，一旦减去一般智力后，Wechsler-Bellevue智力量表（WBI）的亚分数数字长度和α频率之间只有低而重要的相关性。Giannitrapini（1996）以类似方式，将18名学生，按照WAIS智商数，分成智力水平不同的二组。智商高的一组（智商数119 – 143）表明他们比中等智商（93 – 118）一组，左额区的α频率更高，特别是在做数学时（与静止时相比）。额区不对称性与口头智商的相关性最高。相对应，顶部和枕部区主导的α频率与业绩智商的相关性最高。
Giannitrapini在以后的一项对56名11 – 13岁的受试者的研究（1988）中发现，13赫兹的单赫兹β频带（它包括12 - 14赫兹的活动）中的能量与口头的智商数的相关性最好。这个窄频带β活动，主要是中央区，可能反映组织信息和执行脑力任务时产生的脑电活动水平。Luria（1990）观察到这一区域中的损伤，造成智力障碍，这些智力障碍关系到综合能力和自动脑力活动。人们已经将相当多的注意力放在了较高频率的主导α，作为优异的认知功能的标志。这些研究者建议，9.3 – 11.1的主导α频率是一般成人的脑电图的通常范围（Olofsson，1971）。然而低于8.5赫兹的主导α频率反映出一种机能障碍的生理状态（Markand，1990）。
除了考虑主导α频率的增大作为认知能力提高的辨别性量度之外，α频带的其他特性变得与变化指示物有了相关性。通过干预，二个Hz的α频带的幅度可能改变到的程度变得令人感兴趣。例如，A3（11 – 13Hz） ：A10（9 – 11Hz）的幅度比，在健康成人与神经有伤害的成人之间有明显的差异。认知能力较好的个体往往具有更高的A3/A1比（Budzynski，1993；Wu & Lui，1995）。如果一次AV训练，就象我们的实验性研究中那样，出现了A3/A1和PAF的增大，则30天日常训练（每周5天）会对α特性有怎样的作用呢？Lubar（1997、1998）报道了一项研究，部分实验方案涉及到每天使用占主导α频率的倍频声/视刺激，共20次训练。这些受试者表明，即使当缓慢的δ频率降低时，眼睛睁开的β和高β增加。如果你希望增大皮层激活，降低较缓慢的频率成分的话，这将似乎是接近于理想的使用频率。在我们将介绍的研究中，我们决定以交替模式同时包括14Hz和22 Hz的刺激频率。
上述研究对检查α和β特性作为大脑活动中的改善信号起着强化作用，大脑活动的改善可能也反映了智力功能的改善。学习成绩和这些脑电图参数通过干预能改变到的程度，是本研究的中心焦点。

皮肤电反应（EDR）和焦虑：
使用EDR生物反馈或以前人们所知道的GSR生物反馈，解除焦虑已经有了很长的历史。然而，这一领域中的研究，在七十年代后期和八十年代初期（Small，1982、Fehring，1983、Budzynski，Stoyva和Peffer，1980）引起了人们更多的注意。Small的结论是在降低焦虑方面，在家里进行的不受监督的生物反馈训练比磁带化的放松过程更有效。Fehring对Benson的放松技术（BRT）和Benson的通过GSR反馈方法来增强的技术（BAR）作了一个比较。后处理分析表明，BAR组与BRT和对照组相比，其焦虑状态和POMS（情绪状态分布）分数大大降低。Budzynski等人在他们的生物反馈训练序列中加入了GSR反馈，它还包括了EMG和温度反馈。GSR训练被认为对有焦虑问题的当事人是非常重要的。
在本研究中，我们假设一些因学习有困难而参加培训的学生在接受测试时，以及可能在研究期间也会产生焦虑。因此，以具有EDR反馈特点并增有光刺激的的“生物光”应该是一个理想的训练工具。

光刺激研究：
使用光刺激改变脑电波活动能追溯到Adrian和Matthews（1934）。然而，Walter和Walter的著作仍然是经典的，使人们认识到光刺激可使脑电图模式与闪烁光的频率相吻合。Fox和Raichle（1985）研究了光刺激对区域性脑血流量（rCBF）的影响。他们发现通过光刺激，rCBF在条纹皮层中在底线的基础上增大约28%。Diehle等人也发现（1998）受光刺激，脑血流有显著增加。Mentis等人（1997）对老年受试者使用PET扫描，以显现出光刺激能怎样地激活大脑额区。
人们已对各种类型的受试者作了一些研究，表明光刺激获得了所期望的变化。日本研究人员Kurnano等人（1996、1997）在相关杂志的二篇文章中报道了EEG驱动的光/声系统的作用。脑电图被眼罩中发光二极管（LED）的光诱导，其频率由脑电图主导的频率驱动。其效果是降低第一项研究中的沮丧和第二项研究中的压力反应。
Rozelle和Budzynski（1996）使用Och的脑电图驱动的光刺激方法，作为中风六个月后的患者的成功治疗实验方案的前半部分。实验方案的后半部分中，使用了θ压抑/β振奋的神经反馈。该病人的功能基本恢复，包括减轻了半边瘫痪、视力、言语机能障碍和认知障碍症状。Carter和Russell用光刺激应用于学习障碍的研究已长达10多年，并最终达到获得一期和二期SBIR拨款（Carter和Russell，1993；Russell，1997）。Carter和Russell更近期的研究涉及到类似于本研究中使用的脑电图驱动的光/声装置。最近，在一个光/声用于轻度-中度精神错乱老年受试者的对照研究中，Tan等人（1997）报道了，与不作治疗，仅关注而已的对照对象相比，在认知和情绪的标准化的量度有重大改善。

本报告中考虑的假设：
1． 训练后的学期末与训练前学期的GPA相比较，实验组（E）的前-后GPA的
提高，比对照组（C）大得多。
2． E组的前-后EDR水平的提高比C组大得多。
3． 前-后占主导的α提高，E组比C组大得多。
4． 前-后占主导的β提高，E组比C组大得多。
5． 前-后A3/A1α频带的提高，E组比C组大得多。

方法
本研究涉及到一种实验设计，在该设计中，在西华盛顿大学中至少已学完一个学年，并因学习有困难而已经寻求学生指导服务处帮助的学生，被分派到光刺激-EDR组或观望的对照组。

样本
从已向学习指导服务处寻求帮助的大学生中抽取样本。通过商谈达成：被选学生的前10名列入实验训练计划，剩余者列入观望名单对照组。如此来分派受试者是基于这一事实：即存在着该研究能够得以完成的关键时期。预训练学期后是训练学期，跟踪学期必须在训练学期完成后开始。我们没有把握，在这一关键时期，能够得到足够的受试者通过随机方式分派成二个组。因此，我们选择在对对照组作预测试前，至少得到10个对他们开始训练的实验者。这里报道的样本中，实验组招募到11名，其中三名未完成训练。对照组招募到9名受试者，其中8名完成了训练后测试。中途退出的受试者是因为不喜欢预测试或治疗程序或纯粹是忘记了出席训练而退出的。
二个组的特点如下：总共有17名受试者，15名女性，2名男性，全部为白种人。在完成后测试的，实验组中有1名男性和7名女性，对照组中有1名男性和8名女性。实验组的平均年龄为25.37，而对照组的平均年龄为25.12。除了已经向指导中心寻求帮助，且在这个大学里至少学完了一个学年，不论按怎样的标准，这些受试者都无相似性。

训练前后的测试
训练前后的测试包括心理生理学压力曲线图（PSP）- 最早由Budzynski和Stoyva在70年代中期（Budzynski和Stoyva，1984）提出的。PSP分别包括以下这些条件的脑电活动的量值、指温、皮电反应图（EDG）和心率：在眼睛睁开（EO）、眼睛闭合（EC）静止、“数字长度”和“数字替代”智力作业期间眼睛睁开，接着为EO（睁眼）恢复，然后EC（闭眼）恢复。（注意：本报告中EDG和EDR这二个术语是通用的。 J & J I-140 系统用EDG, 而我们用EDR以便与“生物光”一致。）

反应度量：
使用J & JI-140系统，获得训练前后的生理量值。方案中涉及休息、紧张和恢复三个阶段的PSP，而EEG测量取自前颞F7和前颞F8参考导联的导联组合，连同EDG，手指温度和心脏速率。因为其他反应度量数量的缘故，我们只能从二个脑电图点取得数据。我们选择F7和F8作为一种折衷，使得我们能够寻求沮丧的脑电特征（F7/ F8 α频带幅值>1），同样研究该前区双边作为训练结果的激活信号。顺序为睁眼静止、闭眼静止各三分钟，接着作压力测试，涉及数字长度测试，然后作45秒钟的数字符号替代测试。最后，在进行了压力测试后，重复睁眼和闭眼静止（称之为“恢复”）。

WAIS和WRAT子测试：
我们从修改的Wechsler成人智力表（WAIS-R）和大范围成就测试-3（WRAT-3）中选择出一些智力功能子测试。从WAIS的口头部分抽取的子测试是数字长度，从成绩部分抽取的子测试是数字符号替代表。从WRAT抽取的子表包括阅读、拼写和算术。

数字长度：
在测试认知功能和短期记忆中，数字长度特别敏感。受试者被赋予一系列的数，各系列不断地变得越来越长。受试者倒数这个系列中的数，直至他/她不能记住全部数时的长度。再给予第二个数的系列，此后希望受试者将它们复述给测试者听。

数字符号：
数字符号测试提供了一个符号，作为“1–9”9个数字的替代。数字在一页纸上给出，并在每个数字底下给出一个空间，书写替代符号。赋予受试者90秒钟的时间来完成这个测试。该测试对于空间表现和信息检索是良好的。在预测试中，二者都表现出了一致性，表明在头部受伤后的几个月内，有很高的相关性。对于普通的成人，数字符号测试的测试-再测试的可靠性为0.80（第254页），而数字长度测试则为0.88。在9个WRAT子测试上，α的范围为0.85 - 0.95（Spreen和Strauss，1998，第421页）。
经测试培训的研究助理给出了纸-笔智商副标度测试。同时也获得这里未报道的计算机自动测试。取得1997年秋季（训练前）、1998年冬季（训练期间）和1998年春季（训练后）的GPA分数。

治疗过程
用Synetics公司的“生物光”仪器，作连续6周，每周5天，每次15分钟的训练。来自非主导手的EDR反馈形成声音音调，其频率与EDR级成正比。当受试者放松和降低EDR时，频率下降。双眼同时接受闪烁光（琥珀色发光二极管）照射。允许受试者调整光的强度等级，因为实验性的研究已经表明在偏好方面，个体之间有很大的差别。治疗顺序为一分钟的14Hz，接着为一分钟的22Hz。这一周期重复15分钟。

结果
光刺激和EDR反馈能否提高学习成绩？
假设1，在训练前学期末和紧接着训练后的学期末，实验组（E）比对照组（C），显示出大得多的前-后GPA差别。这个假设得到支持。图3给出了二组的98春季和97秋季GPA的标准偏差和标准误差。这个图代表这一实验的最重要的结果，即训练前、后学期的GPA比较。在98春季期间，实验组未接受任何训练。然而，即使训练已在前一个学期完成，这个受训组还是能保持更高水平的学习成绩。

（注：在各图中，E组和C组的样本个数Ns可能不同，因为缺数据（有一个受试者未报告她的GPA），或在生理数据的情形中，由于人为删除的缘故。在计算出任何平均数之前，都是从原始Excel工作表的10个从属数据人工处理的，这些人工数据在计算中被移去了。）

表1含有T检验结果，取自97年秋季（训练前）和训练后的学期（1998春季）WWU（西华盛顿大学）实验组和对照组期末的GPA差异比较。这个单尾值为P=0.004。第一学期E组和C组之间的GPA差异的双尾检验得到P=0.155，或在训练前，GPA中无重大差异。

图3 西华盛顿大学实验组与对照组比较
98年春 - 97年秋平均GPA差异

表198春季 – 97秋季的WWU的GPA差异

假设2得到部分支持。如图4中所示，与WWU的对照组相比，实验组中的中值EDR前- 后差更大。但是，偏离太大，超出了任何六条件的T检验的有意义范围。当用Mann-Whitney U对该PSP六条件作中值检验时，在0.01级时，E组与C组有重大差别。实验组，试图用光刺激降低带声音反馈的EDR，实际上确实做到了, 以14和22Hz的光刺激甚至增大了大脑皮层唤醒。

图4 中点EDR前-后差异
西华盛顿大学实验组与对照组比较

假设3指出训练会使主导的α频率更增大。同时在F7（左前颞）和F8（右前颞）点，这个假设在EEG的变化中得到支持。图5和图6给出了各PSP条件和各组的平均后前差异。

图5 在F7处主导α频率后-前差异
西华盛顿大学实验组与对照组比较

在F7，闭眼静止、数字长度和数字符号测试表现出二组之间有重大差异。鉴于后-前差异，实验组与对照组相比，在这些智力测试中，其F7处的主导α频率的改变要大得多。

在右侧F8，数字长度测试、数字符号和睁眼恢复期间存在重大的差异。因此，在实验组中，几个测试期间，特别是EEG的F7和F8同时在频率上增大的的数字长度和数字符号测试期间，训练似乎加速了主导的α频率。

假设4涉及两组有关主导β的比较。我们假设，实验组会显示出比对照组有增大的主导β频率。结果表明F8处，没有单独的PSP条件表现出与对照组有重大差别（图7）。然而，当分数与睁眼静止和睁眼恢复的睁眼条件结合时，实验组的主导β高得多，表明睁眼不动脑的情况下，受训组中β频率略快。

图6 在F8处主导α频率后-前平均差异
西华盛顿大学实验组与对照组比较

任何条件下，F7处的主导β改变不很大，因此假设4的这一半必须否定。显然，本研究中，训练仅在F8处和仅在睁眼，不动脑的情况下，使主导的β增大。
图7 在F8处主导β频率后-前平均差异
西华盛顿大学实验组与对照组比较

假设5认为受训组，应该在α比率A3/A1上有更大的增加。它是频带9 – 11Hz中的幅度除以频带11 – 13Hz中的幅度比。事实上，对于单个条件，WWU两组之间F7处无重大差异。然而，当结合睁眼条件（睁眼静止、数字长度、数字变换测试、睁眼恢复），与对照组相比，实验组表现出重大的A3/A1增加（p = 0.047）。

F8处，数字长度条件时存在重大差异（见图8）。此外，当F8处所有的睁眼条件结合在一起时，实验组比对照组表现出大得多的平均值，如F7的情形那样。
图8 在F8处A3/A1比率后-前差异
西华盛顿大学实验组与对照组比较

高、低α比率，或A3/A1的增加会看似作为训练的结果，但是仅在睁眼条件下。如上面所指出的，Lubar已报道了在随后学期中，二倍的α频率AVS刺激增大了睁眼的β。

讨论
本研究的主要目的是提高学习成绩。寻求指导部帮助的西华盛顿大学的学生是参加训练的主要生源。这些学生感到自己的学习努力与自己的学习成绩不相称。根据早期的实验性研究（Budzynski和Tang，1998），使用称之为“生物光”的仪器，生物驱动的14Hz声音/视觉刺激（AVS），使得峰值α频率和A3/A1比率暂时地增大。Lubar的报告（1997），二倍的α峰值频率（约20 – 22Hz）的声/视刺激（AVS）往往产生长时期的睁眼β脑电增大。我们决定去了解这种类型的训练是否会帮助那些学生实现他们的目标。因此，我们交替地使用二个频率14和22Hz，交替地各持续一分钟，光刺激伴随EDR生物反馈，其内置于“生物光”仪器。通常，“生物光”有EDR驱动AVS的功能。即EDR信号控制光显示的强度和频率，以及声音的音量和频率。由于我们只想使用二个离散的频率，我们决定使EDR分别发挥功能，仅驱动一个频率与EDR级成正比的音调，因此它的作用是一个直接的EDR声音生物反馈，独立于光刺激。因此，参加训练的人员接受14和22Hz交替的光刺激，同时以音调作为暗示降低它们的EDR级。
我们作了某些EEG的测量，以了解它们是否与学校中的学习成绩（GPA）有相关性，以及各种书面的测试，如WAIS的数字长度和数字符号，及WRAT-3的阅读、算术和拼写。Tang在她的硕士论文（1998）中考察了这些相关性。除了其他之外，拼写、算术和数字长度记忆表现与F7和F8处的13 – 15Hz的EEG频幅、主导的α频率和A3/A1α比的相关性很强，发现心率与β和13 – 15Hz的频幅的相关性很强。
在实验组中，EDR是否下降？它下降了，但是这些小组中的分数波动不允许作有意义的T检验。然而，Mann-Whitney U测试的中值变得具有意义，表明实验组中有更大的下降。我们推测学校中这些报告问题的一定百分比的学生可能对测试感到焦虑。尽管没有使用脱敏感程序，我们感到降低EDR级的做法会帮助这些学生减少对考试的焦虑。也许这对E组中的GPA表现更好起了作用。
α主导频率是否改变？是的。我们看到与C组相比，E组中有很大的增加。在困难的数字长度和数字符号测试期间，尤其是这样。注意，这种增加在F7和F8处都能看到。这意味着E组训练已造成大脑的前区中信息处理的速度更快。
在实验中，F8处（右前颞）的的主导β，在任何条件下都没显示出与对照组有很大的不同。然而，当对两组的睁眼条件下获得的分数加和时，E组比C组，表现出快得多的β。然而，在F7（左前颞）的测量中，情况并非如此。显然，训练只造成右侧和睁眼状态下的β加快。
与Cs相比，E组中的A3/A1量度确实表现出有重大增加。但是，它同样不是对于任何一个条件的，而是从睁眼条件得到的组合分。在F7和F8，A3/A1结合睁眼的分数，E组更高。Tang（1998）已发现，在测试前的底线条件下，拼写表现的分数同时与左右F7和F8 EEG A3/A1比率相关。
12 – 15Hz频带的度量没显示出训练前、后的测试之间有重大差异。我们预计训练可能增大这一频带中的电压。但是，在F7和F8处，这一频带上只有很小的、可忽略的下降。然而，在数字长度和数字符号测试期间，F8 12-15Hz之间发现有很大的相关性，在算术表现和PSP的睁眼条件下，F7，12-15Hz频带有很大的相关性。这意味着在那些算术测试的表现最佳的研究对象身上看到了睁眼和闭眼条件下的12-15Hz的更高水平。其他相关性表明，数字符号测试期间，左（F7）和右（F8）前颞，这个频带的水平预示着拼写和算术分数。（Tang，1998）。
当然，最重要的量度是平均等级分GPA。如果学习成绩要取得提高，在考虑前-后GAP时，经过训练及其后的学期，E组将需表现出比C组大得多的升高。这确实是实际发生的。事实上，C组似乎在GPA和一些EEG量度上有向下的趋势。另一方面，E组没有这种趋势，而其GPA和EEG的量值实际地提高了。
值得注意的是这样一个事实，我们在开始训练前，一直未决定收集GPA。有趣的是，训练前GPA为4.0的E组受试者，确实寻求过指导帮助，感到她还可能提高其学习成绩。如果我们对GPA筛选过的话，我们不会将她包括在内。
在以后的报告中，我们将讨论其他变量如智商测试、中级视声持续表现（IVA）、压力症状测评（SOS）和情绪状态曲线（POMS）。然而，本研究的提高学习成绩的主要目的，似乎已经实现了。

暂时的结论
上面讨论到的一些其他研究人员，已发现前区位置的较快的主导α或峰值频率以及SMR（12-15Hz）感觉运动的皮层电压与更好的记忆力和智商测试表现相关。这个小样本研究表明，使用可能与生物反馈相结合的AVS技术，可能通过将某些EEG参数改变到更优级，能提高学习成绩。本研究中使用的刺激训练似乎在学生的生理上产生了足够的变化，与对照组相比较，促进了学习成绩，即使在训练后的学期内也是如此。如果接受训练的小组，其98春季GPA与对照组相比，回落一个很微不足道的差异，我们也会被迫得出训练效果是短暂的结论。幸运的是，情况似乎并非如此。由于研究对象主要是女性，而且样本小，我们对于将这一效应推广到其他学生人群的态度是谨慎的。
“生物光”及可能的相关仪器，可能对某些其表现达不到他们的教育和职业领域中的标准的人是有帮助的。
注：我们万分感谢合成系统公司和罗佰特奥斯汀先生，他们为我们提供了“生物光”装置，并提供了支付研究助手和用品费用的资金。

参考文献：
Adrian, E.D., & Matthews, B.H.C. (1934). The Berger rhythm: Potential changes from the occipital lobes of man. Brain, 57,355-385.

Anoukhin, A., Vogel, F. (1996). EEG alpha rhythm frequency and intelligence in normal individuals. Intelligence, 23, 1 -14.

Budzynski, T.H. (1993). Single and double Hz band EEG results in normals and individuals. Futurehealth Neurofeedback Conference. Key West, FL.

Budzynski, T.H., & Stoyva, J.M. (I984). Biofeedback methods in the treatment of anxiety and stress. In R.L. Woolfolk & P.M. Lehrer (Eds.). Principles and Practice of Stress Management. New York: Guilford.

Budzynski, T., Stoyva, J., & Peffer, K. (1980). Biofeedback techniques in psychosomatic disorders. In A. Goldstein & E. Foa (Eds.), Handbook of Behavioral Interventions, New York: John Wiley & Sons.

Budzynski, T.H., & Tang, J. (1998). Biolight effects on the EEG. SynchroMed Report. Seattle, WA.

Carter, J., & Russell, H. (I993). A pilot investigation of auditory and visual entrainment of brainwave activity in leaning disabled boys. Texas Researcher. Journal of Texas Center for Educational Research, 4, 65-73.

Diehl, B., Stodieck, R.G., Diehl, R.R., & Ringelstein, E.B. (1998). The photic driving EEG response and photoreactive cerebral blood flow in the posterior cerebral artery in controls and in patients with epilepsy. Electroencephalography & Clinical Neurophysiology, 107,8-12.

EEG-Olofsson, O. (1971), The development of the electroencephalogram in normal adolescents from the age of 16 through 21 years. Neuropadiatrie, 3, 11-45,

Fehring, R.J. (1983). Effects of biofeedback-aided relaxation on the psychological stress symptoms of college students. Nursing Research, 32, 362-366.

Fox, P.T., & Raichle, M.E. (1985). Stimulus rate determines regional blood flow in striate cortex. Annals of Neurology, 17, 303-305.

Giannitrapani, D. (1969). EEG average frequency and intelligence. Electroencephalography & Clinical Neurophysiology, 27, 480-486.

Giamitrapani, D. (1988). The role of 13-Hz activity in mentation. In D. Giannitrapani, and L. Murri (Eds.), The EEG of Mental Activities (I 49-152). New York: Karger.

Jausovec, N. (1996). Differences in EEG alpha activity related to giftedness. Intelligence, 23, 159-173.

Klimesch, W., Doppelmayr, M., Pachinger, & Ripper, B. (1997). Brain oscillations and human memory: EEG correlates in the upper alpha and theta band. Neuroscience Letters, 238, 9-12.

Kumano, H., Horie, H., Shidara, T., Kuboki, T., Suematsu, H., & Yasushi, M. (1996). Treatment of a depressive disorder patient with EEG-driven photic stimulation. Biofeedback and Self-Regulation, 21, 323-334.

Kumano, H,, Horie, H., Kuboki, T., Suematsu, H., Sato, H., Yasushi, M., Kamei, T., & Masumura, S. (1997). EEG-driven photic stimulation effect on plasma cortisol and B-endorphin Applied Psychophsysiology and Biofeedback, 22, 193-208.

Lubar, J.F. (1997). The effects of single session and multi-session audio-visual stimulation (AVS) at dominant alpha frequency and two times dominant alpha frequency on cortical EEG. Presented at the 5th Annual SSNR Meeting, Aspen, CO.

Lubar, J. (1998). An evaluation of the short-term and long-ten-n effects of AVS (sound & light) on QEEG: Surprising findings. Presented at Futurehealth Conference on Brain Function, Modification & Training, Palm Springs, CA.

Luria, A.R., & Tsvetkova, L.S. (1990). 7he neuropsychological analysis of problem solving. Orlando, FL: Paul M. Deutsch Press.

Markand, O.N. (1990), Alpha rhythms. Journal of Clinical Neurophysiology, 7, 163-189.

Mentis, M., Alexander, G., Grady, C., Horwitz, B., Krasuski, J., Pietrini, P., Strassburger, T., Hampel, H., Schapiro, M., & Rapoport, S. (1997). Frequency variation of a pattern-flash visual stimulus during PET differentially activates brain from the striate through frontal cortex. Neuroimage, 5, 116-128.

Mundy-Castle, A.C. (1958)). Electrophysiological correlates of intelligence. Journal of Personality, 27, 184-199.

Rozelle, G.R., & Budzynski, T.H. (1995). Neurotherapy for stroke rehabilitation: A single case study. Biofeedback and Self-Regulation, 20, 211-228.

Russell, H.L. (1997). Intellectual functioning, auditory and photic stimulation and changes in functioning in children and adults. Biofeedback, 25, 16-24.

Saunders, D.R. (1961). Digit span and alpha frequency: A cross-validation. Journal of Clinical Psychology, 17,165-167.

Small, M.M. (1982), The effectiveness of self-administered, unsupervised biofeedback training using the GSR-2 as a home trainer, American Journal of Clinical Biofeedback, 5, 50-58.

Spreen, O. & Strauss, E. (1998). A Compendium of Neuropsychological Tests: Administration, Norms, and Commentary. New York: Oxford Univ. Press.

Tan, G., Kelly, J., Calhoun, W., Artymiak, K., & Ghusn, H. (1997). Brain stimulation to improve cognition and mood of geriatric patients with dementia. Presented at the Association for Applied Psychophysiology and Biofeedback, Twenty-eighth Annual Meeting. San Diego, CA.

Tang, H.Y. (1998). Academic performance: A new look at physiological and psychosocial factors. Master's Thesis, University of Washington.

Vogt, F., Klimesch, W., & Doppelmayr, M. (1998). High-frequency components in the alpha band and memory performance. Journal of Clinical Neurophysiology, 15, 167-172.

Walter, V.J., & Walter, W.G. (1949). The central effects of rhythmic sensory stimulation. Electroencephalography & Clinical Neurophysiology, 1, 57-86.

Wu, X., & Liu, X.Q. (1995). Study of the alpha frequency band of healthy adults in quantitative EEG. Clinical Electroencephatography, 26, 131-136.

关于作者：Thomas Budzynski 博士是美国华盛顿大学社会心理和社区健康系的教授。
John Jordy工程硕士是美国华盛顿大学学生咨询服务中心的顾问。

Helen Kogan Budzynski 博士,注册护士是美国华盛顿大学社会心理和社区健康系的名誉教授。

Hsin-Yi Tang 硕士，注册护士，是美国华盛顿大学护理学院的博士生。

Keith Claypoole博士是夏威夷州成人精神健康部的临床心理学者，美国华盛顿大学精神病和行为科学系、社会心理和社区健康系的助理教授。

可通过tbudzyn@u.washington.edu联系到Thomas Budzynski博士。.