Summary
Hier wordt een protocol gepresenteerd dat een reeks kindvriendelijke statistische leertaken introduceert die gericht zijn op het onderzoeken van het leren van tijdelijke statistische patronen door kinderen over domeinen en zintuiglijke modaliteiten. De ontwikkelde taken verzamelen gedragsgegevens met behulp van het webgebaseerde platform en op taken gebaseerde functionele magnetische resonantiebeeldvorming (fMRI) voor het onderzoeken van neurale betrokkenheid tijdens statistisch leren.
Abstract
Statistisch leren, een fundamentele vaardigheid om regelmatigheid in het milieu te extraheren, wordt vaak beschouwd als een kernondersteunend mechanisme van de eerste taalontwikkeling. Hoewel veel studies van statistisch leren worden uitgevoerd binnen een enkel domein of modaliteit, recent bewijs suggereert dat deze vaardigheid kan verschillen op basis van de context waarin de stimuli worden gepresenteerd. Bovendien, weinig studies onderzoeken leren als het zich ontvouwt in real-time, in plaats van zich te concentreren op de uitkomst van het leren. In dit protocol beschrijven we een benadering voor het identificeren van de cognitieve en neurale basis van statistisch leren, binnen een individu, over domeinen (linguïstisch versus niet-linguïstisch) en zintuiglijke modaliteiten (visueel en auditief). De taken zijn ontworpen om zo weinig mogelijk cognitieve vraag te stellen aan deelnemers, waardoor het ideaal is voor jonge schoolgaande kinderen en speciale bevolkingsgroepen. Het web-based karakter van de gedragstaken biedt een unieke kans voor ons om meer representatieve populaties landelijk te bereiken, om effectgroottes met grotere precisie in te schatten en bij te dragen aan open en reproduceerbaar onderzoek. De neurale maatregelen die door de functionele magnetische resonantie imaging (fMRI) taak kan onderzoekers informeren over de neurale mechanismen die betrokken zijn bij statistisch leren, en hoe deze kunnen verschillen tussen individuen op basis van domein of modaliteit. Ten slotte maken beide taken het mogelijk om real-time leren te meten, omdat veranderingen in de reactietijd in een doelstimulus gedurende de blootstellingsperiode worden bijgehouden. De belangrijkste beperking van het gebruik van dit protocol heeft betrekking op de urenlange duur van het experiment. Kinderen moeten mogelijk alle vier de statistische leertaken in meerdere vergaderingen uitvoeren. Daarom is het webgebaseerde platform ontworpen met deze beperking in het achterhoofd, zodat taken individueel kunnen worden verspreid. Deze methodologie zal gebruikers in staat stellen om te onderzoeken hoe het proces van statistisch leren zich ontvouwt in en binnen domeinen en modaliteiten bij kinderen met verschillende ontwikkelingsachtergronden.
Introduction
Statistisch leren is een elementaire vaardigheid ter ondersteuning van de verwerving van door regels bestuurde combinaties in taalingangen1. Succesvol statistisch leervermogen bij zuigelingen voorspelt later succes met het leren van talen2,3. Variabiliteit in statistische leervaardigheden bij kinderen op school is ook geassocieerd met woordenschat4 en lezen5,6. Moeilijkheden bij statistisch leren is voorgesteld als één etiologisch mechanisme dat ten grondslag ligt aantaalstoornissen 7. Ondanks de associatie tussen statistisch leren en taalresultaten in zowel neurotypische als atypische populaties, blijven de cognitieve en neurale mechanismen die ten grondslag liggen aan statistisch leren slecht begrepen. Bovendien heeft eerdere literatuur aangetoond dat statistische leervermogen binnen een individu niet uniform is, maar onafhankelijk is tussen domeinen en modaliteiten6,8,9. Het ontwikkelingstraject van statistische leervaardigheden kan verder verschillen tussen domeinen en modaliteiten10. Deze bevindingen benadrukken het belang van het beoordelen van individuele verschillen in statistisch leren over meerdere taken in de loop van de ontwikkeling. Het veld vereist echter eerst een systematischer onderzoek naar de relatie tussen statistisch leren en de ontwikkeling van eerste talen. Om deze vragen aan te pakken, passen we innovatieve methoden toe, waaronder een webgebaseerd testplatform11 dat een groot aantal kinderen bereikt, en op laboratoriumgebaseerde neuroimagingtechnieken (functionele magnetische resonantiebeeldvorming, of fMRI) die de real-time codering van statistische informatie onderzoeken.
Standaardmaatregelen statistisch leren beginnen met een kennismakingsfase en worden gevolgd door een twee-alternatieve gedwongen keuze (2-AFC) taak12,13. De vertrouwdheidsfase introduceert een continue stroom van stimuli ingebed met statistische regelmaat, waar sommige stimuli meer kans hebben om samen te komen dan andere. De presentatie van deze co-voorkomende stimuli volgt een vaste temporele volgorde. Deelnemers worden passief blootgesteld aan de stroom tijdens de kennismakingsfase, gevolgd door een 2-AFC-taak die test of de deelnemer de patronen met succes heeft geëxtraheerd. De 2-AFC nauwkeurigheid taak presenteert twee opeenvolgende sequenties: een sequentie is gepresenteerd aan de deelnemer tijdens de kennismakingsfase, terwijl de andere is een nieuwe sequentie, of bevat een deel van de sequentie. Boven-kans nauwkeurigheid op de 2-AFC zou wijzen op succesvol leren op groepsniveau. Traditionele gedragstaken die statistisch leren beoordelen, vertrouwen over het algemeen op nauwkeurigheid als uitkomstmaat van leren. Echter, nauwkeurigheid niet rekening te houden met het natuurlijke leren van informatie als het zich ontvouwt in de tijd. Een zekere mate van real-time leren is noodzakelijk om gebruik te maken van het impliciete leerproces van statistisch leren waarbij kinderen nog steeds de regelmaat van de inputs14,15,,16coderen . Verschillende aanpassingen in paradigma's zijn ontwikkeld in een poging om af te stappen van de 2-AFC maatregel, in de richting van maatregelen van on-line leren door middel van gedragsreacties tijdens de blootstelling16. Studies met behulp van deze aanpassingen die reactietijd meten tijdens de blootstellingsfase vonden dat ze gerelateerd waren aan post-learning nauwkeurigheid17 met een betere test-hertest betrouwbaarheid in vergelijking met die van de nauwkeurigheid bij volwassen lerenden18.
Neurale maatregelen zijn ook fundamenteel voor ons begrip van hoe leren zich ontvouwt in de tijd, als het impliciete proces waarmee het leren van talen optreedt waarschijnlijk werft verschillende neurale middelen van die gebruikt zodra taal wordt geleerd19. Neurale maatregelen bieden ook inzicht in verschillen in cognitieve specialisaties die ten grondslag liggen aan taalvaardigheid bij speciale populaties20. Hoe het conditiecontrast is ontworpen in een fMRI-studie is cruciaal voor hoe we patronen van neurale activering interpreteren tijdens het leren. Een veel voorkomende praktijk is het vergelijken van hersenreacties tijdens de kennismakingsfase tussen sequenties met regelmatige patronen versus die met dezelfde stimuli die willekeurig worden besteld. Echter, eerder onderzoek de uitvoering van een dergelijke willekeurige controle voorwaarde vond geen bewijs voor het leren in gedrag, ondanks neurale verschillen tussen gestructureerde en willekeurige sequenties. Dit kan te wijten zijn aan de interferentie van willekeurige sequenties bij het leren van gestructureerde sequenties, omdat beide werden opgebouwd uit dezelfde stimuli21,22. Andere fMRI studies die achterwaartse spraak of eerdere leerblokken gebruikt als de controle voorwaarde bevestigd leren vond plaats gedragsmatig19,23. Elk van deze paradigma's introduceerde echter zijn eigen verstorende factor, zoals het effect van taalverwerking voor het eerste geval en het effect van de experimentele volgorde voor het laatste geval. Ons paradigma gebruikt de willekeurige volgorde als de controle voorwaarde, maar vermindert hun interferentie op de deelnemers 'leren van de gestructureerde sequenties. Ons fMRI paradigma implementeert ook een gemengd blok / event-gerelateerde ontwerp, die het mogelijk maakt voor de gelijktijdige modellering van voorbijgaande trial-gerelateerde en duurzame taak-gerelateerde BOLD signalen24. Ten slotte, en meer in het algemeen, neurale maatregelen zorgen voor het meten van het leren in populaties waar het uitlokken van een expliciete gedragsreactie moeilijk kan zijn (bijvoorbeeld ontwikkelings- en speciale populaties)25.
Het huidige protocol neemt een responstijd maatregel, in aanvulling op de traditionele nauwkeurigheid maatregelen, en onderzoekt de hersenen activering tijdens de kennismakingsfase. De combinatie van deze methoden is bedoeld om een rijke dataset te bieden voor het onderzoek van real-time leerprocessen. Het webgebaseerde platform biedt een reeks leermaatregelen door zowel de responstijd tijdens de belichtingsfase als de nauwkeurigheid van de 2-AFC-taak tijdens de testfase op te nemen. Het neuroimaging protocol maakt het mogelijk voor het onderzoek van de onderliggende neurale mechanismen ter ondersteuning van statistisch leren over domeinen en modaliteiten. Hoewel het optimaal is om statistisch leren binnen een individu te meten met behulp van zowel de web-based en fMRI protocollen, de taken zijn zo ontworpen dat ze onafhankelijk kunnen worden verspreid, en dus, als twee onafhankelijke maatregelen van statistisch leren. De fMRI experimenten opgenomen in het huidige protocol kan helpen verduidelijken hoe stimulus codering, patroon extractie, en andere samenstellende componenten van statistisch leren worden vertegenwoordigd door bepaalde hersengebieden en netwerken.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle deelnemers gaven schriftelijke toestemming om deel te nemen en de studie werd uitgevoerd in overeenstemming met de Institutional Review Board.
1. Overzicht van het statistisch leerparadigma dat wordt gebruikt in het webgebaseerde protocol
- Vier taken in het huidige paradigma opnemen: beeld (visueel-niet-linguïstisch), letter (visueel-linguïstisch), toon (auditief-niet-linguïstisch) en lettergreep (auditief-linguïstisch).
- Bouw stimuli voor visuele taken met behulp van 12 standalone buitenaardse cartoon beelden (afbeelding) en 12 letter beelden (brief; B, J, K, A, H, C, F, E, J, G, D, M) met dezelfde vreemdeling die 12 tekens omhoog houdt met hoofdletters erop.
- Bouw auditieve stimuli met behulp van 12 Engelse lettergrepen (lettergreep; pi, pu,pa,ti,tu.ta,di,du,da,bi,bu,ba) en 12 muzikale tonen binnen hetzelfde octaaf (toon; F,G,D,G#,C#,B,c,f#,d#,e,a,a.). De lettergreep stimuli kunnen worden gemaakt met behulp van een kunstmatige spraak synthesizer, en kan worden opgenomen als afzonderlijke bestanden in Praat26,27.
- In de vertrouwdheidsfase presenteren ze stimuli in een gestructureerde stroom (zie figuur 1). Feedback wordt op geen enkel moment gegeven tijdens de kennismakings- of testfase.
LET OP: Binnen elke taak wordt een kennismakingsfase onmiddellijk gevolgd door een testfase.- Voor de taak Image (visual-nonlinguistic) structureer je 12 afbeeldingen in vier doeldriels. Herhaal in de kennismakingsfase elk van de vier doeldriels 24 keer voor een totaal van 96 drieling.
OPMERKING: De 96 drieling wordt willekeurig samengevoegd in een continue stroom, met de beperking dat er geen triplet onmiddellijk kan worden herhaald. Afbeeldingen worden één voor één in het midden van het scherm weergegeven. Elk beeld wordt gepresenteerd voor 800 ms met 200 ms inter-stimulus interval. De hele kennismakingsfase duurt 4 min 48 s. - Zorg ervoor dat de testfase altijd de kennismakingsfase volgt en bestaat uit 32 twee-alternatieve gedwongen-keuze (2AFC) vragen. Voor elke vraag, omvatten 2 opties: een doel triplet uit de familiarization fase en een triplet die niet werd opgenomen in de familiarization fase, aangeduid als een folie triplet.
LET OP: Foliedriils zijn zo geconstrueerd dat de relatieve positie van elke afbeelding in de folie triplet hetzelfde is als de doeldribbel. Elk doel en folie triplet worden gepresenteerd 8 keer totaal in een test, en elk folie-doel paar wordt herhaald. De testfase bestaat uit 32 (4 doeldriels x 4 foliedribbels x 2 herhalingen) willekeurig geordende proeven. - Voor de letter (visueel-linguïstische) taak omvatten 12 beelden van gekapitaliseerde letters die zijn georganiseerd in vier doeldriels (GJA, FKC, LBE, en MDH). Maak voor de testfase 4 foliedriling (GDE, FJH, LKA en MBC) en koppel ze met de doeldriels om de 32 2AFC-testproeven te vormen. Geen letter triplet kan bevatten woorden, gemeenschappelijke afkortingen, of initialismen.
- Voor de toon (auditieve-niet-niet-katatische) taak omvatten 12 muzikale zuivere tonen binnen hetzelfde octaaf (een volledige chromatische schaal vanaf midden C) en concatenate hen in vier doel drieling (F # DE, ABC, C # A # F, en GD # G #G #). In tegenstelling tot de visuele taken is de presentatiesnelheid sneller als gevolg van verschillen in auditieve perceptuele voorkeur6,28,29.
LET OP: Elk van de vier doeldriels wordt 48 keer herhaald voor een totaal van 192 drieling (twee keer zoveel als de visuele omstandigheden). Alle drieling wordt samengevoegd tot een geluidsstroom zonder dat triplet twee keer achter elkaar wordt herhaald. Pure tonen worden één voor één gepresenteerd terwijl de deelnemers een leeg scherm bekijken. De duur van elke toon is 460 ms met een inter-stimulusinterval van 20 ms. De hele stroom duurt ongeveer 4 min en 36 s. Net als bij de visuele taken volgt een testfase van 32 2AFC-onderzoeken met paren doel- en foliedribbel (F#BF, AA#G#, C#D#E, GDC) onmiddellijk de kennismakingsfase. - Voor de lettergreep (auditieve-linguïstische) taak gebruik 12 medeklinker (CV) lettergrepen gemaakt en gegroepeerd in vier doel drieling (pa-bi-ku, go-la-tu, da-ro-pi, en ti-bu-do). De duur van elke lettergreep en het interstimulansinterval is hetzelfde als de toonconditie. Combineer vier foil drieling (pa-ro-do, go-bu-ku, da-bi-tu, en ti-la-pi) met de doeldriels in de testfase.
- Voor de taak Image (visual-nonlinguistic) structureer je 12 afbeeldingen in vier doeldriels. Herhaal in de kennismakingsfase elk van de vier doeldriels 24 keer voor een totaal van 96 drieling.
- Randomiseer de volgorde van de vier statistische leertaken tussen deelnemers.
2. Werving van deelnemers
OPMERKING: Hoewel het webgebaseerde protocol en het fMRI-protocol het best samen binnen één deelnemer kunnen worden geïmplementeerd, schetsen we hier de best practices voor de werving van deelnemers voor elke taak onafhankelijk.
- Werving van deelnemers op het web
- Rekruteer deelnemers van 6 jaar en ouder. Deelnemers aan geslacht, ras en etniciteit kunnen deelnemen; de steekproef moet echter representatief zijn voor de bevolking.
- Rekruteer deelnemers die een native English speaker zijn en voor de leeftijd van 5 jaar zijn blootgesteld aan geen talen naast het Engels.
- Zorg ervoor dat ze geen bekende psychologische (met inbegrip van ADD, depressie, PTSS, en klinische angst) en / of neurologische aandoening (met inbegrip van beroerte, inbeslagneming, hersentumor, of gesloten hoofdletsel) melden.
- Zorg ervoor dat deelnemers een normaal of gecorrigeerd naar normaal zicht hebben (bril of contacten zijn in orde), normaal kleurenzicht en normaal gehoor (geen hoortoestel of cochleaire implantaatapparaten).
- Op taken gebaseerde fMRI-deelnemer werving
- Rekruteer deelnemers van 6 jaar en ouder. Deelnemers aan geslacht, ras en etniciteit kunnen deelnemen; de steekproef moet echter representatief zijn voor de bevolking.
- Om in aanmerking te komen, werven deelnemers die native Engels spreker en zijn nog nooit blootgesteld aan een taal anders engels voor de leeftijd van 5.
- Rekruteer rechtshandige personen, zonder bekende psychologische (met inbegrip van ADD, depressie, PTSS, en klinische angst) en neurologische aandoening (met inbegrip van beroerte, inbeslagneming, hersentumor, of gesloten hoofdletsel).
- Sluit deelnemers die zwanger zijn, claustrofobisch, het nemen van psychoactieve drugs, of hebben een metaal in het lichaam (met inbegrip van pacemakers, neurale implantaten, metalen platen of gewrichten, granaatscherven, en chirurgische nietjes).
- Zorg ervoor dat deelnemers een normaal of gecorrigeerd naar normaal zicht hebben (bril of contacten zijn in orde), normaal kleurenzicht en normaal gehoor (geen hoortoestel of cochleaire implantaatapparaten).
- Bepaal of deelnemers (of ouders als de deelnemer minderjarig zijn) in aanmerking komen om deel te nemen aan de MRI door deelnemers (of ouders als de deelnemer minderjarig is) een MRI-veiligheidsscreeningformulier te laten invullen.
3. Webgebaseerd protocol
OPMERKING: Het webgebaseerde statistische leerparadigma wordt gehost op een beveiligde website (https://www.cogscigame.co11)en ontwikkeld met behulp van jsPsych, een JavaScript-bibliotheek voor het maken van gedragsexperimenten online30.
- Ga naar DOI: 10.5281/zenodo.3820620 om taken te reproduceren. Alle scripts en materialen zijn openbaar beschikbaar. Onderzoekers kunnen de scripts wijzigen en de experimenten lokaal uitvoeren op elke webbrowser, zolang alle paden voor de uitvoerbestanden op de juiste manier zijn ingesteld.
- Laat deelnemers een dekkingstaak voltooien waarbij ze wordt verteld op een knop te drukken wanneer ze een bepaald doel zien tijdens alle vertrouwdheidsfasen van elke statistische leertaak.
- Doelprikkeltoewijzing voor elke taak
- In de beeld-, letter- en lettergreeptaken kiest u willekeurig een van de vier drieling en wijst u het doel toe aan de derde stimulus van de triplet. In de toontaak beperkt u de doelstimulus tot alleen de laagste of de hoogste tonen van de derde stimulus in de drieling en wijst u het doel toe aan de derde stimulus van de triplet. Dit wordt gedaan omdat toonstimuli relatief moeilijker te discrimineren zijn dan andere soorten stimuli.
- In de lettergreep en toon taken, laat de deelnemers kennis met een vreemdeling en de favoriete woord / noot in zijn buitenaardse taal / volksmuziek. Vertel de deelnemers dat ze zullen luisteren naar de taal / muziek van de vreemdeling en om te onthouden om de spatiebalk te drukken wanneer ze het favoriete woord / noot " horen door het verwijderen van de ruimte tussen / en nota.
- In de afbeelding taak, vertel de deelnemers om bij te houden van een speciale vreemdeling als een groep van vreemdelingen line-up om een ruimteschip in te voeren. In de brief taak, vertel de deelnemers bij te houden van favoriete teken van de vreemdeling als de vreemdeling houdt borden voor een parade. Geef deelnemers een praktijkproef in zowel de beeld- als de lettertaken.
- Geef geen expliciete instructies over de aanwezigheid van drieling.
- Meet de responstijd over de 24 proeven in de visuele taken en over de 48 proeven in de auditieve taken om online leren te beoordelen.
- Tijdens de testfase worden zowel een doel (opgenomen in de kennismakingsfase) als folie triplet (niet opgenomen in de kennismakingsfase) aan de deelnemer gepresenteerd. Instrueer deelnemers om vervolgens te kiezen welke van de twee meer lijkt op wat ze zagen of hoorden in de kennismakingsfase. Elke proef moet eindigen met een antwoord.
- Gedragsmetingen voor statistisch leren in het webgebaseerde protocol
- Meet het real-time leren tijdens de kennismakingsfase via de lineaire helling van de reactietijd (verandering in reactietijd gedurende de vertrouwdheidsfase).
- Om te worden beschouwd als een geldig antwoord op het doel, controleer of de toetsdruk moet worden in de tijd venster van een stimulus voor en een stimulus na de doelgroep stimulus. Dat is -480 ms tot +960 ms ten opzichte van het begin van het doel in de auditieve taken en -1000 ms tot +2000 ms in de visuele taken. Een toetsaandruk voorafgaand aan het doel wordt beschouwd als anticipatie en levert dus een negatieve reactietijd op.
- Als u reactietijden over omstandigheden wilt vergelijken, zet u de reactietijden van elke deelnemer voor elke taak om in z-scores. Dit normaliseert de reactietijden van een individu, zodat scores over taken kunnen worden vergeleken.
- Bereken een reactietijdhelling van elke deelnemer voor elke voorwaarde met behulp van lineaire regressie. Voer de z-normeerde reactietijden in als de afhankelijke variabele en de doelproefvolgorde als de onafhankelijke variabele (visueel: 1 tot 24; auditief: 1 tot 48). De helling van de lineaire regressielijn (Bètacoëfficiënt/Schatting) is de helling van de reactietijd (helling RT).
- Meet de offline nauwkeurigheid van elke deelnemer voor elke voorwaarde door het aantal juiste proeven van de testfase te delen door het totale aantal proeven (32 proeven).
4. Op taak gebaseerd fMRI-protocol
- Wijzigingen in het statistisch leerparadigma(figuur 2).
- Voor elke taak, presenteren zowel een gestructureerde volgorde (met statistische regelmaat) en een willekeurige volgorde (geen statistische regelmaat).
OPMERKING: Gestructureerde sequenties zijn identiek aan die beschreven voor het webgebaseerde protocol (zie figuur 1). Random sequenties bevatten daarentegen dezelfde 12 stimuli als in de gestructureerde sequenties, maar worden pseudo-willekeurig geordend. Geen combinaties van drie stimuli worden meer dan eens herhaald. - Verdeel elke reeks in zes kleinere blokken van gelijke lengte (24 stimuli voor de visuele taken en 48 stimuli voor de auditieve taken).
- Concatenate drie gestructureerde blokken, 3 willekeurige blokken, en 6 rustblokken (stilte met een leeg scherm) in een pseudorandom om vier runs van auditieve stimuli en vier runs van visuele stimuli te creëren. Om het leren van de gestructureerde sequenties te maximaliseren, moet u ervoor zorgen dat de willekeurige blokken in elke run een ander domein bevatten dan de gestructureerde reeks (bijvoorbeeld, lettergreep gestructureerde sequenties worden gepresenteerd samen met toon willekeurige sequenties in een run, en lettergreep willekeurige sequenties worden gepresenteerd samen met toon gestructureerde sequenties in een andere run).
- Neem 288 afbeeldingen op die in elke run moeten worden weergegeven voor de visuele taak die ongeveer 4,77 min duurt. Neem 576 geluiden op die moeten worden gepresenteerd in de auditieve taak die ongeveer 4,42 min duurt. Aan het begin van elk blok, presenteren een cue over het doel met een verbale en visuele sonde: "Nu luisteren / zoeken naar de [TARGET]".
- Onder de vier runs van de visuele taak, ervoor te zorgen dat twee gestructureerde sequenties van beelden bevatten en de andere twee bevatten gestructureerde sequenties van letters. Onder de vier runs van de auditieve taak, ervoor te zorgen dat twee gestructureerde sequenties van lettergrepen bevatten en de andere twee bevatten gestructureerde sequenties van tonen.
- Voor elke taak, presenteren zowel een gestructureerde volgorde (met statistische regelmaat) en een willekeurige volgorde (geen statistische regelmaat).
- fMRI statistische leerprocedure
- Om deelnemers, vooral kinderen, comfortabel te maken in de scanner, oefent u eerst de MRI-scansessie met een nepscanner31. Een mock scanner biedt een naturalistische ervaring vergelijkbaar met de werkelijke scansessie, maar is meestal gelegen in een meer kindvriendelijke omgeving.
- Introduceer het kind eerst in de nepscanner, d.w.z. de hersencamera, en zorg ervoor dat ze comfortabel zijn voordat ze in de scanner worden geplaatst.
- Laat ze kennismaken met hun "scan-buddy" en leg uit dat het doel van de scan buddy is om ze te houden begeleid en hen te helpen als ze iets nodig hebben. De scanmaat zal de deelnemer er voorzichtig aan herinneren stil te blijven als er te veel beweging wordt gedetecteerd door de "camera".
- Zodra ze in de scanner zitten, speel je kindvriendelijke video's om ze te helpen wennen aan het geluid en de video. Wanneer ze klaar zijn, speel een paar vooraf opgenomen scanner geluidsfragmenten om ze voor te bereiden op de geluiden die door de echte MRI. Gedurende deze tijd hebben ze de praktijk stil te blijven en het werken met de scan buddy.
- Laat kinderen kennismaken met het statistische leerparadigma en laat ze buiten de scanner oefenen. Dit wordt gedaan door kinderen een kort deel van de taak op een computer te laten uitvoeren, vergelijkbaar met het webprotocol door de hierboven genoemde stappen 3.2.2 en 3.2.3 uit te voeren.
OPMERKING: De oefenstimuli zijn dezelfde als die welke in de taak worden gebruikt; echter, kinderen worden alleen blootgesteld aan de willekeurige volgorde en niet de gestructureerde sequenties, waardoor voor een korte gewenning aan de stimuli en taak eisen zonder dat het leren van bepaalde sequenties. - Zorg ervoor dat het fMRI-protocol voor het verzamelen van gegevens op de juiste manier is ingesteld op de MRI-acquisitiecomputer.
OPMERKING: De acquisitieparameters volgen de aanbevelingen van de Adolescent Brain Cognitive Development (ABCD) Studie32. - Begin de scansessie met t1-gewogen scans met hoge resolutie. Verkrijg deze met behulp van een 176-delige 3D MPRAGE (Magnetisatie Voorbereid Rapid Gradient Echo) volumescan met TR (Herhalingstijd) = 2500 ms, TE (Echo Time) = 2,9 ms, flip angle = 8°, FOV (Field of View) = 25,6 cm, 256 X 256 matrixgrootte en 1 mm plakdikte. Deze overname zal 7,2 min duren.
- Gebruik T2*-gewogen echo-planaire beeldvorming met gelijktijdige multi-slice scans met TR= 800 ms, TE = 32 ms, flip angle = 61°, FOV = 21 cm en matrix = 64 x 64. In dit experiment worden 60 aangrenzende segmenten verkregen in een interleaved sequentie met een plakdikte van 2,5 mm, een FOV van 21 cm en een matrix van 64 x 64, wat resulteert in een resolutie van 2,5 mm x 2,5 mm x 2,5 mm.
- Laat de deelnemers comfortabel op het bed van de fMRI-scanner liggen met een hoofdtelefoon die hun oren beschermt tegen het scannergeluid en een responspad/knopdoos in hun hand (zowel hoofdtelefoon als knopkast moeten scanner compatibel zijn).
- Plaats extra vulling rond hun hoofd om een beperkte beweging van het hoofd te garanderen tijdens het verzamelen van gegevens. Geef de deelnemer van tevoren het knopreactievak om reacties op te nemen en tegenwicht te bieden, ongeacht of de linker- of rechterhand wordt gebruikt om op knoppen tussen deelnemers te drukken.
- Geef elk kind een optie van een scan buddy. Voor oudere, neurotypische kinderen die comfortabel zijn zonder een scan buddy, geef ze een knijpbal om de experimentator te informeren als ze verdrietig zijn of moeten stoppen. Geef jongere kinderen en speciale populaties een knijpbal, maar geef ze ook een scanmaatje om hen te helpen (beschreven in punt 4.2.3).
- Plaats de hoofdspoel over het hoofd van de deelnemer en lijn de positie van de patiënt in het bed uit.
- Op de aanwinstenabregistreer een nieuwe deelnemer. Voer hun deelnemers-ID, geboortedatum, gewicht en lengte in. De deelnemer kan nu in de boring van de MRI worden gestoken.
- Verkrijg T1-gewogen scan terwijl deelnemers een film laten zien.
- Voordat u begint met het statistische leerparadigma, geeft u de deelnemers de instructies van elke taak door met hen te spreken via een intercomsysteem dat is aangesloten op hun hoofdtelefoon.
- In de auditieve taken, vertel de deelnemers: "Nu gaan we een knop-drukken spel te spelen. Je hoort de aliens woorden zeggen en muziek spelen. Vergeet niet om op de knop in uw linker/ rechterhand te drukken wanneer u het geluid hoort waar u naar luistert. Er zullen 4 delen, en elk deel zal duren ongeveer 5 minuten."
- In de visuele taken, vertel de deelnemers: "Nu ga je de foto's van de vreemdelingen en de brieven te zien. Wanneer u de foto ziet die u zoekt, drukt u op de knop in uw linker/rechterhand. Je speelt dit 4 keer achter elkaar. Het duurt ongeveer 5 minuten per keer."
- Start het statistische leerparadigma op de presentatiecomputer en verwerf de fMRI-gegevens van de taak.
- Zodra de deelnemer het paradigma heeft voltooid, stop de MRI, verwijder ze veilig uit de scanner en verwijder de hoofdspoel.
- Na het verzamelen van gegevens, breng alle MRI-gegevens van de overname computer naar een beveiligde server voor verdere analyses.
- fMRI-gegevensanalyses
- Analyseer de reactietijd van de in-scanner tijdens de fMRI-taak op dezelfde manier als de webgebaseerde berekening van de reactietijd tijdens de vertrouwdheidsfase. Normaliseer de reactietijd om over omstandigheden te vergelijken en bereken een lineaire helling met behulp van de genormaliseerde reactietijd voor elke toestand van een individu.
- Bij het analyseren van de fMRI-gegevens u gegevens eerst ordenen en converteren naar de opmaak van De Gegevensstructuur33 (BIDS) van de hersenen en converteren met behulp van HeuDiConv34 (https://github.com/nipy/heudiconv).
- Deze gegevens vooraf verwerken met fMRIPrep35,36. Deze geautomatiseerde voorbewerkingspijplijn combineert methodologie van AFNI37,ANTs38,Freesurfer39,FSL40en Mindboggle41 om wetenschappelijk rigoureuze en reproduceerbare gegevens te verstrekken voor gebruik in data-analyse.
OPMERKING: De huidige studie implementeert een gemengd blok/gebeurtenisgerelateerd ontwerp. De representatieve resultaten (hieronder) behandelen elk miniblok als een gebeurtenis (bijvoorbeeld willekeurige volgorde is een gebeurtenis, gestructureerde volgorde is een gebeurtenis, enz.). Echter, de taak is ook zo ontworpen dat men elke stimulus kan modelleren als een gebeurtenis. - Neem twee taakregressors voor elke run ("afbeelding" en "letter" voor de visuele toestand, en "lettergreep" en "toon" voor de auditieve toestand) in het modelontwerp op het eerste niveau. Bepaal taakregressors door een vector van gebeurtenisverdenkuren met hun duur met een canonieke hemodynamic reactiefunctie samen te stellen. Bereken verschillen en middelen tussen runs binnen elk onderwerp voor modelontwerpen op een hoger niveau. Dit zal resulteren in een contrast tussen gestructureerde en willekeurige sequenties binnen elk type stimuli.
- Maak een groepsgem mean van activering voor gestructureerde blokken in vergelijking met willekeurige blokken binnen elke modaliteit/domein.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Webgebaseerde gedragsresultaten
Gezien het huidige protocol is ontworpen voor eenvoudige verspreiding met ontwikkelingspopulaties, hebben we voorlopige webresultaten opgenomen op basis van gegevens van 22 ontwikkelende schoolgaande kinderen (Gemiddelde (M) leeftijd = 9,3 jaar, Standaarddeviatie (SD) leeftijd = 2,04 jaar, bereik = 6,2-12,6 jaar, 13 meisjes). In de op het web gebaseerde statistische leertaak presteerden kinderen op alle omstandigheden aanzienlijk beter dan 0,5 kansniveau, wat duidt op succesvol statistisch leren op groepsniveau (zie tabel 1 voor statistieken; Figuur 3). De gemiddelde reactietijd helling was negatief en aanzienlijk onder 0 in de lettergreep conditie (M = -0,01, SD = 0,02, t(14) = -2,36, eenstaart p = .02) en marginaal significant in de lettervoorwaarde (M = -0,02, SD = 0,06, t(15) = -1,52, eenstaart p = .07, figuur 4), wat wijst op een snellere versnelling van de doeldetectie tijdens de vertrouwdheidsfase in de taaltaken. De gemiddelde reactietijd helling was niet significant verschillend van nul in de beeldvoorwaarde (M = 0.02, SD = 0.04, t(17) = 1,54, eenstaart p > .1) of de toonconditie (M = 0,005, SD = 0,02, t(15) = -5,7 x 10-17, eenzijdige p > .1), ondanks het bewijs van leren in de offline nauwkeurigheidsmaatstaven. Cronbach's alfa was 0,75 voor de taak Letter, 0,09 voor de lettergreeptaak, 0,67 voor de taak Toon en 0,86 voor de taak Afbeelding. Correlaties tussen impliciete metingen (RT-helling) en expliciete metingen (nauwkeurigheid) van statistisch leren identificeren een significant verband voor de taak Image (R = -.48, p = 0,04) en Lettertaak (R = -.54, p = 0,03). Inter-task correlaties suggereren verder dat de vier taken een bescheiden mate van overlappend leermechanisme kunnen hebben (figuur 5). Hoewel de nauwkeurigheid van beide visuele taken sterk gecorreleerd was (R = .60, p = 0,02), werden ze ook positief geassocieerd met nauwkeurigheid op de lettergreeptaak (afbeelding R = .66, p = 0,01; Letter R = .85, p < 0,001).
fMRI-resultaten
Voorlopige fMRI-resultaten waren gebaseerd op gegevens van negen ontwikkelende schoolgaande kinderen. Deze negen kinderen waren een subset van de 22 kinderen opgenomen in de web-based gedragsresultaten, als niet alle kinderen kwamen naar het lab om de fMRI gedeelte van de studie te voltooien. Alle negen voltooiden de auditieve statistische leertaken (M leeftijd = 10,77 jaar, SD = 1,96 jaar, bereik = 7,7-13,8 jaar, 4 meisjes) en zeven voltooiden de visuele statistische leertaken (M leeftijd = 11,41 jaar, SD = 2,37 jaar, bereik = 7,7-13,8 jaar, 4 meisjes). Bij het vergelijken van gestructureerde blokken met willekeurige blokken werden in alle vier de omstandigheden significante clusters waargenomen(figuur 6). In de lettergreep voorwaarde, grotere activering werd gevonden bij de linker superieure temporele gyrus, rechts insula / frontale operculum, en voorste cingulate gyrus. In de toontoestand werd een grotere activering gevonden bij de linker midden temporale gyri, bilaterale hoekige gyri, linker frontale pool, rechts laterale occipitale cortex, rechter insula, en rechts frontale operculum. In de lettervoorwaarde werd een grotere activering gevonden bij de linker planum tijdelijke. In de beeldconditie werd een grotere activering gevonden bij de rechter laterale occipitale cortex. Deze voorlopige bevindingen suggereren dat de neurale activeringspatronen van kinderen verschillen tussen het leren van statistische regelmatigheid, afhankelijk van de modaliteit en het domein van de gepresenteerde stimuli. Het huidige taakontwerp is gevoelig voor deze verschillen en kan taakspecifieke activeringsgebieden identificeren die vergelijkbaar zijn met eerdere studies20,25.
fMRI Gedragsresultaten
Om leren aan te tonen in het fMRI-gedeelte van deze studie, hebben we gedragsresultaten van 28 volwassenen (M-leeftijd = 20,8, SD = 3,53, 20 vrouwen) opgenomen, omdat de gegevens van 9 kinderen niet voldoende waren om betrouwbare statistieken te berekenen. Onze bevindingen bij volwassenen geven aan dat leren met succes heeft plaatsgevonden in alle taken voor de gestructureerde volgorde, ondersteund door een aanzienlijk snellere responstijd in de gestructureerde in vergelijking met de willekeurige toestand, behalve in het geval van de toontaak (zie tabel 2 voor statistieken).
Samen geven onze webgebaseerde nauwkeurigheidsmetingen en verhoogde activering voor gestructureerde versus willekeurige sequenties in de scanner aan dat dit protocol kan worden geïmplementeerd met ontwikkelingspopulaties om statistisch leren te meten tussen domeinen en modaliteiten binnen een individu. Onze gedrags-MRI resulteert in een volwassen bevolking verder nadruk op het nut van dit protocol in het meten van het leren van gestructureerde sequenties als het ontvouwt in real-time, evenals de mogelijkheid om de web-based en fMRI protocollen onafhankelijk te implementeren.
Figuur 1: Kennismakingsfase van alle vier de statistische leertaken. Voorbeelddriels in elke taak worden weergegeven in deze figuur. Elke visuele stimulus verscheen voor 800 ms met een 200 ms ISI, en elke auditieve stimulus werd gehoord voor 460 ms met een 20 ms ISI. Klik hier om een grotere versie van dit cijfer te bekijken.
Figuur 2: Aanpassing van de vertrouwdheid voor statistische leertaken van fMRI. De fMRI-taak was vergelijkbaar met de webgebaseerde vertrouwdheidsfase, maar introduceerde een willekeurige reeks die werd gecompenseerd tussen domeinen. Klik hier om een grotere versie van dit cijfer te bekijken.
Figuur 3: Gemiddelde nauwkeurigheid van statistisch leren (SL) in de webtaak in vergelijking met kansniveau. De resultaten geven aan dat personen die boven het toeval presteerden op alle vier de taken, ***one-tailed p < .001, ** < 0,01, * < 0,05. Klik hier om een grotere versie van dit cijfer te bekijken.
Figuur 4: Gemiddelde reactietijd helling in de web-based taak tegen nul. Een negatievere helling duidt op een snellere versnelling in de doeldetectie tijdens de vertrouwdheid. Doeldetectie aanzienlijk verbeterd in de loop van de blootstelling tijdens de lettergreep taak. †een staart p = .07, * < .05. Klik hier om een grotere versie van dit cijfer te bekijken.
Figuur 5: Correlaties tussen taken tussen taken op het web voor alle vier de statistische leertaken. (a)Niet-significante waarden bij een alfa van .05 worden weergegeven met een witte achtergrond. Alle vergelijkingen met een gekleurde achtergrond duiden op significante effecten. b) Steekproefgrootte voor elke paarsgewijze vergelijking. Klik hier om een grotere versie van dit cijfer te bekijken.
Figuur 6: Neurale activering op groepsniveau voor gestructureerde blokken in vergelijking met willekeurige blokken binnen elke modaliteit en domein. Significante clusters werden voor elke taak op voxel-niveau p < 0,001 en clusterniveau p < 0,05 voor. Horizontale segmenten zijn geselecteerd om het cluster met de maximale z-waarde weer te geven. De kleurbalk in de onderste, rechterhoek weerspiegelt dezelfde schaal voor alle percelen. Klik hier om een grotere versie van dit cijfer te bekijken.
| Voorwaarde | Bedoel | Standaarddeviatie | Eenstaart T-test |
| Afbeelding | 0.63 | 0.21 | t(17) = 2,64, p = .009 |
| Brief | 0.66 | 0.16 | t(15) = 3,98, p < .001 |
| Toon | 0.60 | 0.15 | t(16) = 2,83, p = .006 |
| Lettergreep | 0.55 | 0.1 | t(14) = 2,06, p = .03 |
Tabel 1: Nauwkeurigheid op het web op voorwaarde. Een-monster t-tests vertegenwoordigen groepsverschillen in vergelijking met 0,5 kans-niveau.
| Gestructureerde | Willekeurige | ||||
| Voorwaarde | Bedoel | Standaarddeviatie | Bedoel | Standaarddeviatie | Gekoppelde samples T-test |
| Afbeelding | 468.1 | 76.04 | 493.4 | 60.33 | t(27) = -2,01, p = .05 |
| Brief | 374.72 | 143.59 | 502.1 | 68.75 | t(27) = -4,97, p <.001 |
| Toon | 426.37 | 169.10 | 407.68 | 162.63 | t(26) = 0,67, p = .51* |
| Lettergreep | 589.3 | 180.95 | 679.9 | 55.99 | t(26) = -2,51, p = .02* |
| * Een onderwerp had te weinig druk op de knop om een waarde voor de toon of lettergreep taak te berekenen. | |||||
Tabel 2: MRI gedragsprestatieverschillen op willekeurige versus gestructureerde sequenties voor alle vier de taken bij volwassenen. Gepaarde-monsters t-tests vertegenwoordigen groepsverschillen in het leren van gestructureerde versus willekeurige sequenties.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
De methoden gepresenteerd in het huidige protocol bieden een multimodaal paradigma voor het begrijpen van de gedrags-en neurale indexen van statistische leren in de loop van de ontwikkeling. Het huidige ontwerp maakt het mogelijk om individuele verschillen in statistisch leervermogen tussen modaliteiten en domeinen te identificeren, die kunnen worden gebruikt voor toekomstig onderzoek naar de relatie tussen statistisch leren en taalontwikkeling. Aangezien het statistische leervermogen van een individu varieert tussen domeinen en modaliteiten6,,8,9,is het optimaal als deelnemers alle vier de taken uitvoeren. Bevindingen van typisch ontwikkelende kinderen en volwassenen geven aan dat de prestaties van een individu over statistische leerdomeinen/modaliteiten verschillend kunnen betrekking hebben op woordenschat4 en het lezen van5,6 resultaten. Daarom raden we aan om aanvullende maatregelen van cognitieve en taalvaardigheden te nemen om betrekking te hebben op de maatregelen van statistisch leren die in het huidige protocol worden genomen.
Uit onderzoek is gebleken dat deze statistische leertaken voor volwassenen8,42een redelijke interne consistentie en testhertest betrouwbaar zijn . Uit bezorgdheid over de betrouwbaarheid van de taak voor kinderenvan 42 jaar en een recente discussie over algemene meetkwesties9 blijkt echter dat er dringend behoefte is aan maatregelen voor statistisch leren, waarbij rekening wordt gehouden met de ontwikkelingskenmerken van kinderen. Hoewel ons vorige onderzoek, evenals de voorlopige gegevens van het huidige protocol, een hoge interne consistentie aangeeft voor de niet-linguïstische statistische leertaken bij kinderen van schoolgaande leeftijd tussen8en 16 jaar oud , bevestigde ons onderzoek ook een minder bevredigende taakbetrouwbaarheid, met name in auditief taalkundig statistisch leren dat vóór42jaar is gerapporteerd . De verschillen in interne samenhang tussen taken zijn bijzonder intrigerend in het licht van recente bevindingen over de impact van de eerdere taalkundige ervaringen van een leerling op de statistische leerresultaten18,43,44. Taal- en leesontwikkeling veranderen snel tijdens de schooljaren. De leerbaarheid van elke auditieve linguïstische triplet kan binnen elk kind aanzienlijk verschillen, afhankelijk van hun ontwikkelingsfase en de huidige taalvaardigheden. Het combineren van ons protocol met andere individuele verschilmaatregelen biedt een opwindende kans om het trapsgewijze effect tussen bestaande vaardigheden en het daaropvolgende leren te bestuderen dat ten grondslag ligt aan de heterogeniteit van statistische leerprestaties in de loop van de ontwikkeling.
Een belangrijk voordeel van het huidige ontwerp is in zijn nut voor het meten van statistisch leren via een online web-platform. Onderzoekers moeten zich bewust zijn van het volgende bij het overwegen van de nauwkeurigheid van de reactietijd metingen via een webbrowser. de Leeuw en Motz (2016)45 vonden de responstijden gemeten via een webbrowser waren ongeveer 25 ms langer dan die gemeten via andere standaard data presentatie software. Belangrijk is dat deze vertraging constant bleek te zijn in proeven. Omdat onze maatstaf voor real-time leren in de web-gebaseerde taken is de helling van verandering in reactietijd, de effecten van de vertraging in de reactietijd is geminimaliseerd met behulp van binnen-onderwerp vergelijkingen. de Leeuw (2015)30 heeft ook erkend dat de reactietijd gemeten via jsPsych kan worden beïnvloed door factoren zoals de verwerkingssnelheid van de computer of het aantal taken geladen op de achtergrond. Om deze effecten te minimaliseren, raden we aan de responstijd binnen elke individuele deelnemer te normaliseren voordat de responstijd helling30 wordt gecomputeriseerd.
Het huidige protocol, dat robuuste methoden biedt om grote variabiliteit in leergedrag tussen domeinen en modaliteiten aan te tonen, is ontworpen om individuele verschillen in statistisch leren te onderzoeken. Dit protocol is echter niet geschikt voor het onderzoeken van vragen zoals of visueel statistisch leren inherent gemakkelijker is dan auditief statistisch leren. De interpretatie van prestatieverschillen op groepsniveau tussen taken is moeilijk vanwege alle verstorende factoren die we niet kunnen beheersen, zoals stimuli familiarity14,43,46,47 , sensorische salience en verwerkingssnelheid28. Gerelateerd aan stimuli vertrouwdheid, is het goed ingeburgerd dat de eerdere ervaringen van een individu met de stimuli hun statistische leerprestaties kunnen beïnvloeden. Bovendien zijn de visuele en auditieve taken moeilijk direct te vergelijken vanwege verschillen in de salience van de stimuli en presentatiesnelheid in deze modaliteiten. Daarom zijn onze methoden ontworpen met het doel om individuele verschillen in statistisch leren te onderzoeken. Echter, met geavanceerde fMRI-analysebenaderingen is ons protocol geschikt voor het bestuderen van theoretische vragen over de aard van statistisch leren, bijvoorbeeld kunnen we ons afvragen welke hersennetwerken gevoelig zijn voor regelmatigheid in elk domein en hoe de patronen van neurale betrokkenheid verschillen/overlappen.
Het huidige protocol is ontwikkeld om kindvriendelijk en gemakkelijk toegankelijk te zijn om onderzoek in neurotypische en atypische populaties te maximaliseren. Tijdens de implementatie van dit protocol met jonge kinderen of mensen met ontwikkelingsstoornissen, een kritische stap is om pauzes te geven tussen elke SL taak om vermoeidheid te voorkomen. Elke voorwaarde van de web-based taken kunnen individueel worden verspreid om cognitieve eisen te verlichten. Voorafgaand aan het scannen, de mock scanner kan worden gebruikt om angst voor kinderen en het hoofd beweging ter voorbereiding van de echte fMRI taak te verminderen. Een bijkomend probleem onderzoeker moet zich bewust zijn van betrekking tot een algemene zorg bij het uitvoeren van een neuroimaging studie: beweging. Een rotatiekopbeweging van slechts 0,3 mm kan artefacten manifesteren. In een poging om de kans op bewegingsartefacten te minimaliseren, heeft het huidige protocol elke run beperkt tot minder dan 5 minuten48. Deelnemers moeten worden aangemoedigd om stil te blijven tijdens elke 5 minuten lopen, maar toegestaan om te bewegen of rekken tussen runs om beweging te verminderen tijdens de werkelijke scannen. We raden ook rigoureuze gegevensanalysetechnieken aan om bewegingsgerelateerde artefacten op de fMRI-gegevens49te corrigeren.
Gezien de cruciale bijdrage van het statistische leervermogen bij latere taalverwerving, is het noodzakelijk om uitgebreidere en betrouwbaardere maatregelen te ontwikkelen die zowel real-time als offline leren van statistische regelmatigheid beoordelen. Het huidige voorstel is een eerste stap in de richting van het afbakenen van de manier waarop individuele verschillen in statistisch leervermogen op basis van domein/modaliteit kunnen verantwoordelijk zijn voor variaties in latere taalresultaten.
Het huidige protocol, dat robuuste methoden biedt om grote variabiliteit in leergedrag tussen domeinen en modaliteiten aan te tonen, is ontworpen om individuele verschillen in statistisch leren te onderzoeken. Dit protocol is echter niet geschikt voor het onderzoeken van vragen zoals of visueel statistisch leren inherent gemakkelijker is dan auditief statistisch leren. De interpretatie van prestatieverschillen op groepsniveau tussen taken is moeilijk vanwege alle verstorende factoren die we niet kunnen
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs hebben niets te onthullen.
Acknowledgments
Wij danken Yoel Sanchez Araujo en Wendy Georgan voor hun bijdrage aan het oorspronkelijke ontwerp van het webgebaseerde platform. Wij danken An Nguyen en Violet Kozloff voor hun werk aan het verbeteren van de web-based statistische leertaken, het uitvoeren van de fMRI-taken en het besturen van de taken bij volwassen deelnemers. Wij danken Violet Kozloff en Parker Robbins voor hun bijdrage aan het bijstaan van het verzamelen van gegevens bij kinderen. Wij danken Ibrahim Malik, John Christopher, Trevor Wigal, en Keith Schneider in het Center for Biological and Brain Imaging aan de Universiteit van Delaware voor hun hulp bij neuroimaging data verzameling. Dit werk wordt deels gefinancierd door het Nationaal Instituut voor Doofheid en andere communicatiestoornissen (PI: Qi; NIH 1R21DC017576) en de National Science Foundation Directoraat sociale, gedrags- en economische wetenschappen (PI: Schneider, Co-PI: Qi & Golinkoff; NSF 1911462).
Materials
| Name | Company | Catalog Number | Comments |
| 4 Button Inline Response Device | Cambridge Research Systems | SKU: N1348 | An fMRI reponse pad used for measuring in-scanner response time |
| Short/Slim Canal Tips | Comply Foam | SKU: 40-15028-11 | Short & slim in-ear canal tips are recommended for children to protect hearing and allow for them to hear the stimuli while in the scanner. |
| jsPsych | jsPsych | https://www.jspsych.org/ | jsPsych is a JavaScript library for running behavioral experiments in a web browser. |
| Speech Synthesizer | Praat | Version 6.1.14 | This program is an artificial speech synthesizer which was used to create the syllable stimuli. |
| Web-based statistical learning tasks | Zenodo | http://doi.org/10.5281/zenodo.3820620 (2020). | All web-based statistical learning tasks are available for free access on Zenodo. |
References
- Saffran, J. R., Newport, L. L., Aslin, R. N. Word Segmentation: The Role of Distributional Cues. Journal of Memory and Language. 35, 606-621 (1996).
- Newman, R., Ratner, N. B., Jusczyk, A. M., Jusczyk, P. W., Dow, K. A. Infants' early ability to segment the conversational speech signal predicts later language development: A retrospective analysis. Developmental Psychology. 42 (4), 643-655 (2006).
- Graf Estes, K., Gluck, S. C. W., Grimm, K. J. Finding patterns and learning words: Infant phonotactic knowledge is associated with vocabulary size. Journal of Experimental Child Psychology. 146, 34-49 (2016).
- Evans, J. L., Saffran, J. R., Robe-Torres, K. Statistical Learning in Children With Specific Language Impairment. Journal of Speech, Language, and Hearing Research. 52 (2), 321-335 (2009).
- Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
- Qi, Z., Sanchez Araujo, Y., Georgan, W. C., Gabrieli, J. D. E., Arciuli, J. Hearing Matters More Than Seeing: A Cross-Modality Study of Statistical Learning and Reading Ability. Scientific Studies of Reading. 23 (1), 101-115 (2019).
- Walenski, M., Tager-Flusberg, H. B., Ullman, M. T. Language in autism. Understanding autism: From Basic Neuroscience to Treatment. Moldin, S. O., Rubenstein, J. L. R. , Taylor and Francis Books. Boca Raton. 175-203 (2006).
- Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
- Erickson, L. C., Kaschak, M. P., Thiessen, E. D., Berry, C. A. S. Individual Differences in Statistical Learning: Conceptual and Measurement Issues. Collabra. 2 (1), 14 (2016).
- Shufaniya, A., Arnon, I. Statistical Learning Is Not Age-Invariant During Childhood: Performance Improves With Age Across Modality. Cognitive Science. 42 (8), 3100-3115 (2018).
- Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
- Conway, C. M., Christiansen, M. H. Statistical learning within and between modalities: Pitting abstract against stimulus-specific representations. Psychological Science. 17 (10), 905-912 (2006).
- Saffran, J. R., Johnson, E. K., Aslin, R. N., Newport, E. L. Statistical learning of tone sequences by human infants and adults. Cognition. 70 (1), 27-52 (1999).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- Armstrong, B. C., Frost, R., Christiansen, M. H. The long road of statistical learning research: past, present and future. Philosophical Transactions of the Royal Society B: Biological Sciences. 372 (1711), 20160047 (2017).
- Siegelman, N., Bogaerts, L., Christiansen, M. H., Frost, R. Towards a theory of individual differences in statistical learning. Transactions of the Royal Society B. 372 (1711), 20160059 (2017).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- Plante, E., Patterson, D., Dailey, N. S., Kyle, R. A., Fridriksson, J. Dynamic changes in network activations characterize early learning of a natural language. Neuropsychologia. 62 (1), 77-86 (2014).
- Milne, A. E., Wilson, B., Christiansen, M. H., Petkov, C., Marslen-Wilson, W. Structured sequence learning across sensory modalities in humans and nonhuman primates This review comes from a themed issue on The evolution of language. Current Opinion in Behavioral Sciences. 21, 39-48 (2018).
- Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
- McNealy, K., Mazziotta, J. C., Dapretto, M. Age and experience shape developmental changes in the neural basis of language-related learning. Developmental Science. 14 (6), 1261-1282 (2011).
- Karuza, E. A., Emberson, L. L., Aslin, R. N. Combining fMRI and behavioral measures to examine the process of human learning. Neurobiology of Learning and Memory. 109, 193-206 (2014).
- Petersen, S. E., Dubis, J. W.
- Batterink, L. J., Paller, K. A., Reber, P. J. Understanding the Neural Bases of Implicit and Statistical Learning. Topics in Cognitive Science. 11, 482-503 (2019).
- Boersma, P., Weenink, D. Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
- Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
- Conway, C. M., Christiansen, M. H. Seeing and hearing in space and time: Effects of modality and presentation rate on implicit statistical learning. European Journal of Cognitive Psychology. 21 (4), 561-580 (2009).
- Emberson, L. L., Conway, C. M., Christiansen, M. H. Timing is everything: Changes in presentation rate have opposite effects on auditory and visual implicit statistical learning. Quarterly Journal of Experimental Psychology. 64 (5), 1021-1040 (2011).
- de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
- Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
- Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
- Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3 (1), 1-9 (2016).
- Halchenko, Y. nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
- Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
- Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
- Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
- Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 1 Suppl 173-186 (2009).
- Klein, A., et al.
- Arnon, I. Do current statistical learning tasks capture stable individual differences in children? An investigation of task reliability across modality. Behavior Research Methods. 52 (1), 68-81 (2020).
- Finn, A. S., Hudson Kam, C. L. The curse of knowledge: First language knowledge impairs adult learners' use of novel statistics for word segmentation. Cognition. 108 (2), 477-499 (2008).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
- De Leeuw, J. R., Motz, B. A. Psychophysics in a Web browser? Comparing response times collected with JavaScript and Psychophysics Toolbox in a visual search task. Behavior Research Methods. 48, 1-12 (2016).
- Lew-Williams, C., Saffran, J. R. All words are not created equal: Expectations about word length guide infant statistical learning. Cognition. 122 (2), 241-246 (2012).
- Poulin-Charronnat, B., Perruchet, P., Tillmann, B., Peereman, R. Familiar units prevail over statistical cues in word segmentation. Psychological Research. 81 (5), 990-1003 (2017).
- Leonard, J., Flournoy, J., Lewis-de los Angeles, C. P., Whitaker, K. How much motion is too much motion? Determining motion thresholds by sample size for reproducibility in developmental resting-state MRI. Research Ideas and Outcomes. 3, 12569 (2017).
- Power, J. D., et al. Ridding fMRI data of motion-related influences: Removal of signals with distinct spatial and physical bases in multiecho data. Proceedings of the National Academy of Sciences of the United States of America. 115 (9), 2105-2114 (2018).
