Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Misurazione dell'apprendimento statistico tra modalità e domini nei bambini in età scolare tramite una piattaforma online e tecniche di neuroimaging

Published: June 30, 2020 doi: 10.3791/61474
Automatic Translation
1, 1, 1, 1
1Department of Linguistics and Cognitive Science, University of Delaware

Summary

Qui è presentato un protocollo che introduce una serie di compiti di apprendimento statistico a misura di bambino orientati all'esame dell'apprendimento dei modelli statistici temporali da parte dei bambini attraverso i domini e le modalità sensoriali. Le attività sviluppate raccolgono dati comportamentali utilizzando la piattaforma basata sul web e i dati fMRI (Functional Magnetic Resonance imaging) basati su attività per esaminare il coinvolgimento neurale durante l'apprendimento statistico.

Abstract

L'apprendimento statistico, una competenza fondamentale per estrarre regolarità nell'ambiente, è spesso considerato un meccanismo di supporto fondamentale del primo sviluppo linguistico. Mentre molti studi di apprendimento statistico sono condotti all'interno di un singolo dominio o modalità, prove recenti suggeriscono che questa abilità può differire in base al contesto in cui sono presentati gli stimoli. Inoltre, pochi studi studiano l'apprendimento mentre si svolge in tempo reale, piuttosto concentrandosi sul risultato dell'apprendimento. In questo protocollo viene descritto un approccio per identificare la base cognitiva e neurale dell'apprendimento statistico, all'interno di un individuo, tra domini (linguistici e non linguistici) e modalità sensoriali (visive e udibili). I compiti sono progettati per lanciare il meno domanda cognitiva possibile sui partecipanti, rendendolo ideale per i bambini in età scolari e le popolazioni speciali. La natura basata sul web dei compiti comportamentali offre un'opportunità unica per raggiungere popolazioni più rappresentative a livello nazionale, per stimare le dimensioni degli effetti con maggiore precisione e per contribuire alla ricerca aperta e riproducibile. Le misure neurali fornite dall'attività di risonanza magnetica funzionale (fMRI) possono informare i ricercatori sui meccanismi neurali impegnati durante l'apprendimento statistico e su come questi possono differire tra gli individui in base al dominio o alla modalità. Infine, entrambe le attività consentono la misurazione dell'apprendimento in tempo reale, poiché i cambiamenti nel tempo di reazione a uno stimolo target vengono monitorati nel periodo di esposizione. La limitazione principale dell'utilizzo di questo protocollo riguarda la durata dell'esperimento della durata dell'ora. I bambini potrebbero aver bisogno di completare tutte e quattro le attività di apprendimento statistico in più sedute. Pertanto, la piattaforma basata sul Web è progettata con questa limitazione in mente in modo che le attività possono essere diffuse singolarmente. Questa metodologia consentirà agli utenti di studiare come il processo di apprendimento statistico si sviluppa in tutto e all'interno di domini e modalità in bambini provenienti da diversi contesti di sviluppo.

Introduction

L'apprendimento statistico è una competenza elementare a sostegno dell'acquisizione di combinazioni governate dalle regole negli input linguistici1. La capacità di apprendimento statistico di successo nei neonati prevede il successo dell'apprendimentolinguistico successivo 2,3. La variabilità nelle capacità di apprendimento statistico nei bambini in età scolata è stata associata anche alvocabolario 4 e allalettura 5,6. La difficoltà nell'apprendimento statistico è stata proposta come un meccanismo eziologico alla base della compromissionelinguistica 7. Nonostante l'associazione tra l'apprendimento statistico e i risultati linguistici in popolazioni neurotipiche e atipiche, i meccanismi cognitivi e neurali alla base dell'apprendimento statistico rimangono poco compresi. Inoltre, la letteratura precedente ha rivelato che, all'interno di un individuo, la capacità di apprendimento statistico non èuniforme,ma indipendente tra dominie modalità 6,8,9. La traiettoria di sviluppo delle capacità di apprendimento statistico può variare ulteriormente a seconda dei domini e delle modalità10. Questi risultati sottolineano l'importanza di valutare le differenze individuali nell'apprendimento statistico tra più attività nel corso dello sviluppo. Tuttavia, il campo richiede innanzitutto un'indagine più sistematica del rapporto tra l'apprendimento statistico e il primo sviluppo linguistico. Per rispondere a queste domande, applichiamo metodi innovativi, tra cui una piattaforma di test basata sul web11 che raggiunge un gran numero di bambini e tecniche di neuroimaging basate su laboratorio (risonanza magnetica funzionale o fMRI) che esaminano la codifica in tempo reale delle informazioni statistiche.

Le misure standard dell'apprendimento statistico iniziano con una fase di familiarizzazione e sono seguite da un'attività12,13. La fase di familiarizzazione introduce un flusso continuo di stimoli incorporato con regolarità statistiche, dove alcuni stimoli hanno maggiori probabilità di co-verificarsi rispetto ad altri. La presentazione di questi stimoli co-avvenuti segue un ordine temporale fisso. I partecipanti sono esposti passivamente al flusso durante la fase di familiarizzazione, seguiti da un'attività 2-AFC che verifica se il partecipante ha estratto correttamente i modelli. L'attività di precisione 2-AFC presenta due sequenze consecutive: una sequenza è stata presentata al partecipante durante la fase di familiarizzazione, mentre l'altra è una sequenza nuova o contiene parte della sequenza. La precisione al di sopra delle probabilità sul 2-AFC indicherebbe un apprendimento di successo a livello di gruppo. I compiti comportamentali tradizionali che valutano l'apprendimento statistico in genere si basano sull'accuratezza come misura del risultato dell'apprendimento. Tuttavia, la precisione non riesce a tenere conto dell'apprendimento naturale delle informazioni mentre si svolge nel tempo. Una misura dell'apprendimento in tempo reale è necessaria per attingere al processo di apprendimento implicito dell'apprendimento statistico durante il quale i bambini codificano ancora le regolarità dagli input14,15,16. Sono stati sviluppati vari adattamenti tra i paradigmi nel tentativo di allontanarsi dalla misura 2-AFC, verso misure di apprendimento on-line attraverso risposte comportamentali durante l'esposizione16. Gli studi che utilizzano questi adattamenti che misurano il tempo di reazione durante la fase di esposizione hanno scoperto che erano correlati all'accuratezza post-apprendimento17 con una migliore affidabilità test-testst rispetto a quella della precisione negli studenti adulti18.

Le misure neurali sono anche fondamentali per la nostra comprensione di come l'apprendimento si svolge nel tempo, poiché il processo implicito attraverso il quale si verifica l'apprendimento delle lingue probabilmente recluta risorse neurali diverse da quelle utilizzate una volta che la lingua vieneappresa 19. Le misure neurali forniscono anche informazioni sulle differenze nelle specializzazioni cognitive alla base della capacità linguistica tra le popolazionispeciali 20. Il modo in cui il contrasto delle condizioni è progettato in uno studio fMRI è fondamentale per il modo in cui interpretiamo i modelli di attivazione neurale durante l'apprendimento. Una pratica comune è quella di confrontare le risposte cerebrali durante la fase di familiarizzazione tra sequenze contenenti modelli regolari rispetto a quelli contenenti gli stessi stimoli che vengono ordinati in modo casuale. Tuttavia, ricerche precedenti che implementano tale condizione di controllo casuale non hanno trovato alcuna prova per l'apprendimento nel comportamento, nonostante le differenze neurali tra sequenze strutturate e casuali. Ciò potrebbe essere dovuto all'interferenza di sequenze casuali sull'apprendimento di sequenze strutturate, in quanto entrambe sono state costruite dagli stessistimoli 21,22. Altri studi fMRI che hanno utilizzato il discorso all'indietro o blocchi di apprendimento precedenti come la condizione di controllo confermato apprendimento ha avutoluogo comportamentale 19,23. Tuttavia, ciascuno di questi paradigmi ha introdotto il proprio fattore di confusione, come l'effetto dell'elaborazione del linguaggio per il primo caso e l'effetto dell'ordine sperimentale per il secondo caso. Il nostro paradigma utilizza la sequenza casuale come condizione di controllo, ma mitiga la loro interferenza sull'apprendimento delle sequenze strutturate da parte dei partecipanti. Il nostro paradigma fMRI implementa anche una progettazione mista di blocchi/eventi, che consente la modellazione simultanea di segnali BOLD relativi alle sperimentate transitorie eprolungati. Infine, e più in generale, le misure neurali consentono di misurazione dell'apprendimento nelle popolazioni in cui suscitare una risposta comportamentale esplicita può essere difficile (ad esempio, popolazioni dello sviluppo e speciali)25.

L'attuale protocollo adotta una misura del tempo di risposta, oltre alle misure di precisione tradizionali, ed esamina l'attivazione del cervello durante la fase di familiarizzazione. La combinazione di questi metodi mira a fornire un set di dati completo per l'analisi dei processi di apprendimento in tempo reale. La piattaforma basata sul web offre una serie di misure di apprendimento includendo sia il tempo di risposta durante la fase di esposizione che l'accuratezza dell'attività 2-AFC durante la fase di test. Il protocollo di neuroimaging consente lo studio dei meccanismi neurali sottostanti che supportano l'apprendimento statistico tra domini e modalità. Mentre è ottimale misurare l'apprendimento statistico all'interno di un individuo utilizzando sia i protocolli basati sul web che i protocolli fMRI, i compiti sono progettati in modo che possano essere diffusi in modo indipendente e quindi come due misure indipendenti dell'apprendimento statistico. Gli esperimenti fMRI inclusi nell'attuale protocollo possono aiutare a chiarire come la codifica degli stimoli, l'estrazione dei modelli e altri componenti costitutivi dell'apprendimento statistico siano rappresentati da particolari regioni e reti cerebrali.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Tutti i partecipanti hanno dato il consenso scritto a partecipare e lo studio è stato condotto in conformità con l'Institutional Review Board.

1. Panoramica del paradigma di apprendimento statistico utilizzato nel protocollo basato sul web

  1. Includere quattro attività nel paradigma corrente: immagine (visual-nonlinguistic), lettera (visual-linguistic), tono (uditivo-nonlinguistico) e sillaba (uditivo-linguistico).
    1. Costruisci stimoli per attività visive utilizzando 12 immagini di cartoni animati alieni autonomi (immagine) e immagini di 12 lettere (lettera; B, J, K, A, H, C, F, E, J, G, D, M) che mostra lo stesso alieno che regge 12 segni con lettere maiuscole scritte su di loro.
    2. Costruire stimoli uditivi utilizzando 12 sillabe inglesi (sillaba; pi,pu,pa,ti,tu.ta,di,du,da,bi,bu,ba) e 12 toni musicali all'interno della stessa ottava (tono; F,G,D,G,C,B,C,F,D,E,A,A.). Gli stimoli sillabati possono essere fatti utilizzando un sintetizzatore vocale artificiale e possono essere registrati come file separati in Praat26,27.
  2. Nella fase di familiarizzazione, presentare gli stimoli in un flusso strutturato (vedere la Figura 1). Il feedback non viene fornito in alcun momento durante la fase di familiarizzazione o test.
    NOTA: all'interno di ogni attività, una fase di familiarizzazione è immediatamente seguita da una fase di test.
    1. Per l'attività Image (nonlinguistica visiva), strutturare 12 immagini in quattro triplette di destinazione. Nella fase di familiarizzazione, ripetere ciascuna delle quattro triplette bersaglio 24 volte per un totale di 96 triplette.
      NOTA: le 96 triplette vengono concatenate casualmente in un flusso continuo, con il vincolo che nessuna tripletta può essere ripetuta immediatamente. Le immagini vengono presentate una alla volta al centro dello schermo. Ogni immagine viene presentata per 800 ms con 200 ms di intervallo inter-stimolo. L'intera fase di familiarizzazione durerà per 4 min 48 s.
    2. Assicurarsi che la fase di test segua sempre la fase di familiarizzazione ed è composta da 32 domande a scelta forzata (2AFC) a due alternative. Per ogni domanda, includere 2 opzioni: una tripletta bersaglio dalla fase di familiarizzazione e una tripletta che non è stato incluso nella fase di familiarizzazione, indicato come una tripletta di lamina.
      NOTA: le triplette foil sono costruite in modo che la posizione relativa di ogni immagine nella tripletta della lamina sia la stessa della tripletta bersaglio. Ogni coppia bersaglio e lamina viene presentata 8 volte in totale in un test, e ogni coppia di lamina-bersaglio viene ripetuta. La fase di test è composta da 32 (4 triplette bersaglio x 4 triplete di lamina x 2 ripetizioni) prove ordinate in modo casuale.
    3. Per l'attività lettera (visual-linguistic) includere 12 immagini di lettere maiuscole organizzate in quattro triplette di destinazione (GJA, FKC, LBE e MDH).  Per la fase di test, creare 4 triplette foil (GDE, FJH, LKA e MBC) e accoppiarle con le triplette bersaglio per formare le 32 prove di prova 2AFC. Nessuna tripletta di lettere può contenere parole, acronimi comuni o inizialismi.
    4. Per l'attività tono (non idrantio-nonlinguistico) includere 12 toni puri musicali all'interno della stessa ottava (una scala cromatica completa a partire dal centro C) e concatenarli in quattro triplette di destinazione (F, DE, ABC, C' F e GD. A differenza delle attività visive, la velocità di presentazione è più veloce a causa delle differenze nella preferenza percettiva6,28,29.
      NOTA: Ognuna delle quattro triplette bersaglio viene ripetuta 48 volte per un totale di 192 terzine (il doppio rispetto alle condizioni visive). Tutte le triplette vengono concatenate in un flusso sonoro senza che la tripletta venga ripetuta due volte di seguito. I toni puri vengono presentati uno alla volta mentre i partecipanti visualizzano una schermata vuota. La durata di ogni tono è di 460 ms con un intervallo inter-stimolo di 20 ms. L'intero flusso dura circa 4 min e 36 s. Come nelle attività visive, una fase di test di 32 prove 2AFC con coppie di triplette di destinazione e foil (F, AA, G, C, GDC) segue immediatamente la fase di familiarizzazione.
    5. Per l'attività sillaba (uditivo-linguistica) utilizzare 12 sillabe vocalizza consonante (CV) create e raggruppate in quattro triplette target (pa-bi-ku, go-la-tu, da-ro-pi e ti-bu-do). La durata di ogni sillaba e l'intervallo inter-stimolo è la stessa della condizione del tono. Abbina quattro triplette foil (pa-ro-do, go-bu-ku, da-bi-tu e ti-la-pi) con le triplette bersaglio nella fase di test.
  3. Randomizzare l'ordine delle quattro attività di apprendimento statistico tra i partecipanti.

2. Assunzione di partecipanti

NOTA: mentre il protocollo basato sul Web e il protocollo fMRI sono meglio implementati insieme all'interno di un singolo partecipante, qui viene descritta in modo indipendente le procedure consigliate per il reclutamento dei partecipanti per ogni attività.

  1. Reclutamento di partecipanti basati sul Web
    1. Recluta i partecipanti dai 6 anni in su. I partecipanti di qualsiasi sesso, razza ed etnia possono partecipare; tuttavia, il campione di studio dovrebbe essere rappresentativo della popolazione.
    2. Recluta i partecipanti che sono madrelingua inglese e sono stati esposti a nessuna lingua oltre all'inglese prima dei 5 anni.
    3. Assicurarsi che non riportano nessun psicologico noto (tra cui ADD, depressione, PTSD, e ansia clinica) e / o condizione neurologica (compreso ictus, convulsioni, tumore al cervello, o lesioni alla testa chiuse).
    4. Assicurarsi che i partecipanti abbiano una visione normale o corretta alla normale (occhiali o contatti sono a posto), visione del colore normale e udito normale (nessun apparecchio acustico o dispositivi di impianto cocleare).
  2. Assunzione di partecipanti fMRI basata su attività
    1. Recluta i partecipanti dai 6 anni in su. I partecipanti di qualsiasi sesso, razza ed etnia possono partecipare; tuttavia, il campione di studio dovrebbe essere rappresentativo della popolazione.
    2. Per essere idoneo, reclutare partecipanti che sono madrelingua inglese e non sono mai stati esposti a qualsiasi lingua oltre all'inglese prima dell'età di 5 anni.
    3. Reclutare individui destrorsi, senza aggiunta, depressione, PTSD e ansia clinica) e condizione neurologica (compreso ictus, convulsioni, tumore al cervello o lesioni alla testa chiuse).
    4. Escludere i partecipanti che sono in gravidanza, claustrofobico, assunzione di farmaci psicoattivi, o hanno qualsiasi metallo nel corpo (compresi pacemaker, impianti neurali, piastre metalliche o articolazioni, schegge, e graffette chirurgiche).
    5. Assicurarsi che i partecipanti abbiano una visione normale o corretta alla normale (occhiali o contatti sono a posto), visione del colore normale e udito normale (nessun apparecchio acustico o dispositivi di impianto cocleare).
    6. Determinare l'idoneità a partecipare alla risonanza magnetica facendo in modo che i partecipanti (o i genitori se il partecipante è minorenne) completino un modulo di screening di sicurezza per la risonanza magnetica.

3. Protocollo basato sul Web

NOTA: il paradigma di apprendimento statistico basato sul Web è ospitato su un sito web sicuro (https://www.cogscigame.co11) e sviluppato utilizzando jsPsych, una libreria JavaScript per la creazione di esperimenti comportamentali online30.

  1. Per riprodurre le attività, passare a DOI: 10.5281/zenodo.3820620. Tutti gli script e i materiali sono disponibili pubblicamente. I ricercatori possono modificare gli script ed eseguire gli esperimenti localmente su qualsiasi browser web, purché tutti i percorsi per i file di output siano impostati in modo appropriato.
  2. Fare in modo che i partecipanti completino un'attività di copertura in cui viene detto loro di premere un pulsante quando vedono un determinato obiettivo durante tutte le fasi di familiarizzazione di ogni attività di apprendimento statistico.
  3. Assegnazione di stimolo di destinazione per ogni attività
    1. Nell'immagine, lettera e sillaba compiti, scegliere casualmente una delle quattro terzine e assegnare il bersaglio al terzo stimolo della tripletta. Nel compito tono, vincolare lo stimolo obiettivo solo ai toni più bassi o più alti del terzo stimolo nelle triplette e assegnare l'obiettivo al terzo stimolo della tripletta. Questo viene fatto perché gli stimoli tono sono relativamente più difficili da discriminare rispetto ad altri tipi di stimoli.
    2. Nei compiti di sillaba e tono, introdurre i partecipanti a un alieno e la parola / nota preferita nella sua lingua aliena / musica popolare. Dite ai partecipanti che ascolteranno la lingua/ musica dell'alieno e ricordatevi di premere la barra spaziatrice ogni volta che sentono la parola/nota preferita" eliminando lo spazio tra / e nota.
    3. Nel compito immagine, dire ai partecipanti di tenere traccia di un alieno speciale come un gruppo di alieni in fila per entrare in un'astronave. Nel compito lettera, dire ai partecipanti di tenere traccia del segno preferito dell'alieno come l'alieno tiene i segni per una parata. Dare ai partecipanti una prova di pratica sia nelle attività di immagine che in quella lettera.
    4. Non fornire istruzioni esplicite sulla presenza di terzine.
    5. Misurare il tempo di risposta nelle 24 prove nelle attività visive e nel corso delle 48 prove nelle attività uditivo per valutare l'apprendimento online.
    6. Durante la fase di test, sia un obiettivo (incluso nella fase di familiarizzazione) che una tripletta foil (non inclusa nella fase di familiarizzazione) vengono presentati al partecipante. Istruire i partecipanti a scegliere quale dei due è più simile a quello che hanno visto o sentito nella fase di familiarizzazione. Ogni prova deve terminare con una risposta.
  4. Misure comportamentali dell'apprendimento statistico nel protocollo basato sul web
    1. Misurare l'apprendimento in tempo reale durante la fase di familiarizzazione attraverso la pendenza lineare del tempo di reazione (cambiamento del tempo di reazione durante la fase di familiarizzazione).
    2. Per essere considerata una risposta valida all'obiettivo, verificare che la pressione del tasto debba essere nella finestra di tempo di uno stimolo prima e di uno stimolo dopo lo stimolo obiettivo. Si tratta di -480 ms a 960 ms rispetto all'inizio della destinazione nelle attività uditiva e da -1000 ms a 2000 ms nelle attività visive. Una pressione chiave prima dell'obiettivo è considerata come anticipazione e quindi produce un tempo di reazione negativo.
    3. Per confrontare i tempi di reazione tra le condizioni, trasforma i tempi di reazione di ogni partecipante per ogni attività in punteggi z. Questo normalizza i tempi di reazione di un individuo in modo che i punteggi tra le attività possono essere confrontati.
    4. Calcolare una pendenza del tempo di reazione di ogni partecipante per ogni condizione utilizzando la regressione lineare. Immettere i tempi di reazione z-normad come variabile dipendente e l'ordine di prova di destinazione come variabile indipendente (visualizzazione: da 1 a 24; uditiva: da 1 a 48). La pendenza della retta di regressione lineare (beta coefficiente/stima) è la pendenza del tempo di reazione (pendenza RT).
    5. Misurare l'accuratezza offline di ogni partecipante per ogni condizione dividendo il numero di prove corrette dalla fase di test per il numero totale di prove (32 prove).

4. Protocollo fMRI basato su attività

  1. Modifiche al paradigma di apprendimento statistico (Figura 2).
    1. Per ogni attività, presentare sia una sequenza strutturata (contenente regolarità statistiche) che una sequenza casuale (nessuna regolarità statistica).
      NOTA: le sequenze strutturate sono identiche a quelle descritte per il protocollo basato sul Web (vedere la Figura 1). Al contrario, le sequenze casuali contengono gli stessi 12 stimoli presentati nelle sequenze strutturate, ma sono ordinate pseudo-casuali. Nessuna combinazione di tre stimoli si ripete più di una volta.
    2. Dividere ogni sequenza in sei blocchi più piccoli di uguale lunghezza (24 stimoli per i compiti visivi e 48 stimoli per i compiti uditivi).
    3. Concatenare tre blocchi strutturati, 3 blocchi casuali e 6 blocchi di riposo (silenzio con uno schermo vuoto) in un ordine pseudorandom per creare quattro serie di stimoli uditivi e quattro esecuzioni di stimoli visivi. Per massimizzare l'apprendimento delle sequenze strutturate, assicurarsi che i blocchi casuali in ogni esecuzione contengano un dominio diverso dalla sequenza strutturata (ad esempio, le sequenze strutturate sillabate sono presentate insieme a sequenze casuali tono in una sola esecuzione e le sequenze casuali sillabe sono presentate insieme a sequenze strutturate tono in un'altra esecuzione).
    4. Includere 288 immagini da presentare in ogni esecuzione per l'attività visiva della durata di circa 4,77 min. Includere 576 suoni da presentare nell'attività uditiva che dura circa 4,42 min. All'inizio di ogni blocco, presentare un segnale sul bersaglio con una sonda verbale e visiva: "Ora ascolta/cerca il [TARGET]".
    5. Tra le quattro esecuzioni dell'attività visiva, assicurarsi che due contengano sequenze strutturate di immagini e le altre due contengano sequenze strutturate di lettere. Tra le quattro esecuzioni dell'attività uditiva, assicurarsi che due contengano sequenze strutturate di sillabe e che le altre due contengano sequenze strutturate di toni.
  2. fMRI procedura di apprendimento statistico
    1. Per rendere i partecipanti, in particolare i bambini, a proprio agio nello scanner, praticare prima la sessione di scansione RMI utilizzando uno scannerfittizio 31. Uno scanner fittizio offre un'esperienza naturalistica simile alla sessione di scansione effettiva, ma in genere si trova in un ambiente più adatto ai bambini.
    2. In primo luogo introdurre il bambino allo scanner simulato, cioè, fotocamera del cervello, e assicurarsi che siano a proprio agio prima di metterli nello scanner.
    3. Presentali al loro "compagno di scansione" e spiega che lo scopo del compagno di scansione è quello di tenerli accompagnati e aiutarli se hanno bisogno di qualcosa. L'amico di scansione ricorderà delicatamente al partecipante di stare fermo se viene rilevato troppo movimento dalla "fotocamera".
    4. Una volta che sono nello scanner, riprodurre video a misura di bambino per aiutarli ad acclimatarsi al suono e al video. Quando sono pronti, riprodurre alcune clip audio dello scanner preregistrate per prepararle ai rumori prodotti dalla risonanza magnetica reale. Durante questo periodo li hanno pratica stare fermi e lavorare con il compagno di scansione.
    5. Introdurre i bambini al paradigma di apprendimento statistico e farli praticare al di fuori dello scanner. Questa operazione viene eseguita facendo in modo che i bambini completino una breve parte dell'attività in un computer, simile al protocollo basato sul Web eseguendo i passaggi 3.2.2 e 3.2.3 menzionati in precedenza.
      NOTA: Gli stimoli di pratica sono gli stessi di quelli utilizzati nel compito; tuttavia, i bambini sono esposti solo alla sequenza casuale e non alle sequenze strutturate, consentendo una breve assuntezza agli stimoli e alle richieste di attività senza consentire l'apprendimento di particolari sequenze.
    6. Assicurarsi che il protocollo di raccolta dati fMRI sia impostato in modo appropriato nel computer di acquisizione RMI.
      NOTA: I parametri di acquisizione seguono le raccomandazioni dello studio ABCD (Adolescent Brain Cognitive Development)32.
    7. Iniziare la sessione di scansione con scansioni T1 ad alta risoluzione. Acquisisci questi utilizzando una scansione del volume MPRAGE (Magnetization Prepared Rapid Gradient Echo) a 176 fette con TR (Tempo di ripetizione) : 2500 ms, TE (Tempo Eco) - 2,9 ms, angolo di capovolgimento a 8, FOV (Campo di vista) - 25,6 cm, 256 X 256 dimensioni della matrice e spessore di 1 mm. Questa acquisizione durerà 7,2 min.
    8. Per acquisire dati funzionali, utilizzare l'imaging eco-planare ponderato T2 con l'acquisizione simultanea di scansioni multi-fetta con TR , TE , 32 ms, angolo di capovolgimento , 61 , FOV , 21 cm e matrice 64 x 64. In questo esperimento, 60 fette adiacenti vengono acquisite in una sequenza interfogliata con spessore di una fetta di 2,5 mm, un FOV di 21 cm e una matrice 64 X 64, con una risoluzione in piano di 2,5 mm x 2,5 mm x 2,5 mm.
    9. I partecipanti si trovano comodamente sul letto dello scanner fMRI con cuffie che proteggono le orecchie dal rumore dello scanner e una scatola di risposta/pulsante in mano (sia le cuffie che la casella dei pulsanti devono essere compatibili con lo scanner).
    10. Posizionare un'imbottitura aggiuntiva intorno alla testa per garantire un movimento limitato della testa durante la raccolta dei dati. Fornire la casella di risposta del pulsante al partecipante in anticipo per registrare le risposte e controbilanciare se la mano sinistra o destra viene utilizzata per premere i pulsanti tra i partecipanti.
    11. Dare a ogni bambino l'opzione di un compagno di scansione. Per i bambini più anziani e neurotipici che sono a proprio agio senza un compagno di scansione, dare loro una palla di compressione per informare lo sperimentatore se sono in difficoltà o hanno bisogno di fermarsi. Dare ai bambini più piccoli e alle popolazioni speciali una palla di compressione, ma anche fornire loro un compagno di scansione per assisterli (descritto al 4.2.3).
    12. Posizionare la bobina della testa sulla testa del partecipante e allineare la posizione del paziente nel letto.
    13. Sul computer di acquisizione registrare un nuovo partecipante. Immettere l'ID del partecipante, la data di nascita, il peso e l'altezza. Il partecipante può ora essere inserito nel foro della risonanza magnetica.
    14. Acquisire la scansione ponderata T1 mentre si mostra ai partecipanti un filmato.
    15. Prima di iniziare il paradigma di apprendimento statistico, dai ai partecipanti le istruzioni di ogni attività parlando loro attraverso un sistema citofono collegato alle loro cuffie.
    16. Nei compiti uditi, dite ai partecipanti: "Ora giocheremo un gioco di pressione dei pulsanti. Sentirete gli alieni dire parole e suonare la musica. Ricordati di premere il pulsante nella mano SINISTRA/DESTRA ogni volta che senti il suono che stai ascoltando. Ci saranno 4 parti, e ogni parte durerà circa 5 minuti."
    17. Nei compiti visivi, dire ai partecipanti: "Ora si sta andando a vedere le immagini degli alieni e le lettere. Ogni volta che vedi l'immagine che stai cercando, premi il pulsante nella mano SINISTRA/DESTRA. Si giocherà questo 4 volte di fila. Ci vorrà circa 5 minuti ogni volta."
    18. Avviare il paradigma di apprendimento statistico sul computer di presentazione e acquisire i dati fMRI dell'attività.
    19. Una volta che il partecipante ha completato il paradigma, interrompere la risonanza magnetica, rimuoverla in modo sicuro dall'interno dello scanner e rimuovere la bobina della testa.
    20. Dopo la raccolta dei dati, trasferire tutti i dati di risonanza magnetica dal computer di acquisizione a un server protetto per ulteriori analisi.
  3. analisi dei dati fMRI
    1. Analizzare il tempo di reazione in-scanner durante l'attività fMRI in modo simile al calcolo basato sul web del tempo di reazione durante la fase di familiarizzazione. Normalizzare il tempo di reazione per confrontare tra le condizioni e calcolare una pendenza lineare utilizzando il tempo di reazione normalizzato per ogni condizione di un individuo.
    2. Quando si analizzano i dati fMRI, organizzare e convertire i dati nella formattazione BIDS (Brain Imaging Data Structure33) utilizzando HeuDiConv34 (https://github.com/nipy/heudiconv).
    3. Pre-elabora questi dati utilizzando fMRIPrep35,36. Questa pipeline di pre-elaborazione automatizzata combina la metodologia afNI37, ANTs38, Freesurfer39, FSL40e Mindboggle41 per fornire dati scientificamente rigorosi e riproducibili da utilizzare nell'analisi dei dati.
      NOTA: lo studio corrente implementa un progetto misto di blocco/evento. I risultati rappresentativi (sotto) trattano ogni mini blocco come un evento (ad esempio, la sequenza casuale è un evento, la sequenza strutturata è un evento e così via). Tuttavia, l'attività è anche progettata in modo che si possa modellare ogni stimolo come evento.
    4. Includere due regressori di attività per ogni esecuzione ("immagine" e "lettera" per la condizione visiva e "sillaba" e "tono" per la condizione uditiva) nella progettazione del modello di primo livello. Determinare i regressori delle attività con un vettore di tempi di esordio degli eventi con le loro durate con una funzione di risposta emodinamica canonica. Calcolare le differenze e i mezzi tra le esecuzioni all'interno di ogni soggetto per i progetti di modelli di livello superiore. Ciò si tradurrà in un contrasto tra sequenze strutturate e casuali all'interno di ogni tipo di stimoli.
    5. Creare una media di attivazione di gruppo per i blocchi strutturati rispetto ai blocchi casuali all'interno di ogni modalità/dominio.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Risultati comportamentali basati sul Web
Dato che l'attuale protocollo è progettato per una facile diffusione con le popolazioni dello sviluppo, abbiamo incluso risultati preliminari basati sul web sulla base dei dati di 22 bambini in età scolare in via di sviluppo (Media (M) età 9,3 anni, deviazione standard (SD) età 2,04 anni, intervallo di 6,2-12,6 anni, 13 ragazze). Nell'attività di apprendimento statistico basato sul web, i bambini hanno ottenuto risultati significativamente migliori rispetto a 0,5 a livello di probabilità in tutte le condizioni, indicando un apprendimento statistico di successo a livello di gruppo (c'è la tabella 1 per le statistiche; (Figura 3). La pendenza media del tempo di reazione è stata negativa e significativamente inferiore a 0 nella condizione della sillaba (M - -0,01, SD - 0,02, t(14) - -2,36, p a una coda -0,02) e marginalmente significativo nella condizione della lettera (M - 0,02, SD - 0,06, t(15) - -1,52, p a una coda - 0,07, Figura 4), suggerendo un'accelerazione più rapida del rilevamento degli indirizzi durante la fase di familiarizzazione nelle attività linguistiche. La pendenza media del tempo di reazione non era significativamente diversa da zero nella condizione dell'immagine (M SD - 0,04, t(17) - 1,54, p a una coda > 0,1) o la condizione del tono (M - 0,005, SD - 0,02, t(15) - -5,7 x10 -17, p a una coda > 0,1), nonostante le prove di apprendimento nelle misure offline di accuratezza. L'alfa di Cronbach era 0,75 per l'attività Lettera, 0,09 per l'attività Sillabazione, 0,67 per l'attività Tono e 0,86 per l'attività Immagine. Le correlazioni tra misure implicite (inclinazione RT) e misure esplicite (precisione) dell'apprendimento statistico identificano una relazione significativa per l'attività Immagine (R - .48, p - 0,04) e l'attività Letter (R - .54, p - 0,03). Le correlazioni tra attività suggeriscono inoltre che le quattro attività possono avere un modesto grado di meccanismo di apprendimento sovrapposto (Figura 5). Mentre la precisione su entrambe le attività visive era altamente correlata (R - 0,60, p e 0,02), sono state anche associate positivamente alla precisione nell'attività sillababile (Immagine R - 0,66, p - 0,01; Lettera R : 0,85, p < 0.001).

Risultati fMRI
I risultati preliminari della fMRI si sono basati sui dati di nove bambini in età scolari in via di sviluppo. Questi nove bambini erano un sottoinsieme dei 22 bambini inclusi nei risultati comportamentali basati sul web, poiché non tutti i bambini sono venuti in laboratorio per completare la parte fMRI dello studio. Tutti e nove hanno completato le attività di apprendimento statisticouditivo (età M - 10,77 anni, SD - 1,96 anni, intervallo di 7,7-13,8 anni, 4 ragazze) e sette hanno completato i compiti di apprendimento statisticovisivo (età M - 11,41 anni, SD - 2,37 anni, intervallo di 7,7-13,8 anni, 4 ragazze). Quando si confrontano blocchi strutturati con blocchi casuali, sono stati osservati cluster significativi in tutte e quattro le condizioni (Figura 6). Nella condizione della sillaba, una maggiore attivazione è stata trovata al giro temporale superiore sinistro, all'operculum destro/frontale e al giro cingulato anteriore. Nella condizione del tono, una maggiore attivazione è stata trovata a sinistra giro temporale centrale, gyri angolare bilaterale, polo frontale sinistro, corteccia occipitale laterale destra, insula destra, e operculum frontale destro. Nella condizione della lettera, è stata trovata una maggiore attivazione a sinistra planum temporale. Nella condizione dell'immagine, è stata trovata una maggiore attivazione alla corteccia occipitale laterale destra. Questi risultati preliminari suggeriscono che i modelli di attivazione neurale dei bambini differiscono tra l'apprendimento delle regolarità statistiche a seconda della modalità e del dominio degli stimoli presentati. La progettazione dell'attività corrente è sensibile a queste differenze e può identificare aree di attivazione specifiche dell'attività simili aglistudi passati 20,25.

fMRI Risultati comportamentali
Per dimostrare l'apprendimento nella parte fMRI di questo studio, abbiamo incluso i risultati comportamentali in-scanner di 28 adulti (età M - 20,8, SD - 3,53, 20 femmine), in quanto i dati di 9 bambini non erano sufficienti per calcolare statistiche affidabili. I nostri risultati negli adulti indicano che l'apprendimento si è verificato con successo in tutte le attività per la sequenza strutturata, supportato da tempi di risposta significativamente più rapidi nella struttura rispetto alla condizione casuale, tranne nel caso dell'attività di tono (vedi tabella 2 per le statistiche).

Nel loro insieme, le nostre misure di precisione basate sul web e una maggiore attivazione per le sequenze strutturate rispetto a quelle casuali nello scanner, indicano che questo protocollo può essere implementato con popolazioni di sviluppo per misurare l'apprendimento statistico tra domini e modalità all'interno di un individuo. La nostra risonanza magnetica comportamentale si traduce in una popolazione adulta sottolineando ulteriormente l'utilità di questo protocollo nella misurazione dell'apprendimento delle sequenze strutturate mentre si svolge in tempo reale, così come la capacità di implementare i protocolli web-based e fMRI in modo indipendente.

Figure 1
Figura 1: Fase di familiarizzazione di tutte e quattro le attività di apprendimento statistico. In questa figura sono raffigurati i terzini di esempio in ogni attività. Ogni stimolo visivo è apparso per 800 ms con un ISI di 200 ms, e ogni stimolo uditivo è stato ascoltato per 460 ms con un ISI di 20 ms. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 2
Figura 2: Modifica della familiarizzazione per le attività di apprendimento statistico fMRI. L'attività fMRI era simile alla fase di familiarizzazione basata sul Web, ma ha introdotto una sequenza casuale che è stata controbilanciata tra domini. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 3
Figura 3: Precisione media dell'apprendimento statistico (SL) nell'attività basata sul Web rispetto al livello di probabilità. I risultati indicano che gli individui hanno ottenuto un'azione significativamente superiore alla probabilità su tutte e quattro le attività, p a una coda < .001, < 0.01, < 0.05. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 4
Figura 4: Pendenza media del tempo di reazione nell'attività basata sul Web rispetto a zero. Una pendenza più negativa indica un'accelerazione più rapida nel rilevamento della destinazione durante la familiarizzazione. Il rilevamento degli oggetti è notevolmente migliorato nel corso dell'esposizione durante l'attività della sillaba. † p a coda di uno aone : 0,07, < .05. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 5
Figura 5: Correlazioni tra attività basate sul Web tra tutte e quattro le attività di apprendimento statistico. (a) I valori non significativi in corrispondenza di un alfa di 0,05 vengono visualizzati con uno sfondo bianco. Tutti i confronti con uno sfondo colorato denotano effetti significativi. (b) Dimensione del campione per ogni confronto a coppie. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 6
Figura 6: attivazione neurale a livello di gruppo per i blocchi strutturati rispetto ai blocchi casuali all'interno di ogni modalità e dominio. I cluster significativi sono stati sogliati a livello di voxel p < 0.001 e p a livello di cluster < 0.05 per ogni attività. Sono state selezionate sezioni orizzontali per rappresentare il cluster con il valore z massimo. La barra dei colori nell'angolo inferiore destro riflette la stessa scala per tutti i grafici. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Condizione Significare Deviazione standard Test a una coda
Immagine 0.63 0.21 t(17) - 2,64, p - 0,009
Lettera 0.66 0.16 t(15) - 3,98, p < .001
Tono 0.60 0.15 t(16) - 2,83, p - 0,006
Sillaba 0.55 0.1 t(14) - 2,06, p - 0,03

Tabella 1: precisione basata sul Web per condizione. I test t di un campione rappresentano differenze di gruppo rispetto a 0,5 a livello di probabilità.

Strutturato Casuale
Condizione Significare Deviazione standard Significare Deviazione standard Test T di campioni accoppiati
Immagine 468.1 76.04 493.4 60.33 t(27) - -2,01, p - 0,05
Lettera 374.72 143.59 502.1 68.75 t(27) - -4,97, p <.001
Tono 426.37 169.10 407.68 162.63 t(26) - 0,67, p
Sillaba 589.3 180.95 679.9 55.99 t(26) - -2,51, p - 0,02
Un soggetto aveva troppo poche presse di pulsanti per calcolare un valore per il tono o l'attività sillaba.

Tabella 2: Differenze di prestazioni comportamentali RETTI in sequenze casuali rispetto a quelle strutturate in tutte e quattro le attività negli adulti. I test t di campioni accoppiati rappresentano differenze di gruppo nell'apprendimento di sequenze strutturate e casuali.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I metodi presentati nell'attuale protocollo forniscono un paradigma multimodale per comprendere gli indici comportamentali e neurali dell'apprendimento statistico nel corso dello sviluppo. L'attuale progetto consente di identificare le differenze individuali nella capacità di apprendimento statistico tra le modalità e i domini, che possono essere utilizzate per l'analisi futura della relazione tra l'apprendimento statistico e lo sviluppo del linguaggio. Poiché la capacità di apprendimento statistico di un individuo è trovata a variare tra domini e modalità6,8,9, è ottimale se i partecipanti completano tutte e quattro le attività. I risultati di bambini e adulti tipicamente in via di sviluppo indicano che le prestazioni di un individuo attraverso i domini/modalità di apprendimento statistico possono essere correlate in modo differenziale alvocabolario 4 ealla lettura 5,6 risultati. Pertanto, raccomandiamo di adottare misure aggiuntive di capacità cognitive e linguistiche per riferirsi alle misure di apprendimento statistico adottate nell'attuale protocollo.

La ricerca ha segnalato una ragionevole coerenza interna e l'affidabilità test-testst di questi compiti di apprendimento statistico pergli adulti 8,42. Tuttavia, le preoccupazioni circa l'affidabilità dei lavoriper i bambini 42 e una recente discussione sulle questioni generalidi misurazione 9 indicano un urgente bisogno di sviluppare misure di apprendimento statistico, che prendano in considerazione le caratteristiche dello sviluppo dei bambini. Mentre la nostra ricerca precedente, così come i dati preliminari dell'attuale protocollo, indica un'elevata coerenza interna per i compiti di apprendimento statistico non linguistico nei bambini in età scolata tra gli 8 e i16 anni 6, la nostra ricerca ha anche confermato un'affidabilità del compito meno soddisfacente, in particolare nell'apprendimento statistico linguistico uditivo che è stato riportatoprima di 42. Le differenze di coerenza interna tra i compiti sono particolarmente intriganti alla luce dei recenti risultati sull'impatto delle precedenti esperienze linguistiche di uno studente sui risultati dell'apprendimentostatistico 18,43,44. Lo sviluppo linguistico e di lettura cambia rapidamente durante gli anni scolastici. L'apprendimento di ogni tripletta linguistica uditiva potrebbe differire sostanzialmente all'interno di ogni bambino, a seconda della fase di sviluppo e delle attuali capacità linguistiche. La combinazione del nostro protocollo con altre misure individuali di differenza offrirà un'opportunità entusiasmante per studiare l'effetto a cascata tra le competenze esistenti e l'apprendimento successivo alla base dell'eterogeneità delle prestazioni di apprendimento statistico nel corso dello sviluppo.

Un importante vantaggio del progetto attuale è nella sua utilità per misurare l'apprendimento statistico tramite una piattaforma web online. I ricercatori dovrebbero essere consapevoli di quanto segue quando si considera l'accuratezza delle misurazioni del tempo di reazione tramite un browser web. de Leeuw e Motz (2016)45 hanno rilevato che i tempi di risposta misurati tramite un browser web erano di circa 25 ms più lunghi di quelli misurati tramite altri software standard di presentazione dei dati. È importante sottolineare che questo ritardo è risultato essere costante in tutte le prove. Poiché la nostra misura dell'apprendimento in tempo reale nelle attività basate sul web è la pendenza del cambiamento nel tempo di reazione, gli effetti del ritardo nel tempo di reazione sono stati ridotti al minimo utilizzando confronti all'interno dell'argomento. de Leeuw (2015)30 ha anche riconosciuto che il tempo di reazione misurato tramite jsPsych può essere influenzato da fattori come la velocità di elaborazione del computer o il numero di attività caricate in background. Per ridurre al minimo questi effetti, si consiglia di normalizzare il tempo di risposta all'interno di ogni singolo partecipante prima di calcolare la pendenza del tempo dirisposta 30.

L'attuale protocollo, che fornisce metodi robusti per dimostrare una grande variabilità nel comportamento di apprendimento tra domini e modalità, è progettato per studiare le differenze individuali dell'apprendimento statistico. Tuttavia, questo protocollo non è adatto per indagare su questioni quali se l'apprendimento statistico visivo sia intrinsecamente più facile dell'apprendimento statistico uditivo. L'interpretazione delle differenze di prestazioni a livello di gruppo tra le attività è difficile a causa di tutti i fattori di confusione che non siamo in grado di controllare, come la familiarità degli stimoli14,43,46,47 , la salienza sensoriale e la velocità di elaborazione28. Relativo alla familiarità degli stimoli, è ben stabilito che le esperienze precedenti di un individuo con gli stimoli possono influenzare le loro prestazioni di apprendimento statistico. Inoltre, le attività visive e udibili sono difficili da confrontare direttamente a causa delle differenze nella salienza degli stimoli e del tasso di presentazione in queste modalità. Pertanto, i nostri metodi sono progettati con l'obiettivo di studiare le differenze individuali nell'apprendimento statistico. Tuttavia, con approcci avanzati di analisi fMRI, il nostro protocollo è adatto per studiare domande teoriche sulla natura dell'apprendimento statistico, ad esempio possiamo chiedere quali reti cerebrali sono sensibili alla regolarità in ogni dominio e come i modelli di coinvolgimento neurale differiscono / sovrapposizione.

L'attuale protocollo è stato sviluppato per essere adatto ai bambini e facilmente accessibile per massimizzare la ricerca nelle popolazioni neurotipiche e atipiche. Durante l'attuazione di questo protocollo con bambini piccoli o quelli con disturbi dello sviluppo, un passo critico è quello di dare pause tra ogni attività SL per evitare la fatica. Ogni condizione dei compiti web-based può essere diffusa individualmente per alleviare le esigenze cognitive. Prima della scansione, lo scanner fittizio può essere utilizzato per ridurre l'ansia infantile e il movimento della testa in preparazione per il compito fMRI reale. Un ulteriore ricercatore problema dovrebbe essere a conoscenza si riferisce a una preoccupazione generale quando si conduce qualsiasi studio di neuroimaging: il movimento. Un movimento rotazionale della testa di soli 0,3 mm può causare la manifestazione di artefatti. Nel tentativo di ridurre al minimo la probabilità di artefatti di movimento, il protocollo corrente ha limitato ogni esecuzione a durare meno di 5 minuti48. I partecipanti dovrebbero essere incoraggiati a rimanere fermi per ogni corsa di 5 minuti, ma possono muoversi o allungarsi tra le corse al fine di ridurre il movimento durante la scansione effettiva. Si consiglia inoltre rigorose tecniche di analisi dei dati per correggere gli artefatti relativi al movimento sui dati fMRI49.

Dato il contributo critico della capacità di apprendimento statistico sull'acquisizione successiva della lingua, è necessario sviluppare misure più complete e affidabili che valutino sia il tempo reale che l'apprendimento offline delle regolarità statistiche. L'attuale proposta è un primo passo verso la definizione di come le differenze individuali nella capacità di apprendimento statistico basate sul dominio/modalità possono tenere conto delle variazioni nei risultati successivi della lingua.

L'attuale protocollo, che fornisce metodi robusti per dimostrare una grande variabilità nel comportamento di apprendimento tra domini e modalità, è progettato per studiare le differenze individuali dell'apprendimento statistico. Tuttavia, questo protocollo non è adatto per indagare su questioni quali se l'apprendimento statistico visivo sia intrinsecamente più facile dell'apprendimento statistico uditivo. L'interpretazione delle differenze di prestazioni a livello di gruppo tra le attività è difficile a causa di tutti i fattori di confusione che non siamo in grado di controllare

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori non hanno nulla da rivelare.

Acknowledgments

Ringraziamo Yoel Sanchez Araujo e Wendy Georgan per il loro contributo nella progettazione iniziale della piattaforma web-based. Ringraziamo An Nguyen e Violet Kozloff per il loro lavoro sul miglioramento delle attività di apprendimento statistico basate sul web, sull'implementazione dei compiti fMRI e sulla gestione dei compiti nei partecipanti adulti. Ringraziamo Violet Kozloff e Parker Robbins per il loro contributo nell'assistenza alla raccolta dei dati nei bambini. Ringraziamo Ibrahim Malik, John Christopher, Trevor Wigal e Keith Schneider del Center for Biological and Brain Imaging dell'Università del Delaware per la loro assistenza nella raccolta di dati di neuroimaging. Questo lavoro è finanziato in parte dall'Istituto Nazionale per la Sordità e altri Disturbi della Comunicazione (PI: Qi; NIH 1R21DC017576) e la Direzione della Fondazione Nazionale per le Scienze Sociali, Comportamentali ed Economiche (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.

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. 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).
  3. 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).
  4. 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).
  5. Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
  6. 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).
  7. 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).
  8. Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
  9. 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).
  10. 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).
  11. Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
  12. 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).
  13. 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).
  14. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  15. 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).
  16. 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).
  17. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
  18. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  19. 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).
  20. 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).
  21. Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
  22. 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).
  23. 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).
  24. Petersen, S. E., Dubis, J. W. The mixed block/event-related design. NeuroImage. 62 (2), 1177-1184 (2012).
  25. 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).
  26. Boersma, P., Weenink, D. Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
  27. Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
  28. 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).
  29. 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).
  30. de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
  31. Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
  32. Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
  33. 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).
  34. Halchenko, Y. nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
  35. Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
  36. Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
  37. Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  38. Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
  39. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
  40. Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 1 Suppl 173-186 (2009).
  41. Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), 1005350 (2017).
  42. 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).
  43. 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).
  44. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
  45. 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).
  46. 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).
  47. 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).
  48. 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).
  49. 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).

Tags

Neuroscienze Problema 160 apprendimento statistico web-based fMRI dominio modalità bambini
Misurazione dell'apprendimento statistico tra modalità e domini nei bambini in età scolare tramite una piattaforma online e tecniche di neuroimaging
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Schneider, J. M., Hu, A., Legault,… More

Schneider, J. M., Hu, A., Legault, J., Qi, Z. Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques. J. Vis. Exp. (160), e61474, doi:10.3791/61474 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter