Summary
Presenteras här är ett protokoll som inför en uppsättning barnvänliga statistiska lärande uppgifter inriktade på att undersöka barns lärande av tidsmässiga statistiska mönster över domäner och sensoriska modaliteter. De utvecklade uppgifterna samlar in beteendedata med hjälp av den webbaserade plattformen och uppgiftsbaserade fMRI-data (functional magnetic resonance imaging) för att undersöka neuralt engagemang under statistisk inlärning.
Abstract
Statistiskt lärande, en grundläggande färdighet att utvinna regelbundenheter i miljön, anses ofta vara en kärnstödsmekanism för förstaspråksutvecklingen. Medan många studier av statistiskt lärande genomförs inom en enda domän eller modalitet, tyder nyligen på att denna färdighet kan skilja sig åt baserat på det sammanhang där stimuli presenteras. Dessutom är det få studier som undersöker lärandet som det utvecklar sig i realtid, snarare med fokus på resultatet av lärandet. I detta protokoll beskriver vi ett tillvägagångssätt för att identifiera den kognitiva och neurala grunden för statistiskt lärande, inom en individ, över domäner (språkliga kontra icke-språkliga) och sensoriska modaliteter (visuella och auditiva). Uppgifterna är utformade för att kasta så lite kognitiv efterfrågan som möjligt på deltagarna, vilket gör den idealisk för unga skolåldern barn och speciella populationer. Den webbaserade karaktären hos beteendeuppgifterna erbjuder en unik möjlighet för oss att nå mer representativa populationer över hela landet, att uppskatta effektstorlekar med större precision och att bidra till öppen och reproducerbar forskning. De neurala åtgärder som tillhandahålls av den funktionella magnetisk resonanstomografi (fMRI) uppgift kan informera forskare om neurala mekanismer som anlitas under statistisk inlärning, och hur dessa kan skilja sig mellan individer på grundval av domän eller modalitet. Slutligen, båda uppgifterna möjliggör mätning av realtid lärande, som förändringar i reaktionstiden till ett mål stimulans spåras över exponeringsperioden. Den huvudsakliga begränsningen för att använda detta protokoll avser experimentets timslånga varaktighet. Barn kan behöva slutföra alla fyra statistiska inlärningsuppgifter i flera sammanträden. Därför är den webbaserade plattformen utformad med denna begränsning i åtanke så att uppgifter kan spridas individuellt. Denna metodik kommer att göra det möjligt för användare att undersöka hur processen för statistiskt lärande utvecklas över och inom domäner och modaliteter hos barn från olika utvecklingsbakgrunder.
Introduction
Statistisk inlärning är en elementär färdighet som stöder förvärv av regelstyrda kombinationer i språkingångar1. Framgångsrik statistisk inlärningsförmåga hos spädbarn förutspår senare språkinlärning framgång2,3. Variation i statistisk inlärningsförmåga hos barn i skolåldern har också förknippats medordförråd 4 och läsning5,6. Svårigheten i statistisk inlärning har föreslagits som en etiologisk mekanism som ligger till grund för språkförsämring7. Trots sambandet mellan statistisk inlärning och språkresultat i både neurotypiska och atypiska populationer, är de kognitiva och de neurala mekanismerna underliggande statistisk inlärning fortfarande dåligt förstådda. Dessutom har tidigare litteratur visat att, inom en individ, statistisk inlärningsförmåga är inte enhetlig utan oberoende över domäner och modaliteter6,8,9. Utvecklingsbanan för statistiska inlärningsförmågor kan ytterligare variera mellan domäner och modaliteter10. Dessa resultat betonar vikten av att bedöma individuella skillnader i statistiskt lärande över flera uppgifter under hela utvecklingen. Fältet kräver dock först en mer systematisk undersökning av sambandet mellan statistisk inlärning och förstaspråksutveckling. För att ta itu med dessa frågor tillämpar vi innovativa metoder inklusive en webbaserad testplattform11 som når ett stort antal barn, och laboratoriebaserade neuroimaging tekniker (funktionell magnetisk resonanstomografi, eller fMRI) som undersöker realtidskodning av statistisk information.
Standardmått av statistiskt lärande börjar med en förtrogenhetsfas och följs av en två-alternativ påtvingad val (2-AFC) uppgift12,13. Förtrogenhetsfasen införs en kontinuerlig ström av stimuli inbäddade med statistiska regularities, där vissa stimuli är mer benägna att samföra sig än andra. Presentationen av dessa co-förekommande stimuli följer en fast tidsbestämd ordning. Deltagarna är passivt utsatta för strömmen under förtrogenhetsfasen, följt av en 2-AFC-uppgift som testar om deltagaren framgångsrikt extraherade mönstren. 2-AFC noggrannhetsuppgiften presenterar två på varandra följande sekvenser: en sekvens har presenterats för deltagaren under förtrogenhetsfasen, medan den andra är en ny sekvens, eller innehåller en del av sekvensen. Överchansen noggrannhet på 2-AFC skulle tyda på ett framgångsrikt lärande på gruppnivå. Traditionella beteendemässiga uppgifter bedöma statistiskt lärande i allmänhet förlita sig på noggrannhet som resultatet mått på lärande. Men noggrannhet misslyckas med att ta hänsyn till den naturliga inlärning av information som det utvecklar sig i tid. Ett mått på realtidslärande är nödvändigt för att utnyttja den implicita inlärningsprocessen för statistiskt lärande under vilken barn fortfarande kodar regelbundenheterna från ingångarna14,15,16. Olika anpassningar över paradigm har utvecklats i ett försök att gå bort från 2-AFC-måttet, mot åtgärder för on-line lärande genom beteendemässiga svar underexponeringen 16. Studier som utnyttjar dessa anpassningar som mäter reaktionstiden under exponeringsfasen fann att de var relaterade till noggrannhet efter lärande17 med bättre test-retest tillförlitlighet jämfört med noggrannheten hos vuxna elever18.
Neurala åtgärder är också grundläggande för vår förståelse av hur lärande utvecklas över tiden, eftersom den implicita process genom vilken språkinlärning sker sannolikt rekryterar olika neurala resurser från dem som används när språket är lärt19. Neurala åtgärder ger också insikter i skillnader i kognitiva inriktningar underliggande språkförmåga över särskilda populationer20. Hur tillståndskontrasten är utformad i en fMRI-studie är avgörande för hur vi tolkar mönster av neural aktivering under inlärning. En vanlig praxis är att jämföra hjärnans svar under förtrogenhet fasen mellan sekvenser som innehåller regelbundna mönster jämfört med de som innehåller samma stimuli som beställs slumpmässigt. Emellertid, tidigare forskning genomföra en sådan slumpmässig kontroll villkor hittade inga bevis för lärande i beteende, trots neurala skillnader mellan strukturerade och slumpmässiga sekvenser. Detta kan bero på störningar av slumpmässiga sekvenser på lärande av strukturerade sekvenser, som båda var konstruerade från samma stimuli21,22. Andra fMRI studier som utnyttjade bakåt tal eller tidigare lärande block som kontroll villkoret bekräftade lärande ägde rum behaviorally19,23. Var och en av dessa paradigm införde dock sin egen sammanbluffande faktor, såsom effekten av språkbearbetning för det förra fallet och effekten av den experimentella ordningen för det senare fallet. Vårt paradigm använder den slumpmässiga sekvensen som kontrollvillkor men mildrar deras inblandning på deltagarnas inlärning av de strukturerade sekvenserna. Vår fMRI paradigm implementerar också en blandad block / händelse-relaterade design, som möjliggör samtidig modellering av transienta försöksrelaterade och ihållande uppgiftsrelaterade BOLD signaler24. Slutligen, och mer allmänt, neurala åtgärder möjliggör mätning av lärande i populationer där framkalla en explicit beteendemässiga svar kan vara svårt (t.ex. utvecklingsmässiga och särskilda populationer)25.
Det nuvarande protokollet antar en åtgärd svarstid, förutom traditionella noggrannhet åtgärder, och undersöker hjärnans aktivering under förtrogenhet fas. Kombinationen av dessa metoder syftar till att ge en rik datauppsättning för undersökning av realtidslärande processer. Den webbaserade plattformen erbjuder en uppsättning inlärningsåtgärder genom att inkludera både svarstid under exponeringsfasen och noggrannheten i 2-AFC-uppgiften under testfasen. Neuroimaging protokollet möjliggör för undersökningen av de underliggande neurala mekanismer stödja statistiska lärande över domäner och modaliteter. Även om det är optimalt att mäta statistiskt lärande inom en individ med hjälp av både de webbaserade och fMRI-protokollen, är uppgifterna utformade så att de kan spridas självständigt, och därför, som två oberoende mått på statistiskt lärande. De fMRI-experiment som ingår i det aktuella protokollet kan bidra till att klargöra hur stimulus kodning, mönsterutdragning och andra ingående komponenter i statistiskt lärande representeras av särskilda hjärnregioner och nätverk.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alla deltagare gav skriftligt samtycke till att delta och studie genomfördes i enlighet med den institutionella granskningsnämnden.
1. Översikt över det statistiska lärandeparadigm som utnyttjas i det webbaserade protokollet
- Inkludera fyra uppgifter i det aktuella paradigmet: bild (visuell-nonlinguistic), bokstav (visuell-språklig), ton (auditiv-nonlingvistisk), och stavelse (auditiv-språklig).
- Konstruera stimuli för visuella uppgifter med hjälp av 12 fristående främmande tecknade bilder (bild) och 12 bilder brev (brev; B, J, K, A, H, C, F, E, J, G, D, M) som visar samma utlänning som håller upp 12 skyltar med versaler skrivna på dem.
- Konstruera auditiva stimuli med hjälp av 12 engelska stavelser (stavelse; pi,pu,pa,ti,tu.ta,di,du,da,bi,bu,ba) och 12 musikaliska toner inom samma oktav (ton; F,G,D,G#,C#,B,C,F#,D#,E,A,A#). Den stavelse stimuli kan göras med hjälp av en artificiell talsyntes, och kan registreras som separata filer i Praat26,27.
- I förtrogenhetsfasen presenterar du stimuli i en strukturerad ström (se bild 1). Feedback ges inte vid något tillfälle under förtrogenhet eller testfasen.
OBS: Inom varje uppgift följs en förtrogenhetsfas omedelbart av en testfas.- För image (visuell-nonlinguistic) uppgift, struktur 12 bilder i fyra mål trillingar. I förtrogenhet fasen, upprepa var och en av de fyra mål trillingar 24 gånger för totalt 96 trillingar.
OBS: De 96 trillingarna är slumpmässigt hopknåda i en kontinuerlig ström, med den begränsningen att ingen triplett omedelbart kan upprepas. Bilder presenteras en i taget i mitten av skärmen. Varje bild presenteras för 800 ms med 200 ms av inter-stimulus intervall. Hela förtrogenhetsfasen kommer att pågå i 4 min 48 s. - Se till att testfasen alltid följer förtrogenhetsfasen och är sammansatt av 32 två-alternativa tvångsvals (2AFC) frågor. För varje fråga, inkludera 2 alternativ: en måltubbel från förtrogenhetsfasen och en triplett som inte ingick i förtrogenhetsfasen, kallad folietublett.
OBS: Folietrillingar är konstruerade så att den relativa positionen för varje bild i folietrippelten är densamma som måltrippelton. Varje mål och folie triplet presenteras 8 gånger totalt i ett test, och varje folie-mål par upprepas. Testfasen består av 32 (4 mål trillingar x 4 folie trillingar x 2 repetitioner) slumpmässigt beställt prövningar. - För bokstaven (visuell-språklig) uppgift omfattar 12 bilder av versal bokstäver som är organiserade i fyra mål trillingar (GJA, FKC, LBE och MDH). För testfasen skapar du 4 folietrillingar (GDE, FJH, LKA och MBC) och parar ihop dem med måltrillingarna för att bilda testförsöken 32 2AFC. Ingen bokstavstrilling kan innehålla några ord, vanliga akronymer eller initialismer.
- För tonen (hörsel-nonlinguistic) uppgift omfatta 12 musikaliska rena toner inom samma oktav (en fullständig kromatisk skala från mitten C) och concatenate dem till fyra mål trillingar (F # DE, ABC, C # A # F, och GD # G #). Till skillnad från i de visuella uppgifterna, är presentationshastigheten snabbare på grund av skillnader i auditiva perceptuella preferens6,28,29.
OBS: Var och en av de fyra måltripparna upprepas 48 gånger för totalt 192 trillingar (dubbelt så mycket som de visuella förhållandena). Alla trillingar är sammandragna till en ljudström utan att triplet upprepas två gånger i rad. Rena toner presenteras en i taget medan deltagarna visar en tom skärm. Varaktigheten av varje ton är 460 ms med ett 20 ms inter-stimulus intervall. Hela strömmen varar ca 4 min och 36 s. Som i de visuella uppgifterna följer en testfas av 32 2AFC-försök med par av mål- och folietrillingar (F#BF, AA#G#, C#D#E, GDC) omedelbart förtrogenhetsfasen. - För syllable (auditiva-språkliga) uppgift användning 12 konsonant vokal (CV) stavelser skapas och grupperas i fyra mål trillingar (pa-bi-ku, go-la-tu, da-ro-pi, och ti-bu-do). Varaktigheten av varje stavelse och inter-stimulus intervallet är samma som tonvillkoret. Para ihop fyra folietrillingar (pa-ro-do, go-bu-ku, da-bi-tu och ti-la-pi) med måltrillingarna i testfasen.
- För image (visuell-nonlinguistic) uppgift, struktur 12 bilder i fyra mål trillingar. I förtrogenhet fasen, upprepa var och en av de fyra mål trillingar 24 gånger för totalt 96 trillingar.
- Randomisera ordningen på de fyra statistiska inlärningsuppgifterna mellan deltagarna.
2. Rekrytering av deltagare
OBS: Medan det webbaserade protokollet och fMRI-protokollet bäst implementeras tillsammans inom en enda deltagare, här beskriver vi de bästa metoderna för deltagarerekrytering för varje uppgift självständigt.
- Webbaserad deltagare rekrytering
- Rekrytera deltagare ålder 6 år och uppåt. Deltagare av valfritt kön, ras och etnicitet får delta; studieprovet bör dock vara representativt för populationen.
- Rekrytera deltagare som är en infödd engelsktalande och har utsatts för några språk förutom engelska före 5 års ålder.
- Se till att de rapporterar inga kända psykologiska (inklusive ADD, depression, PTSD, och klinisk ångest) och / eller neurologiska tillstånd (inklusive stroke, beslag, hjärntumör, eller sluten huvudskada).
- Se till att deltagarna har normal eller korrigerad till normal syn (glasögon eller kontakter är okej), normal färgseende och normal hörsel (ingen hörapparat eller cochleaimplantat enheter).
- Uppgiftsbaserad fMRI-deltagare rekrytering
- Rekrytera deltagare ålder 6 år och uppåt. Deltagare av valfritt kön, ras och etnicitet får delta; studieprovet bör dock vara representativt för populationen.
- För att vara berättigade, rekrytera deltagare som är infödda engelska talare och har aldrig utsatts för några språk förutom engelska före 5 års ålder.
- Rekrytera högerhänta individer, utan kända psykologiska (inklusive ADD, depression, PTSD, och klinisk ångest) och neurologiska tillstånd (inklusive stroke, beslag, hjärntumör, eller sluten huvudskada).
- Uteslut deltagare som är gravida, klaustrofobiska, tar psykoaktiva läkemedel eller har någon metall i kroppen (inklusive pacemakers, neurala implantat, metallplattor eller leder, splitter och kirurgiska häftklamrar).
- Se till att deltagarna har normal eller korrigerad till normal syn (glasögon eller kontakter är okej), normal färgseende och normal hörsel (ingen hörapparat eller cochleaimplantat enheter).
- Bestäm behörigheten att delta i MRT genom att ha deltagare (eller föräldrar om deltagaren är minderårig) fylla i en MRI Säkerhetskontroll Formulär.
3. Webbaserat protokoll
OBS: Den webbaserade statistiska lärande paradigm är värd på en säker webbplats (https://www.cogscigame.co11) och utvecklas med hjälp av jsPsych, ett JavaScript-bibliotek för att skapa beteendemässiga experiment online30.
- För att reproducera uppgifter, gå till DOI: 10.5281/zenodo.3820620. Alla skript och material är allmänt tillgängliga. Forskare kan ändra skripten och köra experimenten lokalt på alla webbläsare så länge alla sökvägar för utdatafilerna är inställda på lämpligt sätt.
- Låta deltagarna slutföra en omslagsuppgift där de blir tillsagda att trycka på en knapp när de ser ett visst mål under alla förtrogenhetsfaser i varje statistisk inlärningsuppgift.
- Målstimulanstilldelning för varje uppgift
- I bilden, brev och stavelse uppgifter, slumpmässigt välja en av de fyra trillingar och tilldela målet till den tredje stimulans av triplet. I tonen uppgift, begränsa målet stimulans till endast de lägsta eller de högsta tonerna av den tredje stimulans i trillingar, och tilldela målet till den tredje stimulans av triplet. Detta görs eftersom tonen stimuli är relativt svårare att diskriminera än andra typer av stimuli.
- I syllable och ton uppgifter, införa deltagare till en utlänning och favorit ord / not i sin främmande språk / folkmusik. Berätta för deltagarna att de kommer att lyssna på utlänningens språk / musik och att komma ihåg att trycka på mellanslagslisten närhelst de hör favoritordet /not" genom att radera utrymmet mellan / och notera.
- I bilden uppgift, berätta deltagarna att hålla reda på en speciell utlänning som en grupp utlänningar rada upp för att komma in i ett rymdskepp. I brevuppgiften, säg till deltagarna att hålla koll på utlänningens favorittecken när utomjordingen håller upp skyltar för en parad. Ge deltagarens en övningsprövning i både bild- och brevuppgifter.
- Ge inte uttryckliga instruktioner om förekomst av trillingar.
- Mät svarstiden över de 24 försöken i de visuella uppgifterna och över de 48 försöken i de auditiva uppgifterna för att bedöma online-inlärning.
- Under testfasen presenteras både ett mål (inkluderat i förtrogenhetsfas) och folietrippel (ej inkluderad i förtrogenhetsfas) för deltagaren. Instruera deltagarna att sedan välja vilken av de två som är mer lik vad de såg eller hörde i förtrogenhetsfasen. Varje försök måste avslutas med ett svar.
- Beteendemått av statistiskt lärande i det webbaserade protokollet
- Mät realtidslärningen under förtrogenhetsfasen via reaktionstidens linjära lutning (förändring av reaktionstiden under hela förtrogenhetsfasen).
- För att betraktas som ett giltigt svar på målet, kontrollera att knapptryckning måste vara i tidsfönstret i en stimulans före och en stimulans efter målet stimulans. Det är -480 ms till +960 ms i förhållande till instämde målet i de auditiva uppgifterna och -1000 ms till +2000 ms i de visuella uppgifterna. En knapptryckning före målet betraktas som förväntan och ger därmed en negativ reaktionstid.
- Om du vill jämföra reaktionstider över förhållanden, omvandlar du reaktionstiderna för varje deltagare för varje uppgift till z-poäng. Detta normaliserar reaktionstiderna för en individ så att poäng över uppgifter kan jämföras.
- Beräkna en reaktionstidslutning för varje deltagare för varje villkor med hjälp av linjär regression. Mata in de z-normade reaktionstiderna som den beroende variabeln och målförsöksordningen som den oberoende variabeln (visuell: 1 till 24; auditiv: 1 till 48). Lutningen på den linjära regressionslinjen (Beta koefficient/Uppskattning) är reaktionstidslutning (RT-lutning).
- Mät offlinenoggrannhet hos varje deltagare för varje villkor genom att dividera antalet korrekta försök från testfasen med det totala antalet försök (32 försök).
4. Uppgift baserat fMRI-protokoll
- Ändringar av det statistiska inlärningsparadigmet (figur 2).
- För varje uppgift, presentera både en strukturerad sekvens (innehållande statistiska regulariteter) och en slumpmässig sekvens (inga statistiska regulariteter).
OBS: Strukturerade sekvenser är identiska med de som beskrivs för det webbaserade protokollet (se bild 1). Däremot slumpmässiga sekvenser innehåller samma 12 stimuli som presenteras i de strukturerade sekvenser men är beställt pseudo-slumpmässigt. Inga kombinationer av några tre stimuli upprepas mer än en gång. - Dela varje sekvens i sex mindre block med lika längd (24 stimuli för de visuella uppgifterna och 48 stimuli för de auditiva uppgifterna).
- Concatenate tre strukturerade block, 3 slumpmässiga block, och 6 viloblock (tystnad med en tom skärm) i en pseudorandom för att skapa fyra körningar av auditiva stimuli och fyra körningar av visuella stimuli. För att maximera inlärningen av de strukturerade sekvenserna, se till att de slumpmässiga blocken i varje körning innehåller en annan domän från den strukturerade sekvensen (t.ex. presenteras stavelsestrukturerade sekvenser tillsammans med ton slumpmässiga sekvenser i en körning, och stavelse slumpmässiga sekvenser presenteras tillsammans med tonstrukturerade sekvenser i en annan körning).
- Inkludera 288 bilder som ska presenteras i varje körning för den visuella uppgiften varar ungefär 4,77 min. Inkludera 576 ljud som ska presenteras i hörseluppgiften som varar cirka 4,42 min. I början av varje block, presentera en cue om målet med en verbal och visuell sond: "Nu lyssna / leta efter [TARGET]".
- Bland de fyra körningar av den visuella uppgiften, se till att två innehåller strukturerade sekvenser av bilder och de andra två innehåller strukturerade sekvenser av bokstäver. Bland de fyra körningarna av den auditiva uppgiften, se till att två innehåller strukturerade sekvenser av stavelser och de andra två innehåller strukturerade sekvenser av toner.
- För varje uppgift, presentera både en strukturerad sekvens (innehållande statistiska regulariteter) och en slumpmässig sekvens (inga statistiska regulariteter).
- fMRI statistisk inlärning förfarande
- För att göra deltagarna, särskilt barn, bekväm i skannern, öva MRI skanning session först med hjälp av en mock scanner31. En mock scanner ger en naturalistisk upplevelse som liknar själva skanningssessionen men är vanligtvis belägen i en mer barnvänlig miljö.
- Först införa barnet till mock scanner, dvs hjärnkamera, och se till att de är bekväma innan du sätter dem i skannern.
- Introducera dem till deras "scan-buddy" och förklara att syftet med skanningen kompis är att hålla dem tillsammans och hjälpa dem om de behöver något. Skanningen kompis kommer att försiktigt påminna deltagaren att hålla stilla om för mycket rörelse upptäcks av "kameran".
- När de är i skannern, spela barnvänliga videor för att hjälpa dem att acklimatisera sig till ljud och video. När de är klara spelar du upp några förinspelade bildläsare ljudklipp för att förbereda dem för de ljud som produceras av den verkliga MRI. Under denna tid har dem öva vistas stilla och arbeta med skanning kompis.
- Introducera barn till den statistiska lärande paradigm och har dem praxis utanför skannern. Detta görs genom att barn slutför en kort del av uppgiften på en dator, liknande det webbaserade protokollet genom att utföra steg 3.2.2 och 3.2.3 som nämns ovan.
OBS: Praktiken stimuli är desamma som de som utnyttjas i uppgiften; emellertid, barn utsätts endast för den slumpmässiga sekvensen och inte de strukturerade sekvenser, vilket möjliggör kort tillvänjning till stimuli och uppgift krav utan att möjliggöra inlärning av särskilda sekvenser. - Se till att protokollet för insamling av fMRI-data inrättas på lämpligt sätt på MRI-anskaffningsdatorn.
OBS: Förvärvsparametrarna följer rekommendationerna från den adolescenta hjärnans kognitiva utveckling (ABCD) Studie32. - Påbörja skanningssessionen med högupplösta T1-viktade genomsökningar. Förvärva dessa med hjälp av en 176-slice 3D MPRAGE (Magnetisering Beredd Rapid Gradient Echo) volym scan med TR (RepetitionStid) = 2500 ms, TE (Echo Time) = 2,9 ms, flip vinkel = 8 °, FOV (Synfält) = 25,6 cm, 256 X 256 matrisstorlek, och 1 mm skiva tjocklek. Detta förvärv kommer att pågå 7,2 min.
- För att förvärva funktionella data, använd T2*-viktad echo-planar-avbildning med samtidig flersegmentskanningar förvärv med TR= 800 ms, TE = 32 ms, flip-vinkel = 61°, FOV = 21 cm och matris = 64 x 64. I detta experiment förvärvas 60 intilliggande skivor i en interfolierad sekvens med 2,5 mm skivatjocklek, en 21 cm FOV och en 64 X 64-matris, vilket ger en i-planupplösning på 2,5 mm x 2,5 mm x 2,5 mm.
- Har deltagarna ligga bekvämt på sängen av fMRI scanner med hörlurar som skyddar öronen från skannern buller och en svar pad / knapp låda i handen (både hörlurar och knapp låda måste vara scanner kompatibel).
- Placera ytterligare stoppning runt huvudet för att säkerställa begränsad huvudrörelse under datainsamlingen. Ge knappresponsrutan till deltagaren i förväg för att registrera svar och motvikt om vänster eller höger hand används för att trycka på knappar över deltagarna.
- Ge varje barn en möjlighet till en skanningskompis. För äldre, neurotypiska barn som är bekväma utan en skanning kompis, ge dem en klämma boll för att meddela experimentören om de är nödställda eller behöver sluta. Ge yngre barn och speciella populationer en klämma boll men också ge dem en skanning kompis att hjälpa dem (beskrivs i 4.2.3).
- Placera huvudspolen över deltagarens huvud och rikta patientens position i sängen.
- På förvärvet dator registrera en ny deltagare. Ange deras deltagar-ID, födelsedatum, vikt och längd. Deltagaren får nu föras in i MRT:s borr.
- Skaffa T1-viktad skanning samtidigt som deltagarna visas en film.
- Innan du börjar den statistiska lärande paradigm, ge deltagarna instruktionerna för varje uppgift genom att tala till dem genom ett intercom-system som är ansluten till sina hörlurar.
- I de auditiva uppgifterna, berätta deltagarna: "Nu ska vi spela en knapp-trycka spel. Du kommer att höra utomjordingarna säga ord och spela musik. Kom ihåg att trycka på knappen i din VÄNSTER/HÖGER HAND närhelst du hör ljudet du lyssnar efter. Det kommer att finnas 4 delar, och varje del kommer att pågå ca 5 min."
- I de visuella uppgifterna, berätta deltagarna: "Nu ska du se bilderna av utlänningar och bokstäverna. Närhelst du ser bilden du söker, tryck på knappen i din VÄNSTER/HÖGER hand. Du kommer att spela detta 4 gånger i rad. Det kommer att ta cirka 5 minuter varje gång."
- Starta den statistiska lärande paradigm på presentationen datorn och förvärva uppgiften fMRI data.
- När deltagaren har slutfört paradigmet, stoppa MRI, säkert ta bort dem inifrån skannern, och ta bort huvudspolen.
- Efter datainsamling överför du alla MRI-data från anskaffningsdatorn till en säkrad server för ytterligare analyser.
- fMRI-dataanalyser
- Analysera reaktionstiden i skanner under fMRI-uppgiften på samma sätt som den webbaserade beräkningen av reaktionstiden under förtrogenhetsfasen. Normalisera reaktionstiden för att jämföra över förhållanden, och beräkna en linjär lutning med hjälp av den normaliserade reaktionstiden för varje tillstånd hos en individ.
- När du analyserar fMRI-data, organisera först och konvertera data till Brain Imaging Data Structure33 (BIDS) formatering med HeuDiConv34 (https://github.com/nipy/heudiconv).
- Förbearbeta dessa data med hjälp av fMRIPrep35,36. Denna automatiserade förbearbetningspipeline kombinerar metodik från AFNI37, ANTs38, Freesurfer39, FSL40, och Mindboggle41 för att tillhandahålla vetenskapligt rigorösa och reproducerbara data för användning vid dataanalys.
OBS: Den aktuella studien implementerar en blandad block/händelserelaterad design. De representativa resultaten (nedan) behandla varje mini block som en händelse (t.ex. slumpmässig sekvens är en händelse, strukturerad sekvens är en händelse, etc.). Men, uppgiften är också utformad så att man kan modellera varje stimulans som en händelse. - Inkludera två uppgiftsregressorer för varje körning ("bild" och "letter" för det visuella tillståndet, och "stavelse" och "ton" för hörselvillkoret) i modelldesignen på första nivån. Bestäm uppgiftsregressorer genom att convolving en vektor av händelse insvulna gånger med sina varaktigheter med en kanonisk hemodynamiska svarsfunktion. Beräkna skillnader och medel mellan körningar inom varje ämne för högre nivå modelldesigner. Detta kommer att resultera i en kontrast mellan strukturerade och slumpmässiga sekvenser inom varje typ av stimuli.
- Skapa ett grupp medelvärde av aktivering för strukturerade block jämfört med slumpmässiga block inom varje modalitet/domän.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Webbaserade beteendemässiga resultat
Med tanke på det nuvarande protokollet är utformad för enkel spridning med utvecklingspopulationer, har vi inkluderat preliminära webbaserade resultat baserat på data från 22 utveckla skolåldern barn (Mean (M) ålder = 9,3 år, Standard Deviation (SD) ålder = 2,04 år, intervall = 6,2-12,6 år, 13 flickor). I den webbaserade statistiska inlärningsuppgiften utförde barnen betydligt bättre än 0,5 chans-nivå på alla förhållanden, vilket indikerar framgångsrikt statistiskt lärande på gruppnivå (se tabell 1 för statistik; Bild 3). Medelreaktionstidslutning var negativ och signifikant under 0 i stavelsevillkoret (M = -0,01, SD = 0,02, t(14) = -2,36, enstjärtad p = .02) och marginellt signifikant i bokstavsvillkoret (M = -0,02, SD = 0,06, t(15) = -1,52, enstjärtad p = .07, figur 4), vilket tyder på en snabbare acceleration av måldetektering under förtrogenhetsfasen i de språkliga uppgifterna. Medelreaktionstidslutningen var inte signifikant annorlunda än noll i bildvillkoret (M = 0,02, SD = 0,04, t(17) = 1,54, enstjärtad p > .1) eller tonvillkoret (M = 0,005, SD = 0,02, t(15) = -5,7 x 10-17, enstjärtad p > .1), trots bevis på lärande i de offline-måtten på noggrannhet. Cronbachs alfa var 0,75 för letter-uppgiften, 0,09 för Syllable-uppgiften, 0,67 för tone-uppgiften och 0,86 för uppgiften Bild. Korrelationer mellan implicita mått (RT-lutning) och explicita mått (noggrannhet) av statistiskt lärande identifierar ett betydande förhållande för Uppgiften Bild (R = -.48, p = 0,04) och Letter-uppgift (R = -.54, p = 0,03). Inter-task korrelationer tyder vidare på att de fyra uppgifterna kan ha en blygsam grad av överlappande inlärningsmekanism (Figur 5). Medan noggrannhet på båda visuella uppgifter var starkt korrelerade (R = 0,60, p = 0,02), var de också positivt förknippade med noggrannhet på stavelseuppgiften (Bild R = .66, p = 0,01; Bokstaven R = .85, p < 0.001).
fMRI Resultat
Preliminära fMRI-resultat baserades på uppgifter från nio barn i skolåldern. Dessa nio barn var en delmängd av de 22 barn som ingår i de webbaserade beteendemässiga resultaten, eftersom inte alla barn kom till labbet för att slutföra fMRI-delen av studien. Alla nio slutförde de auditiva statistiska inlärningsuppgifterna (M age = 10,77 år, SD = 1,96 år, intervall = 7,7-13,8 år, 4 flickor) och sju slutförde de visuella statistiska inlärningsuppgifterna (M-ålder = 11,41 år, SD = 2,37 år, intervall = 7,7-13,8 år, 4 flickor). Vid jämförelse av strukturerade block med slumpblock observerades signifikanta kluster i alla fyra förhållanden (figur 6). I stavelse villkoret hittades större aktivering på vänster överlägsen tidsmässiga gyrus, höger insula/frontal operculum och främre cingulate gyrus. I tonen villkor hittades större aktivering på vänster mellersta tidsmässiga gyri, bilaterala kantiga gyri, vänster frontal pole, höger laterala occipital hjärnbarken, rätt insula och höger frontal operculum. I villkoret skrivelse hittades större aktivering på vänster planum tidsmässiga. I bilden villkor hittades större aktivering vid rätt laterala occipital cortex. Dessa preliminära resultat tyder på att barns neurala aktiveringsmönster skiljer sig mellan inlärning av statistiska regularities beroende på modalitet och domänen för de presenterade stimuli. Den nuvarande uppgiftsdesignen är känslig för dessa skillnader och kan identifiera uppgiftsspecifika regioner av aktivering som liknar tidigarestudier 20,25.
fMRI beteendemässiga resultat
För att visa lärande i fMRI delen av denna studie har vi inkluderat i-scanner beteendemässiga resultat från 28 vuxna (M ålder = 20,8, SD = 3,53, 20 kvinnor), som data från 9 barn var inte tillräckligt för att beräkna tillförlitlig statistik. Våra resultat hos vuxna indikerar att lärande framgångsrikt inträffade i alla uppgifter för den strukturerade sekvensen, med stöd av betydligt snabbare svarstid i det strukturerade jämfört med slumptillståndet, utom när det gäller tonuppgiften (se tabell 2 för statistik).
Sammantaget visar våra webbaserade noggrannhetsmått, och ökad aktivering för strukturerade kontra slumpmässiga sekvenser i skannern, att detta protokoll kan implementeras med utvecklingspopulationer för att mäta statistiskt lärande över domäner och modaliteter inom en individ. Vår beteendemässiga MRI resulterar i en vuxen befolkning ytterligare betoning nyttan av detta protokoll i mätningen lärande av strukturerade sekvenser som det utvecklar sig i realtid, liksom förmågan att genomföra de webbaserade och fMRI protokoll oberoende.
Figur 1: Förtrogenhetsfas av alla fyra statistiska inlärningsuppgifter. Exempel trillingar över varje uppgift avbildas i denna figur. Varje visuell stimulans visades för 800 ms med en 200 ms ISI, och varje auditiv stimulans hördes för 460 ms med en 20 ms ISI. Vänligen klicka här för att visa en större version av denna figur.
Figur 2: Modifiering av förtrogenhet för uppgifter om fMRI-statistikinlärning. FMRI-uppgiften liknade den webbaserade förtrogenhetsfasen men introducerade en slumpmässig sekvens som var motvikt mellan domäner. Vänligen klicka här för att visa en större version av denna figur.
Figur 3: Genomsnittlig statistisk inlärningsgrad (SL) noggrannhet i den webbaserade uppgiften jämfört med slump-nivå. Resultaten visar individer som utförs betydligt över slumpen på alla fyra uppgifter, *** one-tailed p < .001, ** < 0.01, * < 0.05. Vänligen klicka här för att visa en större version av denna figur.
Bild 4: Genomsnittlig reaktionstidslutning i den webbaserade uppgiften mot noll. En mer negativ lutning indikerar snabbare acceleration i målavkänningen under förtrogenhet. Måldetekteringen förbättrades avsevärt under exponeringens gång under stavelseuppgiften. † stjärtad p = .07, * < .05. Vänligen klicka här för att visa en större version av denna figur.
Figur 5: Webbaserade samband mellan aktiviteterna mellan olika uppgifter mellan alla fyra statistiska inlärningsuppgifter. (a) Icke signifikanta värden vid en alfa på .05 visas med vit bakgrund. Alla jämförelser med en färgad bakgrund betecknar betydande effekter. (b) Provstorlek för varje parvis jämförelse. Vänligen klicka här för att visa en större version av denna figur.
Bild 6: Neural aktivering på gruppnivå för strukturerade block jämfört med slumpvisa block inom varje modalitet och domän. Betydande kluster var tröskelvärdet på voxel-nivå p < 0,001 och kluster-nivå p < 0,05 för varje uppgift. Vågräta segment valdes för att avbilda klustret med det maximala z-värdet. Färgfältet i nedre, högra hörnet återspeglar samma skala för alla tomter. Vänligen klicka här för att visa en större version av denna figur.
| Villkor | Menar | Standardavvikelsen | Enstjärtad T-test |
| Bild | 0.63 | 0.21 | t(17) = 2,64, p = 0,009 |
| Brev | 0.66 | 0.16 | t(15) = 3,98, p < .001 |
| Tonar | 0.60 | 0.15 | t(16) = 2,83, p = 0,006 |
| Stavelse | 0.55 | 0.1 | t(14) = 2,06, p = 0,03 |
Tabell 1: Webbaserad noggrannhet efter villkor. T-test med ett urval representerar gruppskillnader jämfört med 0,5 chansnivå.
| Strukturerad | Slumpmässiga | ||||
| Villkor | Menar | Standardavvikelsen | Menar | Standardavvikelsen | Ihopkopplade Prover T-test |
| Bild | 468.1 | 76.04 | 493.4 | 60.33 | t(27) = -2,01, p = 0,05 |
| Brev | 374.72 | 143.59 | 502.1 | 68.75 | t(27) = -4,97, p <.001 |
| Tonar | 426.37 | 169.10 | 407.68 | 162.63 | t(26) = 0,67, p = 0,51* |
| Stavelse | 589.3 | 180.95 | 679.9 | 55.99 | t(26) = -2,51, p = .02* |
| *Ett ämne hade för få knapptryckningar för att beräkna ett värde för tonen eller stavelseuppgiften. | |||||
Tabell 2: MRI beteendemässiga prestanda skillnader på slumpmässiga kontra strukturerade sekvenser över alla fyra uppgifter hos vuxna. Paired-samples t-tester representerar gruppskillnader i inlärning av strukturerade kontra slumpmässiga sekvenser.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
De metoder som presenteras i det aktuella protokollet ger ett multimodalt paradigm för att förstå de beteendemässiga och neurala indexen för statistiskt lärande under loppet av utveckling. Den nuvarande utformningen möjliggör identifiering av individuella skillnader i statistisk inlärningsförmåga över olika modaliteter och domäner, som kan användas för framtida utredning av sambandet mellan statistisk inlärning och språkutveckling. Eftersom en individers statistiska inlärningsförmåga befinns variera mellan domäner och modaliteter6,8,9, är det optimalt om deltagarna slutför alla fyra uppgifterna. Resultat från typiskt utveckla barn och vuxna visar att en individers resultat över statistisk inlärning domäner / modaliteter kan differentiellt relatera till ordförråd4 ochläsning 5,6 resultat. Därför rekommenderar vi ytterligare åtgärder av kognitiva och språkförmågor vidtas för att relatera till de mått på statistisk inlärning som vidtas i det aktuella protokollet.
Forskning har rapporterat rimlig inre konsekvens och test-retest tillförlitlighet av dessa statistiska lärande uppgifter för vuxna8,42. Oro för uppgiftstillförlitlighet förbarn 42 och en diskussion nyligen om allmännamätfrågor 9 tyder dock på ett akut behov av att utveckla mått på statistiskt lärande, som tar hänsyn till barns utvecklingsegenskaper. Medan vår tidigare forskning, liksom de preliminära uppgifterna från det nuvarande protokollet, visar hög inre konsekvens för icke-språkliga statistiska inlärningsuppgifter i skolåldern barn mellan 8 och 16 årgammal 6, vår forskning bekräftade också en mindre tillfredsställande uppgift tillförlitlighet, särskilt i auditiva språkliga statistiska lärande som har rapporterats före42. Skillnaderna i inre överensstämmelse mellan arbetsuppgifter är särskilt spännande mot bakgrund av de senaste rönen om effekterna av en elevs tidigare språkliga erfarenheter på statistiska läranderesultat18,43,44. Språk- och läsutvecklingen förändras snabbt under skolåren. Learnabilityen av varje auditiv språklig triplett kan skilja sig åt väsentligen inom varje barn, beroende på deras utvecklings- arrangerar, och strömspråkförmågor. Att kombinera vårt protokoll med andra individuella skillnadsåtgärder kommer att erbjuda en spännande möjlighet att studera kaskadeffekten mellan befintliga färdigheter och efterföljande lärande bakom heterogeniteten i statistisk inlärningsprestanda under utveckling.
En viktig fördel med den nuvarande designen är i sin' nytta för att mäta statistiskt lärande via en online web-plattform. Forskare bör vara medvetna om följande när man överväger riktigheten av reaktionstid mätningar via en webbläsare. de Leeuw och Motz (2016)45 fann att svarstiderna som mättes via en webbläsare var cirka 25 ms längre än de som mättes via andra standardprogram för datapresentation. Viktigt, denna försening befanns vara konstant över prövningar. Eftersom vårt mått på realtidslärande i de webbaserade uppgifterna är lutningen av förändring i reaktionstid, har effekterna av fördröjningen i reaktionstiden minimerats med hjälp av inom-ämnesjämförelser. de Leeuw (2015)30 har också erkänt att reaktionstid mätt via jsPsych kan påverkas av faktorer som datorns bearbetningshastighet eller antalet uppgifter som laddats i bakgrunden. För att minimera dessa effekter rekommenderar vi att normalisera svarstiden inom varje enskild deltagare innan du beräknar svarstiden lutning30.
Det aktuella protokollet, som ger robusta metoder för att visa stor variation i inlärningsbeteende över domäner och modaliteter, är utformat för att undersöka individuella skillnader i statistiskt lärande. Detta protokoll är dock inte lämpligt för att undersöka frågor som om visuell statistisk inlärning är till sin natur enklare än auditiv statistiskt lärande. Tolkningen av prestandaskillnader på gruppnivå mellan arbetsuppgifter är svår på grund av alla de förvirrande faktorer som vi inte har möjlighet att kontrollera, såsom stimuli förtrogenhet14,43,46,47 , sensorisk salience och bearbetningshastighet28. Relaterade till stimuli förtrogenhet, är det väl etablerat att en individs tidigare erfarenheter med stimuli kan påverka deras statistiska lärande prestanda. Dessutom är de visuella och auditiva uppgifterna svåra att direkt jämföra på grund av skillnader i salience av stimuli och presentationsgrad över dessa modaliteter. Därför är våra metoder utformade med syfte att undersöka individuella skillnader i statistiskt lärande. Men med avancerade fMRI-analysmetoder lämpar sig vårt protokoll för att studera teoretiska frågor om vilken typ av statistisk inlärning det är, till exempel kan vi fråga vilka hjärnnätverk som är känsliga för regelbundenheter i varje domän och hur mönstren för neuralt engagemang skiljer sig åt/överlappar varandra.
Det nuvarande protokollet utvecklades för att vara barnvänligt och lättillgängligt för att maximera forskningen inom neurotypiska och atypiska populationer. Under genomförandet av detta protokoll med små barn eller de med utvecklingsstörningar, ett kritiskt steg är att ge pauser mellan varje SL uppgift för att undvika trötthet. Varje villkor för de webbaserade uppgifterna kan spridas individuellt för att lätta kognitiva krav. Före skanning kan mock scanner användas för att minska barnångest och huvudrörelse inför den verkliga fMRI-uppgiften. En ytterligare fråga forskare bör vara medveten om avser en allmän oro när de utför någon neuroimaging studie: rörelse. En rotationshuvudrörelse på bara 0,3 mm kan orsaka att artefakter manifesteras. I ett försök att minimera sannolikheten för rörelse artefakter, har det aktuella protokollet begränsat varje körning för att pågå mindre än 5 minuter48. Deltagarna bör uppmuntras att vara stilla under varje 5-minuters körning men får flytta eller sträcka mellan körningar för att minska rörelse under själva skanningen. Vi rekommenderar också rigorösa dataanalystekniker för att korrigera rörelserelaterade artefakter på fMRI-datan49.
Med tanke på det kritiska bidraget från statistisk inlärningsförmåga vid senare språkinlärning är det nödvändigt att utveckla mer omfattande och tillförlitliga åtgärder som bedömer både realtid och offline inlärning av statistiska regulariteter. Det aktuella förslaget är ett första steg mot att avgränsa hur individuella skillnader i statistisk inlärningsförmåga baserad på domän/modalitet kan redovisa variationer i senare språkresultat.
Det aktuella protokollet, som ger robusta metoder för att visa stor variation i inlärningsbeteende över domäner och modaliteter, är utformat för att undersöka individuella skillnader i statistiskt lärande. Detta protokoll är dock inte lämpligt för att undersöka frågor som om visuell statistisk inlärning är till sin natur enklare än auditiv statistiskt lärande. Tolkningen av resultatskillnader på gruppnivå mellan arbetsuppgifter är svår på grund av alla de sammanbluffande faktorer som vi inte har möjlighet att kontrollera
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inget att avslöja.
Acknowledgments
Vi tackar Yoel Sanchez Araujo och Wendy Georgan för deras bidrag i den initiala utformningen av den webbaserade plattformen. Vi tackar An Nguyen och Violet Kozloff för deras arbete med att förbättra de webbaserade statistiska inlärningsuppgifterna, genomföra uppgifterna för fMRI och lotsa uppgifterna hos vuxna deltagare. Vi tackar Violet Kozloff och Parker Robbins för deras bidrag till att bistå datainsamlingen hos barn. Vi tackar Ibrahim Malik, John Christopher, Trevor Wigal och Keith Schneider vid Center for Biological and Brain Imaging vid University of Delaware för deras hjälp med insamling av neuroimagingdata. Detta arbete finansieras delvis av Det nationella institutet för dövhet och andra kommunikationsstörningar (PI: Qi; NIH 1R21DC017576) och National Science Foundation Direktoratet för sociala, beteendemässiga & ekonomiska vetenskaper (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).
