隐式电机序列学习中的 "马达": 步进串行反应时间任务
2018年5月3日
我们介绍了步进串行反应时间 (工作) 任务。这一修改后的任务, 补充了经典的工作, 只涉及手指紧迫的运动, 更好地接近每天的排序活动, 并允许研究人员研究的动态过程中的离散反应措施和解开隐式序列学习中操作的显式过程。
该实验的总体目标是研究人们如何学习模仿日常活动的一系列动作，并阐明认知过程，特别是作内隐运动序列学习的外显过程。这项任务提供了一种新的方法来回顾内隐运动序列学习过程中外显健康的发展进展。使用这项任务可以帮助回答运动学习和发育领域的关键问题，例如内隐运动序列学习及其与年龄相关的发展。
这种技术的主要优点是，与经典的 SRT 任务相比，任务中的脚步涉及更大的运动控制复杂性，它使我们能够更好地理解日常生活中顺序技能的学习，例如跳舞、演奏乐器或进行运动。这项技术的意义延伸到帮助我们了解有运动困难的儿童，特别是患有发育协调障碍或 DCD 的儿童对运动序列的学习。当我们看到我们正在研究的一位患有 DCD 的孩子练习 Wii 游戏 Dance Dance Revolution 时，我们第一次想到了这种方法"他能够学习顺序，尽管他在运动控制和姿势挑战方面遇到了问题。
演示该程序的是神经力学实验室的研究生 Elizabeth Bell 和 Mia Caminita。首先确保动作捕捉系统正常运行，以确保从反射标记准确收集 3D 数据。对于动态校准，在参与者执行 SRT 任务时，将动作捕捉系统随附的校准棒挥过所有反射标记都会移动的空间。
对于静态校准，将校准棒放在地板上，并带有位置和方向，可以作为动作捕捉系统坐标系的原点。运行运动捕捉系统以设置原点。在运动捕捉系统中，为每个标记指定一个名称，并通过将标记连接在一起来创建分段。
链接所有线段以完成骨架模板。抵达后，请参与者仔细阅读并签署同意书。嗨 Mia，感谢您自愿完成这项研究。
此同意书将为您提供有关我们今天将要做什么的更详细信息。如果您同意参加，您可以只在每一页签名，然后在最后一页签名吗？在此之后，我们将完成一些问卷调查。
使用手部优势问卷、整体身体活动水平问卷和神经健康问卷等问卷筛选研究合格性。让参与者脱掉他们的鞋子和袜子。好了，太好了，现在我们准备好进行动作捕捉了。
如果我能让你脱掉鞋子和袜子，我们就可以走了。好。然后使用双面、低过敏性胶带和预包装胶带将 38 个球形反光标记（每个直径为 50 毫米）贴在预定的重要骨标志处的皮肤上。此标记设置与此处显示的自定义骨架模板相同。
清除参与者体内除这 38 个标记之外的所有不需要的反射。通过指示参与者以 T 姿势安静地站在原位，并运行动作捕捉系统以捕捉所有标记 2 到 10 秒来运行校准试验。在每个参与者开始任务之前，设置参数，包括但不限于参与者 ID、小组 ID、学习块数、刺激呈现的时间长度、刺激间或响应刺激间间，以控制运动完成与下一个刺激开始之间的时间间隔。
让参与者站在初始位置。好的，如果您可以步入深蓝色矩形，这将是您的起始位置。并调整初始位置的距离，以便参与者可以舒适地踩到地板上的所有六个目标。
让参与者快速踩向每个目标几次。回到你的左脚后面，太好了。并为每个参与者以最舒适的步长标记从起始位置到每个目标的距离。
告诉参与者，一旦刺激出现在监视器上显示的六个位置之一，他们需要尽可能快速准确地走到地板上的相应目标，然后返回到初始位置。一旦刺激出现在显示器上显示的六个位置之一，您将尽可能快速准确地走到地板上的相应目标，然后返回到初始位置。然后，告诉参与者用右脚迈向位于右侧的三个目标，左脚迈向其他三个目标。
您将用右脚踏向屏幕右侧的三个目标，用左脚踏向左侧的三个目标。指导参与者在执行任务时将肘部放在身体两侧并以 90 度角弯曲，以便摄像机可以看到放置在臀部的标记。请双手放在身体两侧，肘部弯曲成 90 度角。
运行一个包含 36 个步骤的练习块，以便参与者熟悉任务。此块上的刺激以随机顺序显示。练习块结束后，开始实验块。
在该协议中，有六个块，每个实验块由每个刺激的 100 个步骤组成。根据实验目的设置视觉刺激的具体顺序。刺激遵循指定或随机的顺序。
参与者不知道刺激顺序的呈现。每个区块后，给参与者强制性的三分钟休息时间。在每个实验块之前，提醒参与者尽可能快速准确地对刺激做出反应。
因此，我们将重复相同的任务。尽可能快速准确地对刺激做出反应很重要。考虑到可能的速度准确性权衡，指示受试者在每个学习块之前尽可能快速和准确至关重要。
完成所有学习模块后，要求参与者完成一个后测，其中包括文献中描述的广泛使用的回忆和识别测试。该图说明了 12 名年轻人在 6 个学习模块中的平均响应时间。与模块 4 中的学习序列相比，模块 5 中对新序列的响应时间明显较低，这表明学习了该序列。
平均反应时间表现出与响应时间相同的模式。特别是，第 5 块的反应时间比第 4 块慢。与响应时间和反应时间不同，块 4 和 5 之间的移动时间是可比的。
除了经典 SRT 任务中侧重于时间测量外，整个身体的运动，尤其是重心运动，也可以在脚步 SRT 任务中测量。该图显示了一个参与者在刺激出现前 100 毫秒发生的质心运动轨迹的数据。该图显示了预期质心运动的方向。
每个刺激的预期运动方向在开始时非常不一致，随着跨模块学习的进行而变得更加一致。该图显示了组级别跨块的移动方向变化的显著变化。具体来说，可变性从模块 4 增加到模块 5，表明质心运动方向将是 SRT 任务中运动序列学习的明显标志。
更重要的是，预期质心运动可能反映了内隐运动序列学习中的显式过程。从第 4 组到第 5 组增加的变异性仅在需要明确了解序列的参与者中得到证明，而在未表现出明确知识的参与者中没有得到证明。此外，从第 4 块到第 5 块的可变性变化与参与者获得的显性知识量显着相关。
看完这个视频，你应该对这个脚步任务的好处有了很好的了解，它与经典的按键 SRT 任务相得益彰。首先，它更好地模拟了日常排序活动中的脉冲序列学习。其次，这个修改后的 SRT 任务提供了一种独特的能力来检查在内隐运动序列学习中运行的外显意识的时间演变。
最后，使用此任务，可以记录和检查其他信息，例如连续运动轨迹。运动的时间动态测量可用于在未来的序列学习研究中审查隐藏的认知过程。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了足部踩踏序列反应时间（SRT）任务，这是经过修改的经典SRT任务的版本，它融入了足部动作。这种方法使研究人员能够更好地研究隐式序列学习中涉及的认知过程以及伴随的显性过程。
关键研究组成部分
科学领域
- 神经科学
- 运动学习
- 认知心理学
背景
- 经典的SRT任务通常涉及手指按压动作。
- 足部踩踏任务模仿日常活动，提高生态有效性。
- 这种方法有助于探索学习序列中运动控制的复杂性。
- 它对于理解发育性协调障碍（DCD）尤为重要。
研究目的
- 调查个体如何学习反映日常生活的动作序列。
- 阐明隐式运动序列学习中涉及的认知过程。
- 评估隐式学习过程中显性意识的发展。
使用的方法
- 足部踩踏序列反应时间任务。
- 与传统的手指按压SRT任务的比较。
- 对DCD儿童的观察研究。
- 运动控制和姿势挑战的分析。
主要结果
- 足部踩踏任务提供了更大的运动控制复杂性。
- 尽管存在运动控制困难，参与者仍能学习序列。
- 这种方法揭示了与年龄相关的运动技能发展的见解。
- 它对理解儿童的运动学习有重要意义。
结论
- 足部踩踏SRT任务是研究运动学习的有价值工具。
- 它增强了我们对隐式学习过程的理解。
- 这种方法可以为有运动困难的儿童提供干预措施的信息。
常见问题
Executive Industry Relevance
Disentangling reaction time and movement time in implicit motor sequence learning enables more precise target validation and mechanistic de-risking in early-stage neuromotor research. The foot-stepping SRT task provides a translationally relevant model for evaluating motor planning, execution, and postural control, supporting predictive confidence in disease-relevant systems. This approach informs portfolio decisions for programs targeting motor learning, neurodevelopmental disorders, and movement dysfunction.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of motor sequence learning mechanisms under ecologically valid, whole-body conditions.
- Supports functional target validation by isolating cognitive and motor execution components.
- Facilitates mechanistic de-risking for neurodevelopmental and movement disorder targets.
- Provides quantitative endpoints for hypothesis-driven portfolio triage.
Screening & Assay Development
- Establishes validated, reproducible behavioral assays for motor sequence learning.
- Generates quantitative RT and MT outputs for compound or intervention screening.
- Supports assay standardization and cross-study comparability in neuromotor research.
- Enables scalable, platform-ready protocols for preclinical and translational workflows.
Translational & Preclinical Research
- Aligns with disease-relevant models for developmental coordination disorder and related conditions.
- Provides continuity from discovery through preclinical validation of motor learning interventions.
- Enables risk-adjusted advancement decisions based on predictive behavioral biomarkers.
- Supports translational biomarker development by linking postural control metrics to cognitive processes.
Pipeline & Workflow Integration
This method bridges early discovery, lead identification, and preclinical validation for neuromotor and cognitive-motor programs.
- Discovery Biology: Supports hypothesis testing on the interplay between cognitive and motor components in sequence learning.
- Screening: Delivers reproducible, quantitative RT and MT outputs for intervention assessment.
- Analytics: Provides statistical measures of learning, postural control, and explicit knowledge acquisition.
- Translational Research: Connects behavioral outputs to disease-relevant endpoints for preclinical studies.
- Enterprise Reuse: Offers a reusable, adaptable assay platform for diverse neuromotor research pipelines.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in motor learning research.
- Operational Value: Enhances standardization, reproducibility, and scalability of behavioral assays.
- Strategic Value: Improves go/no-go decision-making and capital efficiency in early-stage neuromotor portfolios.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of neuromotor and cognitive-motor assets.
Implementation Considerations
- Requires expertise in motion capture, behavioral neuroscience, and quantitative data analysis.
- Needs access to motion capture systems and validated marker placement protocols.
- Demands cross-team standardization for data collection and analysis workflows.
- Adaptable to various age groups and movement disorder models with protocol adjustments.
- Dependent on participant compliance and accurate calibration for reliable outputs.
