通过在线平台和神经成像技术测量学龄儿童跨模式和领域的统计学习
2020年6月30日
这里介绍的是一套议定书，其中介绍了一套适合儿童的统计学习任务，旨在检查儿童对跨领域和感官模式的时间统计模式的学习。开发的任务使用基于 Web 的平台和基于任务的功能磁共振成像 （fMRI） 数据收集行为数据，用于在统计学习期间检查神经参与度。
从输入中提取模式的能力是语言和认知发展的基础。该技术可以解决儿童统计学习的显著异质性是否由域一般或域特定机制解释。我们的协议允许测量跨领域和个体模式的统计学习，对儿童友好，并结合了基于网络的行为与基于实验室的神经成像技术。
此方法将提供对语言发展的学习框架的洞察。如果适用于特殊人群，我们的协议也可以促进我们对语言学习困难的理解。我们正在使 Zenodo 和 GitHub 的研究社区能够访问我们的任务。
我们鼓励其他研究人员复制我们的任务，一旦它们变得可用。若要执行基于 Web 的协议，请首先导航到基于 Web 的统计学习范式。对于音节任务，请向参与者介绍一个外星人及其最喜欢的单词。能源部。
通知参与者，他们将听外星人的语言，并记住按空格键，每当他们听到最喜欢的单词。让学员在熟悉阶段之前完成练习试验，在熟悉阶段，他们必须在听到外星人最喜欢的单词后尽快按空格键。在测试阶段，指示学员选择听起来比较熟悉的两个序列之一。
目标序列将在熟悉阶段呈现。克拉普图的箔序列将以前没有提出。在音调任务中，通知参与者，他们将不得不跟踪民歌中外星人最喜欢的音符。
测试阶段将遵循与音节任务相同的设计。在图像任务中，通知参与者，他们将不得不跟踪一个特殊的外星人作为一组外星人阵容进入太空船。在测试阶段，两个目标在熟悉阶段和箔三胞胎前所未见的对对呈现给参与者。
在信件任务中通知参与者，他们将不得不跟踪外星人最喜欢的标志。当外星人举着游行的标语时。为了帮助参与者，特别是儿童在扫描仪练习中变得舒适，使用模拟扫描仪进行 MRI 扫描。
将学员介绍给模拟扫描仪或大脑摄像头，并介绍给他们的扫描伙伴。说明扫描好友的目的是让他们陪伴，并在需要时帮助他们。如果摄像机检测到太多运动，扫描伙伴也会轻轻地提醒学员保持静止。
向学员介绍统计学习范式，让他们在计算机上完成任务的简短部分。完成任务后，帮助学员进入模拟扫描仪并播放儿童友好型视频，帮助他们适应声音和视频。当参与者准备就绪时，播放一些预先录制的扫描仪或声音剪辑，为真正的 MRI 产生的噪音做好准备。
在此期间，让学员练习保持静止，并与扫描好友一起工作。当学员对模拟扫描仪感到自在时，确认 FMRI 数据收集协议在 MRI 采集计算机上设置得当。让参与者舒适地躺在 MRI 扫描仪的床上，使用耳机保护他们的耳朵免受扫描仪噪音和手中的响应垫。
在参与者的头部周围放置额外的填充，以确保在数据收集过程中头部运动受限，并给学员提供扫描好友选项。给学员一个挤压球，用于通知他们是否苦恼或需要停止，并放置头部线圈在参与者的头部。对齐扫描床中的参与者后，注册采集计算机中的新参与者并选择正确的扫描协议。
将扫描床和参与者插入 MRI 的孔中，并在获得结构 MRI 扫描时向学员展示影片。要让学员执行听觉任务，请使用连接到其耳机的内部通信系统通知学员。现在我们要玩一个按钮按下游戏。
你会听到外星人，说单词和播放音乐记得按下响应板上的按钮，每当你听到你正在听的声音。发出说明后，在演示计算机上开始范例，以便获取听觉统计学习数据。对于可视任务，请通知参与者。
现在，你会看到外星人的照片和信件。每当您看到要查找的图片时，请按响应垫上的按钮。给出说明后，开始在演示计算机上获取可视化统计学习数据的范例。
学员完成范例后停止 MRI，安全地将学员从扫描仪内部取出并拆下头部线圈。在基于网络的统计学习任务。在所有条件下，儿童的表现明显优于0.5次机会水平，表明在小组层面的统计学习是成功的。
平均反应时间斜率在音节条件下为负数，明显低于零，在字母条件中略有显著，表明在语言任务熟悉阶段，目标检测的速度会加快。平均反应时间斜率与图像或音调条件中的零没有显著差异，尽管在离线精度测量中提供了学习证据。此处显示了基于9名完成听觉和视觉统计学习任务的9名发展中学龄儿童的初步FMRI结果。
当比较结构化块与随机块时，根据刺激类型，在各种大脑区域观察到重要的聚类。这些结果表明，目前的任务设计对检测儿童大脑中学习诱导的血动力变化很敏感。成人中具有代表性的发现表明，与除音色任务外的所有扫描仪任务中的随机条件相比，结构化序列在结构化条件下的响应时间显著加快，从而可学习。
我们鼓励研究人员，包括其他个别差异措施，以更好地了解跨领域和模式的变异性和统计学习与更高层次流程的关系。该协议是确定统计学习中个体差异如何解释典型发展或非典型发展语言结果差异的第一步。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了一种适合儿童的协议，用于在各种感官模式下研究儿童的时间统计学习。该研究使用基于网络的平台收集行为和fMRI数据，检查学习过程中的神经参与。研究结果旨在增强对语言发展框架的理解，并可能为特殊人群的语言学习困难提供见解。
关键研究组成部分
科学领域
- 神经科学
- 发展心理学
- 语言习得
背景
- 提取模式的能力对儿童的认知和语言发展至关重要。
- 由于可能的领域特定或领域通用机制，儿童之间的统计学习各不相同。
- 将行为任务与fMRI结合可以洞察学习的神经基础。
研究目的
- 测量儿童在各种领域和模式下的统计学习。
- 提供可重复的方法，供研究社区使用。
- 探索对理解语言学习困难的影响。
使用的方法
- 研究采用基于网络的统计学习范式以及fMRI进行数据收集。
- 参与者参与各种任务，包括音节、语调、图像和字母识别。
- 参与者在模拟扫描仪中练习，以减少与MRI扫描相关的焦虑。
- 行为和fMRI数据收集被精心设置以测量参与者的反应。
主要结果
- 儿童在统计学习任务中的表现显著优于随机水平。
- 行为数据表明在语言任务中快速检测目标，表明处理效率。
- fMRI结果揭示了与执行的任务相关的显著脑参与模式。
结论
- 本研究验证了一个用于检查儿童统计学习的协议，提供了对认知发展的见解。
- 基于网络的任务和神经影像的结合增强了对语言习得机制的理解。
- 结果可能为解决儿童语言学习困难的策略提供信息。
常见问题
Executive Industry Relevance
Quantitative measurement of statistical learning across sensory modalities in children enables robust target validation for neurodevelopmental research pipelines. Integrating web-based behavioral assays with neuroimaging provides predictive confidence in linking cognitive processes to neural mechanisms, supporting translational continuity from discovery to preclinical model development. This approach enhances portfolio decision-making for programs targeting language and cognitive development disorders.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of domain-general versus domain-specific learning mechanisms in neurodevelopment.
- Supports biological de-risking by mapping cognitive performance to neural activation patterns.
- Facilitates predictive confidence in target selection for language and cognitive disorder programs.
Screening & Assay Development
- Provides validated, scalable web-based tasks for high-throughput behavioral phenotyping.
- Delivers reproducible, quantitative reaction time and accuracy outputs for assay standardization.
- Prepares disease-relevant systems for downstream compound or intervention screening.
Translational & Preclinical Research
- Aligns behavioral and neural readouts for translational biomarker development.
- Enables continuity from early discovery through preclinical validation in special populations.
- Supports risk-adjusted advancement decisions for neurodevelopmental therapeutic candidates.
Pipeline & Workflow Integration
This protocol bridges early discovery and preclinical research by integrating real-time behavioral assays with neuroimaging, supporting hypothesis testing and mechanistic de-risking in neurodevelopmental pipelines.
- Discovery Biology: Quantifies learning dynamics and neural correlates to clarify cognitive pathways.
- Screening: Standardizes behavioral outputs for cross-study and cross-population comparison.
- Analytics: Provides reaction time slopes and accuracy metrics for robust statistical analysis.
- Translational Research: Links behavioral phenotypes to neural biomarkers for preclinical model alignment.
- Enterprise Reuse: Offers open, reproducible tasks adaptable across research sites and populations.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neurodevelopmental research.
- Operational Value: Enhances standardization, reproducibility, and scalability of behavioral and neuroimaging assays.
- Strategic Value: Improves go/no-go decisions and capital efficiency for early-stage cognitive disorder programs.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of language and cognition-focused assets.
Implementation Considerations
- Requires expertise in cognitive neuroscience and neuroimaging data analysis.
- Needs access to MRI infrastructure and web-based behavioral testing platforms.
- Demands cross-team standardization for data collection and interpretation.
- Adaptable for diverse developmental backgrounds and special populations.
- Session duration may necessitate flexible task administration for young participants.
Biopharma FAQs
Chapters in this video
0:05
Introduction
1:12
Web-Based Protocol
2:52
Task-Based Functional Magnetic Resonance Imaging (fMRI) Preparation
4:01
Task-Based Functional Magnetic Resonance Imaging (fMRI) Protocol
6:02
Results: Representative Statistical Learning Across Modalities and Domains in School-Aged Children
7:26
Conclusion
