Quantifier l'apprentissage chez les jeunes enfants: Suivi Leg Actions Au cours d'une tâche de découverte-learning
June 1st, 2015
Une méthode est décrite dans laquelle les nourrissons de 3-4 mois apprennent une tâche par découverte et leurs mouvements de jambe sont capturés pour quantifier le processus d’apprentissage.
Le but de l’expérience suivante est d’étudier l’émergence et le développement des mouvements des jambes lorsque les nourrissons apprennent une tâche spécifique. Pour ce faire, il suffit d’abord de placer un bébé sous un mobile pour bébé et d’attacher des marqueurs visibles par caméra sur ses jambes. Ensuite, les mouvements des jambes de l’enfant sont suivis pendant qu’il participe à une tâche d’apprentissage par la découverte dans laquelle le mobile tourne et joue de la musique.
Chaque fois que le nourrisson bouge l’un ou l’autre pied verticalement sur un seuil virtuel, les mouvements des jambes du nourrisson sont analysés pour déterminer si le nourrisson a appris que l’action de sa jambe a activé le mobile et comment le nourrisson a changé les mouvements de ses jambes au cours de l’expérience. En fin de compte, ce nouveau paradigme d’apprentissage par la découverte fournit des informations sur les processus que les nourrissons explorent et exploitent lorsqu’ils apprennent à modifier leurs mouvements spontanés pour effectuer des actions spécifiques à une tâche. Ce paradigme est unique en ce sens que, à mesure que les nourrissons découvrent indépendamment que c’est l’action de leurs jambes qui active le mobile.
Les mouvements de leurs pattes sont suivis à l’aide d’un système de capture de mouvement. Les paradigmes précédents ont peut-être eu l’une de ces caractéristiques, mais les deux sont nécessaires pour quantifier le processus d’apprentissage des jeunes nourrissons. Cette méthode peut nous aider à répondre à certaines des questions clés sur le terrain, telles que comment les nourrissons apprennent-ils en explorant le monde qui les entoure.
Pour commencer, configurez le système de capture de mouvement en alignant d’abord le système de coordonnées des deux capteurs de capture de mouvement sur celui d’un capteur de référence. En cliquant d’abord sur effectuer un nouvel enregistrement dans le programme de capture de mouvement. Entrez ensuite un temps de collecte de 30 secondes et cliquez sur Enregistrer.
Une fois que vous avez cliqué sur le registre, déplacez l’objet d’enregistrement dans le volume de capture du système pendant 30 secondes. Une fois l’inscription terminée, une racine signifie que l’inscription au carré s’affichera sur l’écran de l’ordinateur. Cliquez ensuite sur Effectuer un nouvel alignement dans le programme de capture de mouvement pour aligner le système de coordonnées global sur la table de test à l’aide de l’objet de recalage, définissez l’origine en plaçant l’objet de recalage dans le coin supérieur droit de la table de test et en cliquant sur Numériser dans le programme de capture de mouvement.
Définissez ensuite l’axe Z en plaçant l’objet d’enregistrement sur le dessus d’un livre et en cliquant, numériser l’axe Z est perpendiculaire à la table. Ensuite, définissez le plan positif ZY en déplaçant l’objet d’enregistrement sur le livre sur la longueur de la table et en cliquant sur numériser. L’axe Y est parallèle à la longueur de la table et l’axe X est parallèle à la largeur de la table.
Branchez les LED dans les deux ports de course et entrez le nombre de LED par port stroboscopique dans le programme du système de capture de mouvement. Reportez-vous à la figure trois illustrée ici. Pour le nombre et l’emplacement de chaque LED, sélectionnez la vue de données manquante pour fournir un graphique en bandes comme l’affichage des LED suivies en temps réel Pour configurer le programme mobile pour bébé.
Tout d’abord, entrez le nombre de minutes pour chaque condition pour le premier jour, entrez deux. Pour la première phase, la condition de non-renforcement. Six pour la phase deux, la condition de renforcement et zéro pour la phase trois le deuxième jour, entrez deux pour la phase un, six pour la phase deux et deux pour la phase trois.
Cochez également la case. Utilisez xin par défaut afin que le seuil calculé lors de la configuration de référence du premier jour soit le seuil utilisé pour la condition d’acquisition du deuxième jour. Enfin, sélectionnez Diffuser les images, Toutes les images et cliquez sur Envoyer pour permettre au programme mobile d’utiliser les données du système de capture de mouvement pour activer le mobile bébé en fonction de critères spécifiés.
Ensuite, placez trois caméras autour de la configuration mobile, une sur le côté droit, une sur le côté gauche et une au-dessus. Et connectez-les au système informatique. Lancez le programme informatique vidéo pour synchroniser les trois entrées.
De plus, placez une quatrième caméra au-dessus de la tête du nourrisson pour enregistrer les expressions faciales et suivre le regard. Commencez par décrire l’expérience aux parents et dites-leur d’interagir le moins possible avec leur bébé. Ensuite, déshabillez le bébé et placez-le sous le mobile.
Fixez le bébé à la table à l’aide d’une bande velcro placée sur le tronc. Une fois fixé en place, fixez les marqueurs sternaux suivis du pied, du jarret, de la cuisse et des corps pelviens rigides du nourrisson. Au début de chaque journée de test, lancez la tâche d’apprentissage mobile en démarrant de manière synchrone le programme informatique mobile du système de capture de mouvement et les caméras vidéo observent le nourrisson donner des coups de pied spontanés pendant la période de référence des deux premières minutes.
Au cours de cette période, le programme mobile pour nourrissons calculera en continu le seuil d’activation mobile en fonction des données Z de l’une des LED sur le corps rigide de chaque pied à la fin de la période de référence de deux minutes. Observez pendant que le programme mobile fixe le seuil à une hauteur d’un écart-type au-dessus de la hauteur moyenne des deux pieds pendant la période de référence. Ensuite, pendant les conditions d’acquisition, observez comment le mobile pour bébé tourne et joue de la musique lorsque la LED placée sur l’un ou l’autre des pieds franchit le seuil qui a été calculé pendant la condition de base de deux minutes à partir du premier jour de test pendant la phase d’extinction.
Le deuxième jour du test, observez le bébé donner des coups de pied spontanément sans aucun renfort mobile Après l’interaction du nourrisson avec le fixateur mobile. 10 LED individuelles bilatéralement à la peau du nourrisson à l’aide de colliers ECG double face, comme illustré ici, maintenez le membre inférieur du nourrisson dans une position anatomique étendue pendant cinq secondes. Définissez les angles de liaison dans cette position d’étalonnage comme étant de zéro degré.
Après le deuxième jour de test, pesez le nourrisson sur une balance électrique numérique. Mesurez ensuite la longueur du bébé, sa circonférence au milieu de la cuisse, le jarret et le pied. Ensuite, mesurez la largeur de leur genou au niveau de la ligne de l’articulation du genou.
La largeur de leur cheville à la ligne Malia ainsi que la largeur de leur pied à la tête métatarsienne. Enfin, mesurez la longueur de sa cuisse du grand trocanter à la ligne de l’articulation du genou, la longueur de sa tige de la ligne de l’articulation du genou à la malu latérale et la longueur de son pied de la molypsphère médiale à la première articulation de la phlange métatarsienne. Analysez la performance et l’apprentissage du nourrisson en calculant le pourcentage d’action renforcée de la jambe, comme décrit dans le protocole textuel ci-joint.
Pour analyser les mouvements des jambes, chargez des fichiers de données de position générés par le système de capture de mouvement dans un programme MATLAB personnalisé afin d’interpoler les données de position manquantes pour un maximum de 20 images consécutives à l’aide d’une spline cubique. Ensuite, chargez les fichiers interpolés dans un programme MATLAB personnalisé pour filtrer d’abord les données de position à l’aide d’un Butterworth de quatrième ordre avec une fréquence de coupure de cinq hertz, puis calculez les angles d’articulation comme décrit par soderquist et wedin. Ce graphique illustre les différences de résultats comportementaux entre les nourrissons classés comme apprenants et ceux classés comme non-apprenants.
Les nourrissons ont été classés comme apprenants si l’action renforcée de leurs jambes dans l’ensemble de la condition d’acquisition du deuxième jour était égale ou supérieure à 1,5 fois l’action renforcée des jambes de leur condition de base le premier jour. Notez la diminution initiale du pourcentage d’apprenants RLA pendant les deux premières minutes de la condition d’acquisition du premier jour. Les nourrissons qui ont appris la tâche ont diminué leur action globale lorsque le mobile pour nourrisson a commencé à s’activer, peut-être d’abord comme réponse d’orientation, puis peut-être comme stratégie pour déterminer si leurs actions étaient associées à l’activation mobile. Montré.
Voici les différences de coordination hanche-genou entre les nourrissons classés comme apprenants et non-apprenants. Les apprenants, mais pas les non-apprenants, ont significativement diminué leur coefficient de corrélation de l’angle hanche-genou entre la condition d’acquisition du deuxième jour et la condition de base du premier jour. Ici, les différences dans l’impulsion de couple des muscles de la hanche et du genou ont été analysées dans le groupe de nourrissons classés comme apprenants.
Une constatation robuste a été l’augmentation de l’impulsion de couple des muscles de la hanche et du genou pendant la condition d’extinction par rapport aux autres conditions. Les nourrissons qui ont appris la tâche semblent générer de grands couples musculaires de la hanche et du genou pendant la condition d’extinction dans le but de réactiver le mobile. Ce paradigme expérimental peut être étendu aux nourrissons à risque de dysfonction motrice.
Il peut être utilisé pour étudier comment les déficiences de différentes populations de nourrissons influencent le processus d’apprentissage de la découverte et la capacité d’effectuer une action de jambe spécifique à une tâche.
View the full transcript and gain access to thousands of scientific videos
Aperçu
Cette étude examine comment les nourrissons âgés de 3 à 4 mois apprennent une tâche par la découverte, en se concentrant sur leurs mouvements de jambes. La recherche capture et analyse ces mouvements pour comprendre le processus d'apprentissage.
Composantes clés de l'étude
Domaine scientifique
- Psychologie du développement
- Comportement des nourrissons
- Mécanismes d'apprentissage
Contexte
- Les processus d'apprentissage des nourrissons sont cruciaux pour comprendre le développement cognitif.
- Les mouvements des jambes peuvent indiquer l'engagement et l'apprentissage des nourrissons.
- L'apprentissage par la découverte permet aux nourrissons d'explorer les relations de cause à effet.
- Le suivi des mouvements fournit des données quantitatives sur les progrès de l'apprentissage.
Objectif de l'étude
- Explorer comment les nourrissons apprennent à activer un mobile par des mouvements de jambes.
- Analyser les changements dans les mouvements des jambes au fil du temps pendant la tâche d'apprentissage.
- Fournir des aperçus sur les mécanismes de modification des mouvements spontanés.
Méthodes utilisées
- Les nourrissons placés sous un mobile avec des marqueurs visibles par la caméra sur leurs jambes.
- Suivi des mouvements des jambes pendant une tâche d'apprentissage par la découverte.
- Analyse des mouvements lorsque les pieds franchissent un seuil virtuel.
- Évaluation de l'apprentissage basée sur les changements dans les modèles de mouvement des jambes.
Résultats principaux
- Les nourrissons ont découvert indépendamment le lien entre les actions des jambes et l'activation du mobile.
- Les modèles de mouvement des jambes ont évolué à mesure que les nourrissons s'engageaient dans la tâche.
- L'étude fournit un nouveau paradigme pour comprendre l'apprentissage des nourrissons.
- Les résultats soulignent l'importance du mouvement spontané dans l'apprentissage.
Conclusions
- Cette recherche éclaire sur la façon dont les nourrissons apprennent par l'exploration.
- Comprendre les mouvements des jambes peut enrichir la psychologie du développement.
- Les résultats contribuent aux connaissances sur le développement cognitif des nourrissons.
Questions fréquemment posées
Executive Industry Relevance
This infant discovery-learning paradigm provides a quantitative framework for studying how spontaneous motor behaviors are shaped by environmental feedback, offering insights into early sensorimotor integration. By measuring changes in movement patterns, coordination, and torque in response to contingent reinforcement, the method enables mechanistic de-risking of neurodevelopmental hypotheses. It supports target validation in preclinical models by linking behavioral output to neuromuscular control systems relevant to movement disorder risk assessment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses regarding sensorimotor learning pathways in developing neural circuits.
- Operational Value: Provides functional validation of neuromuscular targets through quantifiable changes in leg movement patterns and joint coordination.
- Predictive Value: Supports portfolio triage by identifying compounds that alter discovery learning or motor exploration in infant-relevant models.
Screening & Assay Development
- Assay Readiness: Prepares biological systems for downstream workflows by establishing baseline motor activity and reinforcement-dependent modulation.
- Quantitative Outputs: Generates standardized, reproducible measurements including duration of mobile activation, end-effector variance, joint angle correlation, and muscle torque impulse.
- Platform Utility: Enables reliable compound evaluation through scalable tracking of spontaneous vs. reinforced action across test days.
Translational & Preclinical Research
- Disease Relevance: Offers a disease-relevant system to investigate how impairments in at-risk infant populations influence discovery learning for task-specific action.
- Translational Continuity: Bridges early behavioral phenotyping with preclinical validation by quantifying exploration-exploitation dynamics under controlled constraints.
- Risk-Adjusted Decisions: Supports advancement decisions by measuring learning-induced neuroplastic changes in motor output.
Pipeline & Workflow Integration
The method fits within the discovery continuum from hypothesis testing in early biology to lead identification via phenotypic screening of neuromuscular modulators, particularly when supported by source-described outputs.
- Discovery Biology: Supports hypothesis testing by revealing how infants explore and exploit environmental contingencies to modify spontaneous movements.
- Screening: Describes assay readiness through reproducible threshold-based activation and quantifiable shifts in movement patterns across conditions.
- Analytics: Highlights key readouts such as percent reinforced leg action, hip-knee coordination changes, and torque impulse as comparative analytics for condition effects.
- Translational Research: Connects to preclinical continuity by enabling cross-population comparisons of learning capacity in models of movement disorder risk.
- Enterprise Reuse: Frames the motion capture and mobile activation system as a reusable platform for longitudinal motor learning assessment.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in target engagement through measurable shifts in motor learning and exploratory behavior.
- Operational Value: Standardization via motion capture calibration, threshold computation, and consistent reinforcement scheduling.
- Strategic Value: Improved go/no-go decisions by reducing ambiguity in early-stage biomarker translation for motor function.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds based on effects on learning-dependent motor adaptation.
Implementation Considerations
- Requires expertise in infant motor development, motion capture systems, and behavioral data analysis.
- Dependent on motion capture hardware, synchronized video systems, and custom MATLAB pipelines for signal processing.
- Necessitates cross-team standardization between neurobehavioral, engineering, and data science groups for reproducible threshold setting.
- Adaptation considerations include model species, developmental stage, and validity of virtual threshold placement across motor repertoires.
- Practical limitations include sensitivity to infant state, baseline variability, and the need for extended observation periods to capture learning curves.
Biopharma FAQs
Chapters in this video
0:05
Title
1:38
Motion Captured System Preparation
3:37
Setup of the Infant Mobile Computer Program
4:57
Infant Preparation
5:35
Infant Mobile Learning Task
6:56
Static Calibration Data Collection
8:13
Data Analysis
9:03
Results: Measuring Discovery Based Learning in Infants
10:45
Conclusion
