Quantificare l'apprendimento nei bambini piccoli: azioni di monitoraggio gamba durante una task-Discovery apprendimento
June 1st, 2015
Viene descritto un metodo in cui i bambini di 3-4 mesi imparano un compito per scoperta e i loro movimenti delle gambe vengono catturati per quantificare il processo di apprendimento.
L'obiettivo del seguente esperimento è quello di studiare l'emergere e lo sviluppo dei movimenti delle gambe quando i neonati imparano un compito specifico. Ciò si ottiene posizionando prima un bambino sotto una giostrina per neonati e attaccando i marcatori visibili della telecamera alle gambe del bambino. Successivamente, i movimenti delle gambe del bambino vengono monitorati mentre partecipa a un compito di apprendimento di scoperta in cui il cellulare ruota e riproduce musica.
Ogni volta che il bambino muove verticalmente uno dei piedi attraverso una soglia virtuale, i movimenti delle gambe del bambino vengono analizzati per determinare se il bambino ha appreso che l'azione della sua gamba ha attivato il cellulare e come il bambino ha cambiato i movimenti delle gambe nel corso dell'esperimento. In definitiva, questo nuovo paradigma di apprendimento della scoperta fornisce informazioni sui processi che i bambini esplorano e sfruttano quando imparano a modificare i loro movimenti spontanei per eseguire azioni specifiche per il compito. Questo paradigma è unico in quanto i neonati scoprono autonomamente che è l'azione delle gambe che attiva il cellulare.
I movimenti delle gambe vengono tracciati utilizzando un sistema di motion capture. I paradigmi precedenti possono aver avuto una di queste caratteristiche, ma entrambe sono necessarie per quantificare il processo di apprendimento dei bambini piccoli. Questo metodo può aiutarci a rispondere ad alcune delle domande chiave sul campo, come ad esempio come imparano i bambini esplorando il mondo che li circonda.
Per iniziare, configurare il sistema di motion capture allineando prima il sistema di coordinate dei due sensori di motion capture a quello di un sensore di riferimento. Facendo prima clic su esegui nuova registrazione nel programma di motion capture. Quindi inserisci un tempo di raccolta di 30 secondi e fai clic su Registrati.
Dopo aver fatto clic su Registra, spostare l'oggetto di registrazione all'interno del volume di acquisizione del sistema per 30 secondi. Al termine della registrazione, sullo schermo del computer verrà visualizzata una radice che significa registrazione quadrata. Quindi, fare clic su Esegui nuovo allineamento nel programma di motion capture per allineare il sistema di coordinate globali alla tabella di test utilizzando l'oggetto di registrazione, definire l'origine posizionando l'oggetto di registrazione nell'angolo in alto a destra della tabella di test e fare clic su digitalizza nel programma di motion capture.
Quindi definisci l'asse Z posizionando l'oggetto di registrazione sopra un libro e facendo clic, digitalizza l'asse Z è perpendicolare alla tabella. Quindi, definisci il piano positivo ZY spostando l'oggetto di registrazione sul libro lungo la lunghezza della tabella e facendo clic su Digitalizza. L'asse Y è parallelo alla lunghezza della tabella e l'asse x è parallelo alla larghezza della tabella.
Collegare i LED alle due porte della corsa e inserire il numero di LED per porta stroboscopica all'interno del programma del sistema di motion capture. Fare riferimento alla figura tre mostrata qui. Per il numero e la posizione di ciascun LED, selezionare la visualizzazione dei dati mancanti per fornire una visualizzazione simile a un grafico a strisce dei LED tracciati in tempo reale per impostare il programma mobile per neonati.
Innanzitutto, inserisci il numero di minuti per ciascuna condizione per il primo giorno, inserisci due. Per la prima fase, la condizione di non rinforzo. Sei per la fase due, la condizione di rinforzo e zero per la fase tre il secondo giorno, input due per la fase uno, sei per la fase due e due per la fase tre.
Seleziona anche la casella. Utilizzare xin come impostazione predefinita in modo che la soglia calcolata durante la baseline del primo giorno sia la soglia utilizzata per la condizione di acquisizione del secondo giorno. Infine, selezionare i fotogrammi di flusso, tutti i fotogrammi e fare clic su Invia per consentire al programma mobile di utilizzare i dati del sistema di acquisizione del movimento per attivare il cellulare neonato in base a criteri specificati.
Quindi, posiziona tre telecamere attorno alla configurazione mobile, una laterale destra, una laterale sinistra e una sopra la testa. E collegali al sistema informatico. Avviare il programma per computer video per sincronizzare i tre ingressi.
Inoltre, posiziona una quarta telecamera sopra la testa del bambino per registrare le espressioni facciali e per monitorare lo sguardo. Inizia descrivendo l'esperimento ai genitori e informali di interagire il meno possibile con il loro bambino. Quindi, spoglia il bambino e posizionalo sotto il cellulare.
Fissa il bambino al tavolo usando una fascia in velcro posta sul tronco. Una volta fissati in posizione, attacca i marcatori sternali seguiti dal piede, dal gambo, dalla coscia e dai corpi rigidi pelvici del bambino. All'inizio di ogni giornata di test, avviare l'attività di apprendimento mobile avviando in modo sincrono il programma del computer mobile del sistema di acquisizione del movimento e le videocamere osservano il bambino che scalcia spontaneamente durante il periodo di riferimento dei primi due minuti.
Durante questo periodo, il programma mobile per neonati calcolerà continuamente la soglia per l'attivazione mobile in base ai dati Z di uno dei LED sul corpo rigido di ciascun piede alla fine del periodo di riferimento di due minuti. Osservare come il programma mobile imposta la soglia a un'altezza di una deviazione standard superiore all'altezza media di entrambi i piedi durante il periodo di riferimento. Successivamente, durante la condizione di acquisizione, osservare come il cellulare del neonato ruota e riproduce musica quando il LED posizionato su entrambi i piedi attraversa la soglia che è stata calcolata durante la condizione di base di due minuti dal primo giorno di test durante la fase di estinzione.
Il secondo giorno di test, osservare come il bambino scalcia spontaneamente senza alcun rinforzo mobile Dopo l'interazione del bambino con il fisso mobile. 10 LED individuali bilateralmente alla pelle del bambino utilizzando collari ECG a doppia faccia come mostrato qui, mantengono l'arto inferiore del bambino in una posizione anatomica estesa per cinque secondi. Definire gli angoli dei giunti in questa posizione di calibrazione come zero gradi.
Dopo il secondo giorno di test, pesare il bambino su una bilancia elettrica digitale. Quindi misura la lunghezza del bambino, la sua circonferenza al segmento medio della coscia, il gambo e il piede. Quindi, misura la larghezza del ginocchio sulla linea dell'articolazione del ginocchio.
La larghezza della caviglia sulla linea di Malia e la larghezza del piede sulle teste metatarsali. Infine, misurare la lunghezza della coscia dal grande trocantere alla linea dell'articolazione del ginocchio, la lunghezza del gambo dalla linea dell'articolazione del ginocchio al malu laterale e la lunghezza del piede dal molibdeno mediale alla prima articolazione del metatarso. Analizza le prestazioni e l'apprendimento del bambino calcolando la percentuale di azione delle gambe rinforzate come descritto nel protocollo di testo allegato.
Per analizzare i movimenti delle gambe, caricare i file di dati di posizione emessi dal sistema di motion capture in un programma MATLAB personalizzato per interpolare i dati di posizione mancanti per un massimo di 20 fotogrammi consecutivi utilizzando una spline cubica. Successivamente, caricare i file interpolati in un programma MATLAB personalizzato per filtrare prima i dati di posizione utilizzando un Butterworth di quarto ordine con una frequenza di taglio di cinque hertz, quindi calcolare gli angoli di giunzione come descritto da Soderquist e Wedin. Questo grafico mostra le differenze nei risultati comportamentali tra i neonati classificati come apprendisti e quelli classificati come non apprendisti.
I neonati sono stati classificati come studenti se la loro azione delle gambe rinforzata nell'intera condizione di acquisizione del secondo giorno era uguale o superiore a 1,5 volte l'azione delle gambe rinforzate della loro condizione di base il primo giorno. Si noti la diminuzione iniziale della percentuale di RLA degli studenti durante i primi due minuti della condizione di acquisizione del primo giorno. I bambini che hanno imparato il compito hanno diminuito la loro azione complessiva quando il cellulare ha iniziato ad attivarsi, forse prima come risposta di orientamento, poi forse come strategia per determinare se le loro azioni erano associate all'attivazione del cellulare. Mostrato.
Ecco le differenze nella coordinazione anca-ginocchio tra i neonati classificati come studenti e non studenti. Gli studenti, ma non i non studenti, hanno diminuito significativamente il coefficiente di correlazione dell'angolo del ginocchio dell'anca tra la condizione di acquisizione del secondo giorno e la condizione basale del primo giorno. Qui, le differenze nell'impulso di torsione muscolare dell'anca e del ginocchio sono state analizzate nel gruppo di neonati classificati come studenti.
Un risultato robusto è stato l'aumento dell'impulso di torsione muscolare dell'anca e del ginocchio durante la condizione di estinzione rispetto alle altre condizioni. I neonati che hanno imparato il compito sembrano generare grandi torsioni muscolari dell'anca e del ginocchio durante la condizione di estinzione nel tentativo di riattivare il cellulare. Questo paradigma sperimentale può essere esteso ai neonati a rischio di disfunzione del movimento.
Può essere utilizzato per studiare come le menomazioni di diverse popolazioni di neonati influenzino il processo di apprendimento della scoperta e la capacità di eseguire azioni di gambe specifiche per il compito.
View the full transcript and gain access to thousands of scientific videos
Panoramica
Questo studio indaga come i neonati di 3-4 mesi imparano un compito attraverso la scoperta, concentrandosi sui movimenti delle loro gambe. La ricerca cattura e analizza questi movimenti per comprendere il processo di apprendimento.
Componenti chiave dello studio
Area della scienza
- Psicologia dello sviluppo
- Comportamento infantile
- Meccanismi di apprendimento
Contesto
- I processi di apprendimento dei neonati sono cruciali per comprendere lo sviluppo cognitivo.
- I movimenti delle gambe possono indicare il coinvolgimento e l'apprendimento dei neonati.
- L'apprendimento per scoperta permette ai neonati di esplorare le relazioni di causa-effetto.
- Il monitoraggio dei movimenti fornisce dati quantitativi sui progressi dell'apprendimento.
Obiettivo dello studio
- Esplorare come i neonati imparano ad attivare un mobile attraverso i movimenti delle gambe.
- Analizzare i cambiamenti nei movimenti delle gambe nel tempo durante il compito di apprendimento.
- Fornire informazioni sui meccanismi di modificazione spontanea del movimento.
Metodi utilizzati
- Neonati posizionati sotto un mobile con marcatori visibili alla telecamera sulle gambe.
- Monitoraggio dei movimenti delle gambe durante un compito di apprendimento per scoperta.
- Analisi dei movimenti quando i piedi attraversano una soglia virtuale.
- Valutazione dell'apprendimento basata sui cambiamenti nei modelli di movimento delle gambe.
Risultati principali
- I neonati hanno scoperto in modo indipendente il legame tra le azioni delle gambe e l'attivazione del mobile.
- I modelli di movimento delle gambe si sono evoluti mentre i neonati si impegnavano nel compito.
- Lo studio fornisce un nuovo paradigma per comprendere l'apprendimento infantile.
- I risultati evidenziano l'importanza del movimento spontaneo nell'apprendimento.
Conclusioni
- Questa ricerca fa luce su come i neonati imparano attraverso l'esplorazione.
- Comprendere i movimenti delle gambe può informare la psicologia dello sviluppo.
- I risultati contribuiscono alla conoscenza sullo sviluppo cognitivo infantile.
Domande frequenti
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
