暗黙的なモーターで「モーター」シーケンス学習: 足ステップのシリアル反応時間のタスク

暗黙的な運動系列学習、知らず、シーケンスにシーケンスを学習として一般的に知られている私たちの日常活動に非常に重要です、ニッセンと Bullemer^{によって設計された系列反応時間 (SRT) タスクを名前付きのパラダイム タスクによってよく研究されています。1}. この古典的な SRT タスクで参加者は視覚刺激に迅速かつ正確に対応するキーを押します。系列学習を確認するには、視覚刺激の外観を操作して、次のいずれか事前に構造化された、またはランダムなシーケンス、参加者に知られているであります。学習はあらかじめ構造化された系列へのより高速な応答時間によって立証される (e.g。、トレーニング シーケンス) をランダムまたは別より事前構造シーケンス^1,2。、楽器演奏やスポーツ、ダンス、などの日常活動に暗黙的な系列の大半には現在全身アクションが含まれます通常、古典的な SRT タスクには、bi マニュアル指タップが必要ですが、姿勢と慣性の課題は、古典的な SRT タスク内に見つかりません。したがってより多面的なする必要があるシーケンス学習タスクを提案します。さらに、前の研究の焦点はタスクの認知コンポーネントにほとんど専らされている (e.g、決定や行動選択)、シーケンス学習に関与するモータ制御の問題を無視して (e.g。、運動。実行)。したがって、暗黙の運動系列の学習をさらに理解するそれは日々 の運動活動をより良い近似全身または総運動課題におけるシーケンス学習を勉強することが欠かせません。

私たちの最近の研究では、指で押さえてが足で踏んで系列^3,4,5を学習に姿勢制御を組み込むことによって置き換えられた修正された SRT タスクの古典的な SRT タスクを拡張しました。この変更されたタスクは、古典的な SRT タスクを補完するために、独自の利点を示します。まず、総運動系列学習課題はより良い全身運動が関与している連続の毎日の活動を模倣します。古典的な SRT タスクから来る通常学習まで、運動系列の私達の理解が、古典的な SRT タスクから学ぶ運動系列の知識まま日常生活の連続運動技能の学習に該当するかどうかはよく分かっています。したがって、変更された SRT タスクは、検討する私たちをことができるかどうか体系的に報告された特性 (e.g、子供と大人の間の学習年齢に依存しない暗黙のシーケンス) 指押し SRT 課題のままに姿勢制御が。関与しています。さらに、姿勢で人口の制御と学習困難児発達性協調運動など総運動技能障害^6,7,8、理解どのように姿勢制御相互作用する総運動系列学習介入戦略を向上させ、日常生活の中で連続した運動技能を学習の有効性を最適化するために重要です。

第二に、暗黙のシーケンス学習についての一般的な概念、計画、そのモーターと運動実行しない古典的な SRT タスク⁹のシーケンスを学習に重要な役割を果たしています。これは、指が常に応答のキーにキーを押すことにより、空間内の新しい位置に移動は伴いませんので。しかし、毎日の多くの連続動作は、大きな空間の動きを伴います。少しは運動実行運動系列学習大空間の動きが必要なときに重要な選手かどうかについて知られています。古典的な SRT タスク応答時間、反応時間 (RT) と運動時間 (MT) の総和は、系列学習の指標として機能します。学習認知処理を反映して、RT と運動を特徴づける MT に暗黙のシーケンスの応答時間を収拾する研究者により、SRT の足ステップ タスクの空間の動き¹⁰を含む他のパラダイムのような自体。

第三に、MT、に加えて足ステッピング SRT タスクとモーション キャプチャ技術の組み合わせは、豊富なデータ連続全身運動 (e.g。、重心、または COM の動き)。RT または MT^11,12を用いて離散応答を根底にある認知過程のダイナミクスを明らかに利点がある動きの連続的な変化を測定します。特に、SRT タスクで学習シーケンスは通常明示的および暗黙的なプロセスの混合物として説明しています。つまり、潜在学習タスクとして SRT タスクの一般的な使用にもかかわらず参加者しばしば表示口頭で SRT タスク後学んだシーケンスをリコールする機能要素を明示的に暗黙のシーケンス学習に関与することを示唆します。明示的なコンポーネントは、SRT タスク^13,14後実施したリコール テストによって評価される、これらのポストタスク テスト学習中の明示的な知識の変遷を調べる機能を欠いています。提案するシーケンスの明示的な知識を持つ個人だろう次の刺激の位置を知るし、こうして生成することを準備するフィード フォワード的先行随伴性姿勢調整^15,16,17対応するターゲットに移動するステップの足。したがって、刺激の外観 (すなわち期待) する前に COM の運動を調べることと、暗黙のシーケンス学習中に明示的なメモリの進歩的な開発を勉強するウィンドウが開きます。

プロトコルは実験の設定と SRT の足ステップ タスクの手順を示します。応答時間、RT、および山の代表的な解析結果を提供します。さらに、姿勢制御と暗黙の運動系列学習の基礎となる明示的なプロセスの関係についての結果を紹介します。

プロトコルは、メリーランド大学カレッジパーク校で制度上の審査委員会によって承認されたガイドラインに従って行われました。

1. 実験の設定

1. 図 1 aに示すように、モーション キャプチャ システムを設定します。4 m の半径の円に 8 台のカメラを配置します。
   注: 数とカメラの位置変化、参加者の体に接続されているすべての反射マーカーの明確なビジョンを取得するすべてのカメラが配置されて適切に提供されています。
2. ステッピング駅で円の中心を設定します。位置「ホーム ポジション」ステッピングの駅の中心部に暗い青のフェルト マットとの前面、背面、側面 (図 1 b) とホーム ポジションを取り巻く光の青いフェルト マットで覆われている六つのステップのターゲットを配置します。目標と個々 のステップ距離に応じてのホーム位置の間の距離を決定する (足ステップの SRT タスク手順の手順 3 を参照)。
3. ペーシング条件タスクを制御するには、とき足を返す時間を検出するホームの位置の下に触れたときのアナログ信号を生成、2 つの電気ゴム センサーを配置します。
4. ホーム ポジションの前に 23 インチ モニター 2 m の位置します。6 視覚刺激空間、床にそれらの六つのステップのターゲットと照合されます。
5. ノート パソコンにインストールされているプログラムを使用して視覚的な刺激の出現順序の制御。
6. ノート パソコンとデータ出力と集録デバイスを用いたモーション キャプチャ システムを同期します。
7. モーション キャプチャ カメラをオンにし、各カメラがステッピング駅周辺ボリュームを表示できるように、それらを向けること。
8. キャプチャ ボリュームから不要な反射オブジェクトがあるかどうかを識別する (e.g。、光、床、または任意の反射材料からの反射)。彼らは実験中に誤ってデータとして集めではないので、ファブリック素材とこれらの識別された反射オブジェクトをカバーしてください。
9. 指示とモーション キャプチャ システムに付属している機器を使って、反射マーカー¹⁸から 3次元データを正確に収集できるように、モーション キャプチャ ・ システムを調整します。
10. 動的校正用反射のすべてのマーカーが参加者は、SRT のタスクを実行するときを移動と空間をモーション キャプチャ システムに付属しているキャリブレーションの杖を振る。動的校正用データをイメージングの 2,000 フレームを収集します。
11. 静的な調整位置とモーション キャプチャ システムの調整システムの原点として使用することができます方向階校正杖を配置します。原点を設定するモーション キャプチャ システムを実行します。
12. 研究の目的に応じて設定マーカーをデザインします。
    メモ: 1 つの例は 38 マーカー設定が使用されている図 1 bに示されています。
13. 復興と後のデータ集録の自動ラベリングと¹⁸を処理に使用することができますラベル付けスケルトン テンプレートを作成するベンダーの指示に従います。具体的には、添付されているすべてのマーカーとステッピングの駅のホームの位置に立って参加者を求めます。立ってまだ可能な限り、すべてのマーカー、モーション キャプチャ システムを通じて参照できるかどうかを確認するように参加者に指示します。試みをキャプチャ (不変の約 10 秒)。モーション キャプチャ システム、各マーカーに名前を割り当てるおよびマーカーを一緒に接続することでセグメントを作成します。(図 1 cに示すように) スケルトン テンプレートを完了するすべてのセグメントをリンクします。

2. 参加者の準備

1. 適切な服装を着用する参加者に通知 (e.g。、ショート パンツや t シャツ)、研究室を訪問する前に。
2. 到着時に、注意深く読むし、同意書に署名する参加者に依頼します。研究対象の画面。
   注: スクリーニング アンケート異なる場合がありますそれぞれの試験の目的に基づきます。これらのアンケートなどが手優位性アンケート¹⁹・世界的な身体活動レベルのアンケート²⁰、神経系の健康アンケート ・子供用^{21 運動評価バッテリーに限定されません。}.
3. 自分の靴と靴下を脱いで、参加者に依頼から、あらかじめ決められた重要な骨ランドマーク ダブル両面、低アレルギー性粘着テープを使用して、あらかじめテープをラップで肌に各 50 mm の直径、38 球面反射マーカーを取り付けます。このマーカーのセットアップは図 1 bに示すように、カスタマイズされたスケルトン テンプレートと同じです。
4. 参加者の体からそれらの 38 のマーカー以外のすべての不要な反射をクリア (1.8 の手順を参照してください)。
5. T ポーズでホーム ポジションに静かに立って参加者に指示します。10 のすべてのマーカーをキャプチャするモーション キャプチャ システムを実行 s (すなわち。、校正試験)。

3. 足ステッピング SRT 作業手順

1. 各参加者は、パラメーターの設定、タスクを開始する前に含むに限定されない: 学習の参加者のグループ ID 番号をブロック、刺激提示の時間間隔 (ISI) の刺激や刺激応答間隔 (時間の長さRsi は) 動きの完了と次の刺激の開始間の時間間隔を制御する (この場合、電気ゴム センサーが必要ですホームの位置の下; 詳細についてはプロトコル セクション 1 を参照してください)。
   注: ISI は様々 なことができる (e.g。 1,300 ms や 1,000 ms) 研究の目的によると。
2. ホーム ポジションの上に立つし、参加者は、快適、床にすべての六つのターゲットにステップ インできるようにホーム ポジションまでの距離を調整する参加者に指示します。
3. すぐに数回、各ターゲットにステップする参加者に指示し、各参加者のホーム ポジションから各ターゲットまでの距離で最も快適なステップ長さをマークします。
4. タスクの指示を参加者に提供します。
   1. 刺激が、モニターに表示される六つの場所のいずれかで表示されたら、彼らは床に対応するターゲットを迅速かつ可能な限り正確にステップし、ホーム ポジションに戻る必要がありますを参加者に指示します。
   2. (すなわちターゲット 1、2、および 6 の右側にある 3 つのターゲットに右足でステップする参加者します。図 1 a)、左足は他の 3 つのターゲットを (すなわち、ターゲット 3、4、および 5;。図 1 a)。
      注: 数字は全体のタスク中に参加者に表示されません。
   3. 各実行後 3 分休憩があることを参加者に通知 (すなわち。、ブロックを学習) タスクの。実験のニーズに基づいて、休憩の長さを変更します。休憩の終わりの参加者を思い出させる時間アラームを設定します。
   4. カメラは腰に配置されたマーカーを見ることができるので、タスクを実行するときに 90 度の角度で側と曲げ、肘を保つために参加者に指示します。
5. 36 ステップから成る練習ブロックを実行 (すなわち。、刺激 1,300 ms の ISI で 36 回を表示されます; 足ステッピング SRT タスク手順の詳細を参照してください)、参加者がタスクに精通しています。参加者に指示する刺激が継続的に六つの場所のいずれかで表示されます、彼らは、彼らはできるだけ早くかつ正確に刺激に応答する必要があります。このブロックでの刺激は、ランダムな順序で表示されます。
   注: ISI は、RSI によって置き換えることができます (詳細については足ステッピング SRT 作業手順を参照)。非常に短い ISI を使用すると、参加者はいくつかの刺激に応答することができるかもしれません。これらの手順は、エラーと見なされます。
6. 練習ブロックの後に、実験的ブロックを開始します。このプロトコルでは六つのブロックがあるし、各実験的ブロックで構成されています 100 の手順/刺激。各ブロックの後に参加者必須 3 分休憩を与えます。
   注: 1,300 ms ISI の条件の下で各ブロック通常約 2.5 分かかります。RSI を使用している場合、各ブロックの長さはどのくらいの速参加者は刺激に応答によって異なります。
   1. 参加者 6 実験的ブロックを完了するように指示します。実験目的に応じて視覚刺激の特定の順序を設定します。刺激は、指定された、またはランダムなシーケンスのいずれかに従ってください。刺激順序のプレゼンテーションは参加者に知られています。
      メモ: 実験的ブロック数が異なる可能性があります。ここでは、ブロック 1-4 と 6 で指定されたシーケンス A を与え、新規シーケンス B はブロック 5 で提示、6 ブロック デザインが登場です。特定とランダムなシーケンスも変えられるかもしれません。このプロトコルのシーケンスは 1423564215 の順序に従います (すなわち。 6 - 右バック、2 - 1 - 右側右フロント、3 - 左正面、4 - 5、左側 - 左背面、) とシーケンス B 3615425214 の順序に従います。
   2. 各学習ブロックの前に指示する参加者刺激への応答を迅速かつ正確にできます。
7. 学習のすべてのブロックの完了時に尋ねる参加者広く成ってポストテストを完了する使用リコールと説明される認識テストで文学^13,14,22。

4. データ処理と統計分析

1. 各参加者のモーション キャプチャ システム ソフトウェアで収集したデータの試験を開きます。各試行を確認し、ベンダーの手順¹⁸によると試験データの任意のギャップを埋めます。
2. 各データ試験を 38 のすべてのマーカーのための 3 つの座標を含む ASCII ファイルとしてエクスポートします。
3. 変数を派生させる (すなわち。、反応時間 (RT)、移動時間 (MT)、応答時間、および COM の軌道) ascii ファイルを次の手順。
   1. データ分析ソフトウェアには、ASCII データ ファイルを入力します。10 Hz のカットオフ周波数を持つ 8 次バターワース フィルターを使用して、フィルター データ³。
      注: COM の移動軌跡を取得する方法は、マーカーの設定によって異なります。38 マーカーのセットアップは図 1 bに示すように、メソッドとダミーヘッド ・ デ ・ レバ²³で記述を用いることができます。1 つはまた第 5 腰椎²⁴のレベルで設定マーカーによって測定されるおおよその COM の動きを追跡できます。
   2. 応答時間、RT、および MT 以下を派生します。
      1. 5^番目の中足骨、大きなつま先、かかとにつけたマーカーを使用すると、データ解析ソフトウェアでの足の動きの軌跡を特徴付けます。
      2. (床に垂直) 縦方向にこれらの 3 つのマーカーの軌跡をプロットします。各ステップは、適切なターゲットに正しく実行されるかどうかを識別するために水平面 (床と平行) 内のつま先マーカーの軌跡をプロットします。間違ったターゲットの手順は、後で統計解析除外されます。
      3. 各ステップの前後には、各マーカーの高さの基準をマークします。
      4. マーカー高さの最大値の 10% に達すると、最初のサンプルとして各マーカーの動き発症を識別します。
      5. 各教科 (つま先または 5^番目の中足骨使用) ターゲットに触れないように別の戦略を使用する、ために、早くそのピークに達するマーカーを用いた運動発症を定義します。
      6. 発症と同じ高さまで使用されるマーカーが下がったときにポイントとしてステップのエンドポイントを識別します。
      7. 100 のステップが処理されるまで、継続的にデータ解析プログラムを実行します。
      8. すべてのステップを計算し、刺激発症と運動、運動発症の時間差として刺激と運動の初動と MT の時空間違いとして RT の最後の時間の違いとして応答時間を出力その終点。.Xls 形式の出力ファイルを保存します。
      9. これらの .xls ファイルを使用すると、参加者は、統計分析に使用されるその後データの各ブロックのこれらの変数の手段を計算します。
      10. 通常、被験者内要因はあるので (すなわち。、ブロックを学習) の実験デザイン データ (反復測定 ANOVA は球形仮定について慎重にされる可能性があります) を分析する混合効果性を使用。によって赤池の情報量規準 AIC) 混合効果 ANOVA で使用される共分散行列を決定します。特定のテストを使用して事後分散分析から重要な結果 (実験計画) によって多重比較補正手順を分解します。Pで統計的有意水準を設定 = 0.05。

上記のパラダイムは、Du および研究3,4,5一連の同僚によって実装されます。SRT の足ステップ タスクの使用方法を表すこれらの研究4の 1 つから採用したデータの一部を使用します。本研究では学習は 6 ブロックがある、700 ms の RSI が使用されます。視覚刺激後シーケンス A (すなわち、1423564215;。図 1 a)ブロック 1 に 4、6、および続いてシーケンス B (すなわち。、3615425214) 第 5 ブロックで。応答刺激間隔は、図 2 a 700 さん 6 学習ブロック間で 12 の若年成人の平均応答時間を示すように設定されます。ここでの応答時間足ステッピング SRT タスクを明らかにする古典的な指押し SRT タスク2,25,26で以前観察された応答時間に匹敵する大きさと同じパターン.特に、新規シーケンスへの応答時間はブロック 5 ブロック 4 で学んだシーケンスと比較して遅いことが (差 = 83.4 ms ± 13.19、平均 ± 標準誤差;p < 0.001)、シーケンス1,2の学習を示す。[指押しと足ステップ タスク シーケンス学習が直接比較されていない, と同様の大きさと応答時間のパターンは暗黙の運動系列学習は、姿勢制御の有無による影響は不明、お勧め発達した大人の要件。

図 2 bは応答時間の 2 つのコンポーネントを示しています: RT と山を意味する RT 展示応答時間と同じパターン。特に、第 5 ブロックで RT は第 4 ブロックのより遅い (差 = 93.19 ms ± 12.69;p < 0.001)。時間と RT、MT はブロック 4 と 5 の間に匹敵する応答とは異なり (差 =-7.730 ms ± 3.88;p = 0.072)。同じ RT と MT の結果は、当社他研究3,の5で報告されています。これらの結果では、シーケンス学習が動き自体を特徴づける MT ではなく、RT、認知処理にプロキシによって反映される最も可能性の高い一緒に示唆されました。

図 3と図 4は、刺激が表示される前に、COM が 100 ms を移動に沿って方向の例を表しています。各刺激の COM の方向は非常に冒頭に一貫性のある (すなわち。、ブロック 1)、1 人の参加者 (図 3) にブロック間でこれらの一見ランダムな運動方向を変更しません。他の参加者 (図 4)、しかし、これらのランダムな運動方向なってブロック間で進行した学習とより一貫性のあります。図 5 aブロック間で移動方向変動の大幅な変更を示しています (F(5,55) 3.07、 p = < 0.05)。具体的には、4 に 5 ブロックから増加した変動 (p < 0.05)、COM の移動方向が SRT タスクで学習運動系列の明白な印になることを示します。

もっと重要なことは、先行の重心移動は暗黙の運動系列学習で明示的なプロセスを反映する可能性が高いです。4 に 5 ブロックから高められた可変性は参加者でしか認められなかった (n = 6、 p < 0.05) 人取得、少なくとも部分的には参加者ではなく、シーケンスの明示的な知識 (n = 6 p = 0.98) 人は明示的な表示されませんでした知識;図 5 bは、このシーケンスの知識を強調表示します。また、4 に 5 ブロックから変動の変化は有意な参加者 (図 5 c) によって得られる明示的な知識の量に相関.

図 1: 実験的設定します。(a) 8 台のカメラが適切に配置されてすべてのマーカーから明確なデータを集めることができるので。床に六つのステップのターゲットは、モニターに表示される六つの視覚刺激に対応します。(b)各 0.5 cm 径 38 球面反射マーカーは重要な骨ランドマークで肌に添付されます。これらの骨のランドマークは、頂点、7番目の頚椎、胸骨切痕、acromions、肘 (外側と内側)、上腕、手首 (橈骨および尺骨)、3rdナックル上前腸骨棘 (ASIS)、腸骨後部スーペリアー棘 (PSI)、2 つの PSISs、膝 (外側と内側)、脛骨、足首 (外側と内側)、踵骨、大きなつま先、5番目の中足骨間の中央します。紫のマーカー: フロント ビューから表示されているマーカー赤のマーカー: 裏面にマーカー白のマーカー: 静的試験後にマーカーが削除されます。(c) 38 マーカーの設定に基づいてスケルトン テンプレート。この図の拡大版を表示するのにはここをクリックしてください。

図 2: 応答時間の RT と山への分解(a)ブロック間で平均応答時間。灰色の領域は、刺激感が新規シーケンスを次の 5 ブロックを表します。第 4 ブロックより 5 ブロックの遅い応答時間によって明らかにされた、系列学習が発生します。(b)応答時間のコンポーネントとして、RT 展示応答時間と同じパターン、MT はから変更されませんブロック 4 ブロック 5 へ。エラー バー: 平均値の標準誤差。この図の拡大版を表示するのにはここをクリックしてください。

図 3: 明示的なシーケンスの知識なしで 1 つの参加者から COM の動き方向。各刺激の COM の移動方向を示す (刺激 1-6、図 1 aを参照) ブロック間で。COM 原点から任意の位置に、破線の円に移行でき移動すべての COM の方向を表します。空の円は、観測の方向を表しています。実線の矢印は、平均の方向を表します。この図の拡大版を表示するのにはここをクリックしてください。

図 4: シーケンスの明示的な知識を持つ 1 つの参加者から COM の動き方向。COM の移動方向がブロック間で各刺激 (刺激 1-6、図 1 aを参照してください) に表示されます。COM は COM が進むことができるすべての方向を表す破線の円内に任意の位置に原点から移動でした。空の円は、観測の方向を表しています。実線の矢印は、平均の方向を表します。この図の拡大版を表示するのにはここをクリックしてください。

図 5: COM 運動方向とシーケンス学習に関与する明示的および暗黙的なプロセスとの関係で変動します。移動方向がそれぞれの白丸と図 3の平均の矢印が指すポイントの間の弧の長さによって定量化されますと図 4。これは起源とそれぞれの空の円を結ぶ線の平均の運動方向から角度 (単位は度) と同じです。変動は、角度の標準偏差として計算されます。ブロック間で(a)の平均の変動: 灰色の領域は、ブロック 5、刺激の外観が新規シーケンスを以下を表します。変動は、4 に 5 ブロックから増加しました。(b) COM の動きの方向の変化でこのような変更のシーケンスのシーケンスの明示的な知識を示さない参加者ではなく、明示的な知識取得、少なくとも部分的には参加者にのみ表示されます。(c) 4 に 5 ブロックから変動の変化は参加者によって得られる明示的な知識の量に相関します。エラー バー: 平均値の標準誤差。この図の拡大版を表示するのにはここをクリックしてください。

著者が明らかに何もありません。