Name: オンラインプラットフォームとニューロイメージング技術を用いた学齢期の子どものモダリティとドメイン間の統計的学習の測定 (動画) | JoVE Journal
Uploaded: 2020-06-30T14:00:00.000+00:00
Duration: 8 min 5 s
Description: 学ぼう、ウェブベースのプラットフォームとfMRIを組み合わせた子ども向け統計的学習測定プロトコル。音節・音・画像・文字課題を通じて、言語発達の神経基盤と学習困難の理解に貢献する再現性のある手法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

ヨエル・サンチェス・アラウジョとウェンディ・ジョージアンがウェブベースのプラットフォームの初期設計に貢献してくれたことに感謝します。私たちは、ウェブベースの統計的学習タスクの改善、fMRIタスクの実装、成人参加者のタスクのパイロットに取り組んでくださったNguyenとViolet Kozloffに感謝します。バイオレット・コズロフとパーカー・ロビンズが子供のデータ収集を支援してくれたことに感謝します。デラウェア大学生物脳イメージングセンターのイブラヒム・マリク、ジョン・クリストファー、トレバー・ウィガル、キース・シュナイダーの神経イメージングデータ収集に協力してくれてありがとう。この研究は、国立難聴およびその他のコミュニケーション障害研究所(PI:Qi;NIH 1R21DC017576)と国立科学財団社会・行動・経済科学局(PI:シュナイダー、Co-PI:気とゴリンコフ;NSF 1911462)。

著者らは開示するものは何もない。

現在のプロトコルで提示された方法は、開発の過程で統計学習の行動と神経の指標を理解するためのマルチモーダルパラダイムを提供します。現在の設計では、モダリティとドメイン間の統計的学習能力の個人差を特定することができ、これは統計的学習と言語開発の関係の将来の調査に使用することができます。個人の統計的学習能力は、ドメインとモダリティ66、8、98,9によって異なることを発見したので、参加者が4つのタスクすべてを完了すれば最適です。一般的に発達している子供と大人からの知見は、統計的学習領域/モダリティにわたる個人のパフォーマンスが語彙4と55,66の結果を読むことに有意に関連する可能性があることを示しています。したがって、現在のプロトコルで取られた統計的学習の尺度に関連する認知能力と言語能力の追加措...

統計的学習は、言語入力1におけるルール統治の組み合わせの獲得を支援する基本的なスキルです。乳児の統計的学習能力の成功は、後の言語学習の成功を予測する2,3.学齢の子供の統計的学習スキルのばらつきも語彙4と読書5、66に関連付けられている。統計的学習における難しさは、言語障害の基礎となる1つの病因的メカニズムとして提案されている。神経型と非定型の両方の集団における統計的学習と言語の結果との関連にもかかわらず、統計的学習の基礎となる認知的および神経メカニズムは依然として十分に理解されていない。さらに、以前の文献では、個人の中で、統計的学習能力は、ドメインとモダリティ66、8、98,9にわたって均一ではなく独立していることを明らかにしている。統計的学習能力の発達軌道は、ドメインおよびモダリティ10によってさらに異なる可能性がある。これらの知見は、開発過程を通じて複数のタスクにわたる統計的学習における個人差を評価することの重要性を強調している。しかし、まず、統計的学習と第一言語開発の関係について、より体系的な調査が必要です。これらの問題に対処するために、多数の子どもに到達するウェブベースの試験プラットフォーム11や、統計情報のリアルタイム符号化を調べる実験室ベースの神経イメージング技術(機能的磁気共鳴画像法、fMRI)を含む革新的な方法を適用する。
統計的学習の標準的な尺度は、慣れ親しんだ段階から始まり、2つの代替強制選択(2-AFC)タスク12、13,が続きます。慣れ親しんだ段階では、統計的規則性に埋め込まれた刺激の連続的な流れを導入し、いくつかの刺激は他のものよりも同時に起こる可能性が高い。これらの共起する刺激の提示は、一定の時間的秩序に従う。慣れ親しんだ段階で参加者は受動的にストリームにさらされ、その後に 2-AFC タスクが発生し、参加者がパターンを正常に抽出したかどうかをテストします。2-AFC精度タスクは、慣れ親しんだフェーズで参加者に提示されたシーケンス、もう1つのシーケンスは新規シーケンス、またはシーケンスの一部を含む2つの連続したシーケンスを示します。2-AFCのチャンス以上の精度は、グループレベルでの学習の成功を示します。統計的学習を評価する従来の行動タスクは、一般的に学習の結果尺度として精度に依存しています。しかし、正確さは、情報が時間内に展開する自然な学習を考慮に入れられなかった。リアルタイム学習の尺度は、子供たちが入力14、15、16,15から規則性をまだ符号化している間、統計的学習の暗黙の学習プロセスを活用するために必要です16。パラダイム全体にわたる様々な適応は、2-AFC尺度から離れて、露光16の間に行動応答を通してのオンライン学習の尺度に向けて開発された。露光段階で反応時間を測定するこれらの適応を利用した研究は、成人学習者18の精度と比較して、より良いテスト再テスト信頼性を有する学習後の精度17に関連していることを発見した。
言語学習が起こる暗黙のプロセスは、言語が19を学んだ後に使用されるものとは異なる神経資源を募集する可能性が高いので、神経対策は時間の経過とともに学習がどのように展開されるかについての私たちの理解の基礎でもあります。神経対策はまた、特別集団20を介して言語能力の基礎となる認知専門性の違いに関する洞察を提供する。fMRI研究における条件のコントラストの設計は、学習中の神経活性化パターンをどのように解釈する上で非常に重要です。一般的な方法の 1 つは、通常のパターンを含むシーケンスとランダムに順序付けられた同じ刺激を含むシーケンスの間で、慣れ親しんだ段階での脳応答を比較することです。しかし、このようなランダム制御条件を実施する以前の研究では、構造化された配列とランダム配列の間の神経の違いにもかかわらず、行動を学習するための証拠は見つからなかった。これは、両方とも同じ刺激21,22,22から構築されたために、構造化された配列の学習におけるランダム配列の干渉が原因である可能性がある。制御条件として後方音声または以前の学習ブロックを利用した他のfMRI研究は、学習が行動的に行われた19,23,23であった。しかし、これらのパラダイムはそれぞれ、前者の場合に対する言語処理の効果や後者の場合の実験順序の効果など、独自の交核要因を導入した。私たちのパラダイムは、ランダムシーケンスを制御条件として使用しますが、構造化されたシーケンスの参加者の学習に対する干渉を軽減します。私たちのfMRIパラダイムはまた、一過性の試行関連および持続的なタスク関連のBOLD信号24の同時モデリングを可能にする混合ブロック/イベント関連の設計を実装しています。最後に、より広く、神経対策は、明示的な行動応答を引き出すのが困難である可能性がある集団における学習の測定を可能にする(例えば、発達および特別集団)25。
現在のプロトコルは、従来の精度測定に加えて応答時間測定を採用し、慣れ親しんだ段階で脳の活性化を調べます。これらのメソッドの組み合わせは、リアルタイムの学習プロセスの調査のための豊富なデータセットを提供することを目的としています。Webベースのプラットフォームは、暴露フェーズ中の応答時間とテストフェーズ中の2-AFCタスクの精度の両方を含めることによって、一連の学習手段を提供します。ニューロイメージングプロトコルは、ドメインとモダリティを越えた統計的学習をサポートする基礎となる神経メカニズムの調査を可能にします。WebベースとfMRIプロトコルの両方を使用して個人内の統計的学習を測定することが最適ですが、タスクは独立して普及できるように設計されており、したがって、統計的学習の2つの独立した尺度として設計されています。現在のプロトコルに含まれるfMRI実験は、刺激符号化、パターン抽出、および統計的学習の他の構成要素が特定の脳領域およびネットワークによってどのように表されるかを明らかにするのに役立つ。

<table><tbody><tr><td>4ボタンインライン応答装置</td><td>ケンブリッジ・リサーチ・システム</td>ズ <td>SKU: N1348</td><td>スキャナー内応答時間の測定に使用されるfMRI応答パッド</td></tr><tr><td>ショート/スリムなカナルチップ</td><td>コンプライアンスフォーム</td><td>SKU: 40-15028-11</td><td>短くてスリムなインイヤーカナルチップは、子供が聴覚を保護し、スキャナー内で刺激を聞くことができるようにするために推奨されます。</td></tr><tr><td>jsPsych</td><td>jsPsych</td><td>https://www.jspsych.org/</td> <td>jsPsychは、Webブラウザで行動実験を実行するためのJavaScriptライブラリです。</td></tr><tr><td>Speech Synthesizer</td><td>Praat</td><td>Version 6.1.14</td><td>このプログラムは、音節刺激を作成するために使用された人工音声合成装置です。</td></tr><tr><td>Webベースの統計学習タスク</td><td>Zenodo</td><td>http://doi.org/10.5281/zenodo.3820620(2020)。</td><td>すべてのWebベースの統計学習タスクは、Zenodoで無料にアクセスできます。</td></tr></tbody></table>

オンラインプラットフォームとニューロイメージング技術を用いた学齢期の子どものモダリティとドメイン間の統計的学習の測定

Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques

統計的学習は、環境の規則性を抽出する基本的なスキルであり、多くの場合、第一言語開発の中核的な支援メカニズムと考えられています。統計的学習の多くの研究は単一のドメインまたはモダリティ内で行われますが、最近の証拠は、このスキルが刺激が提示される文脈に基づいて異なる可能性があることを示唆しています。さらに、学習の成果に焦点を当てて、リアルタイムで展開する学習を調査する研究はほとんどありません。本プロトコルでは、個人(言語的言語と非言語的)および感覚的モダリティ(視覚および聴覚)を越えて、統計的学習の認知的および神経基盤を特定するためのアプローチを記述する。このタスクは、参加者にできるだけ少ない認知需要を投げかけるように設計されており、若い学齢の子供や特別な人口に最適です。行動タスクのウェブベースの性質は、私たちが全国のより代表的な人口に到達し、より高い精度で効果サイズを推定し、オープンで再現可能な研究に貢献するユニークな機会を提供します。機能的磁気共鳴画像法(fMRI)タスクによって提供されるニューラルメジャーは、統計的学習中に関与する神経メカニズムと、ドメインまたはモダリティに基づいて個人間でどのように異なるかを研究者に知らせることができます。最後に、両方のタスクは、ターゲット刺激に対する反応時間の変化が露光期間にわたって追跡されるように、リアルタイム学習の測定を可能にする。このプロトコルを使用する主な制限は、実験の 1 時間の期間に関連します。子供たちは、複数の座り込みで4つの統計的学習タスクをすべて完了する必要があります。したがって、Web ベースのプラットフォームは、タスクを個別に配布できるように、この制限を念頭に置いて設計されています。この方法論により、ユーザーは、異なる発達背景を持つ子供たちのドメインとモダリティの間で、統計的学習のプロセスがどのように展開するかを調査することができます。

Web ベースの動作結果 現在のプロトコルは、発達集団との容易な普及のために設計されていることを考えると、我々は22の発達中学齢児(平均(M)年齢=9.3歳、標準偏差(SD)年齢=2.04歳、範囲=6.2-12.6歳、13女の子からのデータに基づいて予備的なウェブベースの結果を含んでいます。Web ベースの統計的学習タスクでは、子どもは、すべての条件で 0.5 より有意に優れたパフォーマンスを発揮し、グループ レベルでの統計学習の成功を示します (統計については 表 1 を参照してください。 図 3.平均反応時間の傾きは陰性で、0より有意に低い(M = -0.01、 SD = 0.02, t(14) = -2.36, 片尾p = .02) および文字条件においてわずかに有意 (M = -0.02, SD = 0.06, t(15) = -1.52, 片尾p = .07, 図4) は、慣れ親しんだ段階でのターゲット検出の加速を示唆する。平均反応時間...

ここでは、ドメイン間の一時的な統計的パターンの子供の学習と感覚モダリティを調べることに向けた子供に優しい統計的学習タスクのセットを紹介するプロトコルです。開発されたタスクは、ウェブベースのプラットフォームとタスクベースの機能的磁気共鳴画像(fMRI)データを使用して行動データを収集し、統計的学習中の神経関与を調べる。

Statistical learning, a fundamental skill to extract regularities in the environment, is often considered a core supporting mechanism of the first ...

入力からパターンを抽出する能力は、言語と認知発達の基礎です。この技術は、小児における統計的学習の顕著な不均一性が、ドメイン一般またはドメイン固有のメカニズムによって説明されるかどうかに対処できる。私たちのプロトコルは、個人内のドメインとモダリティを越えた統計的学習の測定を可能にし、子供に優しく、ラボベースの神経イメージング技術とウェブベースの行動を組み合わせたものです。この方法は、言語開発の学習フレームワークに関する洞察を提供します。特別な集団に適用される場合、私たちのプロトコルはまた、言語学習の困難に対する理解を進める可能性があります。私たちは、ZenodoとGitHubの研究コミュニティに私たちのタスクをアクセス可能にしています。私たちは、他の研究者が利用可能になったら、私たちのタスクを再現することをお勧めします。Web ベースのプロトコルを実行するには、まず Web ベースの統計的学習パラダイムに移動します。歌語のタスクのために、参加者をエイリアンとその好きな言葉をエイリアンの言語で紹介します。Doe。参加者に外国人の言葉を聞き、好きな言葉を聞くたびにスペースバーを押すことを忘れないでください。参加者は、慣れ親しんだ段階の前に練習トライアルを完了してもらい、そこでは、外国人の好きな言葉が聞こえたらすぐにスペースバーを押さなければなりません。テストフェーズ中に、参加者に、よりなじみのある2つのシーケンスのいずれかを選択するように指示します。ターゲットシーケンスは、慣れ親しんだ段階で提示されます。Klaptooは、箔のシーケンスが以前に提示されていないでしょう。Klaptooトーンタスクでは、彼らはその民謡でエイリアンのお気に入りのノートを追跡する必要があることを参加者に知らせます。テストフェーズは、そのサブタスクと同じ設計に従います。画像タスクでは、宇宙艦に入るためにエイリアンのラインナップのグループとして特別なエイリアンを追跡する必要があることを参加者に知らせました。試験段階では、馴染みのある段階と前に見られなかった箔三つ子の両方のターゲットを対で参加者に提示する。手紙のタスクでは、彼らはエイリアンのお気に入りのサインを追跡する必要があることを参加者に知らせました。エイリアンがパレードの看板を掲げる。特に子供たちがスキャナーの練習で快適になるのを助けるために、模擬スキャナでMRIスキャンセッション。参加者をモックスキャナーまたは脳カメラとスキャン仲間に紹介します。スキャン仲間の目的は、彼らと付き合い、何かが必要な場合に彼らを助けることであることを説明します。スキャン仲間はまた、あまりにも多くの動きがカメラによって検出された場合、静止したままにして参加者を穏やかに思い出させます。参加者に統計的学習パラダイムを紹介し、コンピュータ上でタスクの簡単な部分を完了させます。タスクを完了したら、参加者をモックスキャナに入れ、子供に優しいビデオを再生して、サウンドとビデオに慣れやすくします。参加者の準備ができたら、いくつかの事前に録音されたスキャナまたはサウンドクリップを再生して、実際のMRIによって生成されるノイズに備えます。この間、参加者はじっとしてスキャン仲間と一緒に作業する練習をしてもらいます。参加者がモックスキャナに慣れるとき、FMRIデータ収集プロトコルがMRI取得コンピュータ上に適切に設定されていることを確認した。参加者は、スキャナーの騒音から耳を保護するヘッドフォンと手に応答パッドを備えたMRIスキャナーのベッドに快適に横たわらないでください。参加者の頭の周りに追加のパディングを配置して、データ収集中にヘッドの動きを制限し、参加者にスキャン仲間のオプションを与えます。参加者が苦しんでいるか、または参加者の頭の上にヘッドコイルを停止して配置する必要があるかどうかを通知するために使用するスクイーズボールを参加者に与えます。スキャンベッドに参加者を整列した後、取得コンピュータに新しい参加者を登録し、正しいスキャンプロトコルを選択します。MRIの穴にスキャンベッドと参加者を挿入し、構造MRIスキャンを取得しながら参加者に映画を見せます。参加者に聴覚タスクを実行させるには、インターコムシステムをヘッドフォンに接続して参加者に通知します。今、私たちは、ゲームを押すボタンをプレイするつもりです。あなたはエイリアンを聞き、言葉を言い、あなたが聞いている音を聞くたびに応答パッドのボタンを押すことを忘れないでください音楽を再生します。指示を出した後、プレゼンテーションコンピュータ上でパラダイムを起動して、聴覚統計学習データの取得を可能にします。視覚的なタスクについては、参加者に通知します。さて、あなたはエイリアンと手紙の写真を見るつもりです。探している写真が見えるときはいつでも、応答パッドのボタンを押してください。指示を与えた後、視覚的な統計学習データを取得するために、プレゼンテーションコンピュータ上のパラダイムを開始します。参加者がパラダイムストップMRIを完了したら、安全にスキャナーの内部から参加者を取り外し、ヘッドコイルを取り外します。ウェブベースの統計的学習タスクで。子どもたちは、グループレベルでの統計的学習が成功したことを示すすべての条件で0.5のチャンスレベルよりも有意に優れたパフォーマンスを発揮しました。平均反応時間傾きは陰性で、言語的なタスクの慣れ親しんだ段階でターゲット検出の加速が速かって示唆される文字条件ではわずかに有意であった。平均反応時間の傾きは、精度のオフライン対策で学習した証拠にもかかわらず、画像またはトーン状態のゼロと有意に異ならなかった。ここでは、聴覚および視覚統計的学習タスクを完了した9人の発達中学年長の子供からのデータに基づく予備的なFMRI結果が示されている。構造化ブロックをランダムブロックと比較する場合、刺激の種類に応じて、様々な脳領域にわたって有意なクラスターが観察された。これらの結果は、現在のタスクデザインが子供の脳の学習誘発血力学的変化を検出することに敏感であることを示唆している。成人における代表的な知見は、トーンタスクを除くスキャナータスクの全てにおけるランダムな条件と比較して、構造化された条件における構造化された配列が有意に速い応答時間によって学習可能であることを示す。私たちは、研究者が、ドメイン間の変動性と統計的学習がより高いレベルのプロセスにどのように関連しているかをより深く理解するために、他の個人差の尺度を含むことを奨励します。このプロトコルは、統計的学習における個人差が、典型的な開発と非定型的な開発の両方における言語の結果の変動をどのように説明するかを説明するための第一歩です。

measuring-statistical-learning-across-modalities-domains-school-aged

Research

JoVE Journal

Neuroscience

神経科学

幼児用サイズのMEGシステムの出現は、脳の発達を研究するために重要な新しい機会を開きます。新システムは、一緒に子供たちの能力で実験的な要件を揃えプロトコルと3〜6歳の健康、目を覚まし子どもの認知と言語のプロセスを研究するために使用することができます。...

カスタムサイズのMEGと就学前のお子様でNeuromagnetic脳機能の計測

この論文は、タスク中の学習者の関与の複数の次元(行動的、感情的、認知的)の収集と同期に関与する技術を説明することを目的としています。...

神経生理学の視点：学習を特徴づけるために、エンゲージメントの複数の次元を評価します

このプロトコルは、俳優との台本のない社会的相互作用の間に、自由に行動する乳児からの意図の神経解読のための新しい方法論を提示します。神経活動は、非侵襲的で高密度のアクティブ頭皮脳波計 (EEG)...

自由に振る舞うヒト乳児における社会的相互作用の間に意思のマルチモーダル神経デコーディングするための新規の実験と解析手法

停止信号課題のコース全体で経頭蓋磁気刺激による興奮性と運動反応抑制タスク中に一次運動皮質の抑制を定量化する実験について述べる.

反応抑制に関連する皮質の生理学を測定するためのオンラインの経頭蓋磁気刺激プロトコル

ポータブル イメージング手法 (機能的近赤外分光) 提供以前はアクセスできない領域では、脳の研究の進歩ここでは、農村のコートジボワール。メソッドおよびニューロ...

近赤外線分光法 (NIRS) ニューロ イメージングを使用してグローバル発達を研究する神経イメージング研究フィールドのメソッド: サハラ以南アフリカの農村

小児脳磁図 (MEG) の中に頭の動きを減らすことによってデータの品質を改善するために設計された子供向け研究プロトコルを紹介します。我々 はメグ環境と家族をよく理解して、子供もまだメグ...

子供の脳磁図を用いた脳機能の研究

現在の研究では、NDを持つ成人の困難の基礎となるメタ認知、学習の自己調節、感情的なプロセスに焦点を当てたマルチモーダル評価プロトコルを提案している。...

学習困難を有する成人におけるメタ認知と自己調節を評価するためのマルチモーダルプロトコル

自然主義的な学習環境における協調学習ダイアドに関するfNIRSハイパースキャン実験を行うためのプロトコルについて概説する。また、酸素化ヘモグロビン(Oxy-Hb)シグナルの脳間同期(IBS)を解析するパイプラインが提示される。...

オープンエンド共同学習における脳間同期:fNIRS-ハイパースキャン研究

ここでは、MRI環境内の行動モニタリングの課題を克服し、外部の手がかりに対する指示されていない行動反応の検出を可能にするビデオ分析パイプラインを紹介します。この分析により、誘発された内部状態の変化と脳全体の活動について、より包括的な理解が促進されます。...

全脳イメージングにおける母体行動応答のプロファイリング

現在の記事は、多変量解析の基本を説明し、一般的に使用されるボクセル単位の単変量解析に対照的です。分析の両方のタイプの臨床神経科学のデータセットに適用されます。補足折半のシミュレーションでは、独立したデータセットにおける多変量の結果のより良いレプリケーションを示しています。...

データを神経画像の多変量解析の基礎

学ぼう、ウェブベースのプラットフォームとfMRIを組み合わせた子ども向け統計的学習測定プロトコル。音節・音・画像・文字課題を通じて、言語発達の神経基盤と学習困難の理解に貢献する再現性のある手法を解説します。

オンラインプラットフォームとニューロイメージング技術を用いた学齢期の子どものモダリティとドメイン間の統計的学習の測定

さらに動画を探す