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

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。

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。