Het meten van statistisch leren in modaliteiten en domeinen bij schoolgaande kinderen via een online platform en neuroimaging technieken

Samenvatting

Hier wordt een protocol gepresenteerd dat een reeks kindvriendelijke statistische leertaken introduceert die gericht zijn op het onderzoeken van het leren van tijdelijke statistische patronen door kinderen over domeinen en zintuiglijke modaliteiten. De ontwikkelde taken verzamelen gedragsgegevens met behulp van het webgebaseerde platform en op taken gebaseerde functionele magnetische resonantiebeeldvorming (fMRI) voor het onderzoeken van neurale betrokkenheid tijdens statistisch leren.

Samenvatting

Statistisch leren, een fundamentele vaardigheid om regelmatigheid in het milieu te extraheren, wordt vaak beschouwd als een kernondersteunend mechanisme van de eerste taalontwikkeling. Hoewel veel studies van statistisch leren worden uitgevoerd binnen een enkel domein of modaliteit, recent bewijs suggereert dat deze vaardigheid kan verschillen op basis van de context waarin de stimuli worden gepresenteerd. Bovendien, weinig studies onderzoeken leren als het zich ontvouwt in real-time, in plaats van zich te concentreren op de uitkomst van het leren. In dit protocol beschrijven we een benadering voor het identificeren van de cognitieve en neurale basis van statistisch leren, binnen een individu, over domeinen (linguïstisch versus niet-linguïstisch) en zintuiglijke modaliteiten (visueel en auditief). De taken zijn ontworpen om zo weinig mogelijk cognitieve vraag te stellen aan deelnemers, waardoor het ideaal is voor jonge schoolgaande kinderen en speciale bevolkingsgroepen. Het web-based karakter van de gedragstaken biedt een unieke kans voor ons om meer representatieve populaties landelijk te bereiken, om effectgroottes met grotere precisie in te schatten en bij te dragen aan open en reproduceerbaar onderzoek. De neurale maatregelen die door de functionele magnetische resonantie imaging (fMRI) taak kan onderzoekers informeren over de neurale mechanismen die betrokken zijn bij statistisch leren, en hoe deze kunnen verschillen tussen individuen op basis van domein of modaliteit. Ten slotte maken beide taken het mogelijk om real-time leren te meten, omdat veranderingen in de reactietijd in een doelstimulus gedurende de blootstellingsperiode worden bijgehouden. De belangrijkste beperking van het gebruik van dit protocol heeft betrekking op de urenlange duur van het experiment. Kinderen moeten mogelijk alle vier de statistische leertaken in meerdere vergaderingen uitvoeren. Daarom is het webgebaseerde platform ontworpen met deze beperking in het achterhoofd, zodat taken individueel kunnen worden verspreid. Deze methodologie zal gebruikers in staat stellen om te onderzoeken hoe het proces van statistisch leren zich ontvouwt in en binnen domeinen en modaliteiten bij kinderen met verschillende ontwikkelingsachtergronden.

Inleiding

Statistisch leren is een elementaire vaardigheid ter ondersteuning van de verwerving van door regels bestuurde combinaties in taalingangen¹. Succesvol statistisch leervermogen bij zuigelingen voorspelt later succes met het leren van talen^2,3. Variabiliteit in statistische leervaardigheden bij kinderen op school is ook geassocieerd met woordenschat⁴ en lezen^5,6. Moeilijkheden bij statistisch leren is voorgesteld als één etiologisch mechanisme dat ten grondslag ligt aan^{taalstoornissen 7}. Ondanks de associatie tussen statistisch leren en taalresultaten in zowel neurotypische als atypische populaties, blijven de cognitieve en neurale mechanismen die ten grondslag liggen aan statistisch leren slecht begrepen. Bovendien heeft eerdere literatuur aangetoond dat statistische leervermogen binnen een individu niet uniform is, maar onafhankelijk is tussen domeinen en modaliteiten^6,8,9. Het ontwikkelingstraject van statistische leervaardigheden kan verder verschillen tussen domeinen en modaliteiten¹⁰. Deze bevindingen benadrukken het belang van het beoordelen van individuele verschillen in statistisch leren over meerdere taken in de loop van de ontwikkeling. Het veld vereist echter eerst een systematischer onderzoek naar de relatie tussen statistisch leren en de ontwikkeling van eerste talen. Om deze vragen aan te pakken, passen we innovatieve methoden toe, waaronder een webgebaseerd testplatform¹¹ dat een groot aantal kinderen bereikt, en op laboratoriumgebaseerde neuroimagingtechnieken (functionele magnetische resonantiebeeldvorming, of fMRI) die de real-time codering van statistische informatie onderzoeken.

Standaardmaatregelen statistisch leren beginnen met een kennismakingsfase en worden gevolgd door een twee-alternatieve gedwongen keuze (2-AFC) taak^12,13. De vertrouwdheidsfase introduceert een continue stroom van stimuli ingebed met statistische regelmaat, waar sommige stimuli meer kans hebben om samen te komen dan andere. De presentatie van deze co-voorkomende stimuli volgt een vaste temporele volgorde. Deelnemers worden passief blootgesteld aan de stroom tijdens de kennismakingsfase, gevolgd door een 2-AFC-taak die test of de deelnemer de patronen met succes heeft geëxtraheerd. De 2-AFC nauwkeurigheid taak presenteert twee opeenvolgende sequenties: een sequentie is gepresenteerd aan de deelnemer tijdens de kennismakingsfase, terwijl de andere is een nieuwe sequentie, of bevat een deel van de sequentie. Boven-kans nauwkeurigheid op de 2-AFC zou wijzen op succesvol leren op groepsniveau. Traditionele gedragstaken die statistisch leren beoordelen, vertrouwen over het algemeen op nauwkeurigheid als uitkomstmaat van leren. Echter, nauwkeurigheid niet rekening te houden met het natuurlijke leren van informatie als het zich ontvouwt in de tijd. Een zekere mate van real-time leren is noodzakelijk om gebruik te maken van het impliciete leerproces van statistisch leren waarbij kinderen nog steeds de regelmaat van de inputs¹⁴,^15,,16coderen . Verschillende aanpassingen in paradigma's zijn ontwikkeld in een poging om af te stappen van de 2-AFC maatregel, in de richting van maatregelen van on-line leren door middel van gedragsreacties tijdens de blootstelling¹⁶. Studies met behulp van deze aanpassingen die reactietijd meten tijdens de blootstellingsfase vonden dat ze gerelateerd waren aan post-learning nauwkeurigheid¹⁷ met een betere test-hertest betrouwbaarheid in vergelijking met die van de nauwkeurigheid bij volwassen lerenden¹⁸.

Neurale maatregelen zijn ook fundamenteel voor ons begrip van hoe leren zich ontvouwt in de tijd, als het impliciete proces waarmee het leren van talen optreedt waarschijnlijk werft verschillende neurale middelen van die gebruikt zodra taal wordt geleerd¹⁹. Neurale maatregelen bieden ook inzicht in verschillen in cognitieve specialisaties die ten grondslag liggen aan taalvaardigheid bij speciale populaties²⁰. Hoe het conditiecontrast is ontworpen in een fMRI-studie is cruciaal voor hoe we patronen van neurale activering interpreteren tijdens het leren. Een veel voorkomende praktijk is het vergelijken van hersenreacties tijdens de kennismakingsfase tussen sequenties met regelmatige patronen versus die met dezelfde stimuli die willekeurig worden besteld. Echter, eerder onderzoek de uitvoering van een dergelijke willekeurige controle voorwaarde vond geen bewijs voor het leren in gedrag, ondanks neurale verschillen tussen gestructureerde en willekeurige sequenties. Dit kan te wijten zijn aan de interferentie van willekeurige sequenties bij het leren van gestructureerde sequenties, omdat beide werden opgebouwd uit dezelfde stimuli^21,22. Andere fMRI studies die achterwaartse spraak of eerdere leerblokken gebruikt als de controle voorwaarde bevestigd leren vond plaats gedragsmatig^19,23. Elk van deze paradigma's introduceerde echter zijn eigen verstorende factor, zoals het effect van taalverwerking voor het eerste geval en het effect van de experimentele volgorde voor het laatste geval. Ons paradigma gebruikt de willekeurige volgorde als de controle voorwaarde, maar vermindert hun interferentie op de deelnemers 'leren van de gestructureerde sequenties. Ons fMRI paradigma implementeert ook een gemengd blok / event-gerelateerde ontwerp, die het mogelijk maakt voor de gelijktijdige modellering van voorbijgaande trial-gerelateerde en duurzame taak-gerelateerde BOLD signalen²⁴. Ten slotte, en meer in het algemeen, neurale maatregelen zorgen voor het meten van het leren in populaties waar het uitlokken van een expliciete gedragsreactie moeilijk kan zijn (bijvoorbeeld ontwikkelings- en speciale populaties)²⁵.

Het huidige protocol neemt een responstijd maatregel, in aanvulling op de traditionele nauwkeurigheid maatregelen, en onderzoekt de hersenen activering tijdens de kennismakingsfase. De combinatie van deze methoden is bedoeld om een rijke dataset te bieden voor het onderzoek van real-time leerprocessen. Het webgebaseerde platform biedt een reeks leermaatregelen door zowel de responstijd tijdens de belichtingsfase als de nauwkeurigheid van de 2-AFC-taak tijdens de testfase op te nemen. Het neuroimaging protocol maakt het mogelijk voor het onderzoek van de onderliggende neurale mechanismen ter ondersteuning van statistisch leren over domeinen en modaliteiten. Hoewel het optimaal is om statistisch leren binnen een individu te meten met behulp van zowel de web-based en fMRI protocollen, de taken zijn zo ontworpen dat ze onafhankelijk kunnen worden verspreid, en dus, als twee onafhankelijke maatregelen van statistisch leren. De fMRI experimenten opgenomen in het huidige protocol kan helpen verduidelijken hoe stimulus codering, patroon extractie, en andere samenstellende componenten van statistisch leren worden vertegenwoordigd door bepaalde hersengebieden en netwerken.

Protocol

Alle deelnemers gaven schriftelijke toestemming om deel te nemen en de studie werd uitgevoerd in overeenstemming met de Institutional Review Board.

1. Overzicht van het statistisch leerparadigma dat wordt gebruikt in het webgebaseerde protocol

1. Vier taken in het huidige paradigma opnemen: beeld (visueel-niet-linguïstisch), letter (visueel-linguïstisch), toon (auditief-niet-linguïstisch) en lettergreep (auditief-linguïstisch).
   1. Bouw stimuli voor visuele taken met behulp van 12 standalone buitenaardse cartoon beelden (afbeelding) en 12 letter beelden (brief; B, J, K, A, H, C, F, E, J, G, D, M) met dezelfde vreemdeling die 12 tekens omhoog houdt met hoofdletters erop.
   2. Bouw auditieve stimuli met behulp van 12 Engelse lettergrepen (lettergreep; pi, pu,pa,ti,tu.ta,di,du,da,bi,bu,ba) en 12 muzikale tonen binnen hetzelfde octaaf (toon; F,G,D,G#,C#,B,c,f#,d#,e,a,a.). De lettergreep stimuli kunnen worden gemaakt met behulp van een kunstmatige spraak synthesizer, en kan worden opgenomen als afzonderlijke bestanden in Praat^26,27.
2. In de vertrouwdheidsfase presenteren ze stimuli in een gestructureerde stroom (zie figuur 1). Feedback wordt op geen enkel moment gegeven tijdens de kennismakings- of testfase.
   LET OP: Binnen elke taak wordt een kennismakingsfase onmiddellijk gevolgd door een testfase.
   1. Voor de taak Image (visual-nonlinguistic) structureer je 12 afbeeldingen in vier doeldriels. Herhaal in de kennismakingsfase elk van de vier doeldriels 24 keer voor een totaal van 96 drieling.
      OPMERKING: De 96 drieling wordt willekeurig samengevoegd in een continue stroom, met de beperking dat er geen triplet onmiddellijk kan worden herhaald. Afbeeldingen worden één voor één in het midden van het scherm weergegeven. Elk beeld wordt gepresenteerd voor 800 ms met 200 ms inter-stimulus interval. De hele kennismakingsfase duurt 4 min 48 s.
   2. Zorg ervoor dat de testfase altijd de kennismakingsfase volgt en bestaat uit 32 twee-alternatieve gedwongen-keuze (2AFC) vragen. Voor elke vraag, omvatten 2 opties: een doel triplet uit de familiarization fase en een triplet die niet werd opgenomen in de familiarization fase, aangeduid als een folie triplet.
      LET OP: Foliedriils zijn zo geconstrueerd dat de relatieve positie van elke afbeelding in de folie triplet hetzelfde is als de doeldribbel. Elk doel en folie triplet worden gepresenteerd 8 keer totaal in een test, en elk folie-doel paar wordt herhaald. De testfase bestaat uit 32 (4 doeldriels x 4 foliedribbels x 2 herhalingen) willekeurig geordende proeven.
   3. Voor de letter (visueel-linguïstische) taak omvatten 12 beelden van gekapitaliseerde letters die zijn georganiseerd in vier doeldriels (GJA, FKC, LBE, en MDH).  Maak voor de testfase 4 foliedriling (GDE, FJH, LKA en MBC) en koppel ze met de doeldriels om de 32 2AFC-testproeven te vormen. Geen letter triplet kan bevatten woorden, gemeenschappelijke afkortingen, of initialismen.
   4. Voor de toon (auditieve-niet-niet-katatische) taak omvatten 12 muzikale zuivere tonen binnen hetzelfde octaaf (een volledige chromatische schaal vanaf midden C) en concatenate hen in vier doel drieling (F # DE, ABC, C # A # F, en GD # G #G #). In tegenstelling tot de visuele taken is de presentatiesnelheid sneller als gevolg van verschillen in auditieve perceptuele voorkeur^6,28,29.
      LET OP: Elk van de vier doeldriels wordt 48 keer herhaald voor een totaal van 192 drieling (twee keer zoveel als de visuele omstandigheden). Alle drieling wordt samengevoegd tot een geluidsstroom zonder dat triplet twee keer achter elkaar wordt herhaald. Pure tonen worden één voor één gepresenteerd terwijl de deelnemers een leeg scherm bekijken. De duur van elke toon is 460 ms met een inter-stimulusinterval van 20 ms. De hele stroom duurt ongeveer 4 min en 36 s. Net als bij de visuele taken volgt een testfase van 32 2AFC-onderzoeken met paren doel- en foliedribbel (F#BF, AA#G#, C#D#E, GDC) onmiddellijk de kennismakingsfase.
   5. Voor de lettergreep (auditieve-linguïstische) taak gebruik 12 medeklinker (CV) lettergrepen gemaakt en gegroepeerd in vier doel drieling (pa-bi-ku, go-la-tu, da-ro-pi, en ti-bu-do). De duur van elke lettergreep en het interstimulansinterval is hetzelfde als de toonconditie. Combineer vier foil drieling (pa-ro-do, go-bu-ku, da-bi-tu, en ti-la-pi) met de doeldriels in de testfase.
3. Randomiseer de volgorde van de vier statistische leertaken tussen deelnemers.

2. Werving van deelnemers

OPMERKING: Hoewel het webgebaseerde protocol en het fMRI-protocol het best samen binnen één deelnemer kunnen worden geïmplementeerd, schetsen we hier de best practices voor de werving van deelnemers voor elke taak onafhankelijk.

1. Werving van deelnemers op het web
   1. Rekruteer deelnemers van 6 jaar en ouder. Deelnemers aan geslacht, ras en etniciteit kunnen deelnemen; de steekproef moet echter representatief zijn voor de bevolking.
   2. Rekruteer deelnemers die een native English speaker zijn en voor de leeftijd van 5 jaar zijn blootgesteld aan geen talen naast het Engels.
   3. Zorg ervoor dat ze geen bekende psychologische (met inbegrip van ADD, depressie, PTSS, en klinische angst) en / of neurologische aandoening (met inbegrip van beroerte, inbeslagneming, hersentumor, of gesloten hoofdletsel) melden.
   4. Zorg ervoor dat deelnemers een normaal of gecorrigeerd naar normaal zicht hebben (bril of contacten zijn in orde), normaal kleurenzicht en normaal gehoor (geen hoortoestel of cochleaire implantaatapparaten).
2. Op taken gebaseerde fMRI-deelnemer werving
   1. Rekruteer deelnemers van 6 jaar en ouder. Deelnemers aan geslacht, ras en etniciteit kunnen deelnemen; de steekproef moet echter representatief zijn voor de bevolking.
   2. Om in aanmerking te komen, werven deelnemers die native Engels spreker en zijn nog nooit blootgesteld aan een taal anders engels voor de leeftijd van 5.
   3. Rekruteer rechtshandige personen, zonder bekende psychologische (met inbegrip van ADD, depressie, PTSS, en klinische angst) en neurologische aandoening (met inbegrip van beroerte, inbeslagneming, hersentumor, of gesloten hoofdletsel).
   4. Sluit deelnemers die zwanger zijn, claustrofobisch, het nemen van psychoactieve drugs, of hebben een metaal in het lichaam (met inbegrip van pacemakers, neurale implantaten, metalen platen of gewrichten, granaatscherven, en chirurgische nietjes).
   5. Zorg ervoor dat deelnemers een normaal of gecorrigeerd naar normaal zicht hebben (bril of contacten zijn in orde), normaal kleurenzicht en normaal gehoor (geen hoortoestel of cochleaire implantaatapparaten).
   6. Bepaal of deelnemers (of ouders als de deelnemer minderjarig zijn) in aanmerking komen om deel te nemen aan de MRI door deelnemers (of ouders als de deelnemer minderjarig is) een MRI-veiligheidsscreeningformulier te laten invullen.

3. Webgebaseerd protocol

OPMERKING: Het webgebaseerde statistische leerparadigma wordt gehost op een beveiligde website (https://www.cogscigame.co¹¹⁾en ontwikkeld met behulp van jsPsych, een JavaScript-bibliotheek voor het maken van gedragsexperimenten online³⁰.

1. Ga naar DOI: 10.5281/zenodo.3820620 om taken te reproduceren. Alle scripts en materialen zijn openbaar beschikbaar. Onderzoekers kunnen de scripts wijzigen en de experimenten lokaal uitvoeren op elke webbrowser, zolang alle paden voor de uitvoerbestanden op de juiste manier zijn ingesteld.
2. Laat deelnemers een dekkingstaak voltooien waarbij ze wordt verteld op een knop te drukken wanneer ze een bepaald doel zien tijdens alle vertrouwdheidsfasen van elke statistische leertaak.
3. Doelprikkeltoewijzing voor elke taak
   1. In de beeld-, letter- en lettergreeptaken kiest u willekeurig een van de vier drieling en wijst u het doel toe aan de derde stimulus van de triplet. In de toontaak beperkt u de doelstimulus tot alleen de laagste of de hoogste tonen van de derde stimulus in de drieling en wijst u het doel toe aan de derde stimulus van de triplet. Dit wordt gedaan omdat toonstimuli relatief moeilijker te discrimineren zijn dan andere soorten stimuli.
   2. In de lettergreep en toon taken, laat de deelnemers kennis met een vreemdeling en de favoriete woord / noot in zijn buitenaardse taal / volksmuziek. Vertel de deelnemers dat ze zullen luisteren naar de taal / muziek van de vreemdeling en om te onthouden om de spatiebalk te drukken wanneer ze het favoriete woord / noot " horen door het verwijderen van de ruimte tussen / en nota.
   3. In de afbeelding taak, vertel de deelnemers om bij te houden van een speciale vreemdeling als een groep van vreemdelingen line-up om een ruimteschip in te voeren. In de brief taak, vertel de deelnemers bij te houden van favoriete teken van de vreemdeling als de vreemdeling houdt borden voor een parade. Geef deelnemers een praktijkproef in zowel de beeld- als de lettertaken.
   4. Geef geen expliciete instructies over de aanwezigheid van drieling.
   5. Meet de responstijd over de 24 proeven in de visuele taken en over de 48 proeven in de auditieve taken om online leren te beoordelen.
   6. Tijdens de testfase worden zowel een doel (opgenomen in de kennismakingsfase) als folie triplet (niet opgenomen in de kennismakingsfase) aan de deelnemer gepresenteerd. Instrueer deelnemers om vervolgens te kiezen welke van de twee meer lijkt op wat ze zagen of hoorden in de kennismakingsfase. Elke proef moet eindigen met een antwoord.
4. Gedragsmetingen voor statistisch leren in het webgebaseerde protocol
   1. Meet het real-time leren tijdens de kennismakingsfase via de lineaire helling van de reactietijd (verandering in reactietijd gedurende de vertrouwdheidsfase).
   2. Om te worden beschouwd als een geldig antwoord op het doel, controleer of de toetsdruk moet worden in de tijd venster van een stimulus voor en een stimulus na de doelgroep stimulus. Dat is -480 ms tot +960 ms ten opzichte van het begin van het doel in de auditieve taken en -1000 ms tot +2000 ms in de visuele taken. Een toetsaandruk voorafgaand aan het doel wordt beschouwd als anticipatie en levert dus een negatieve reactietijd op.
   3. Als u reactietijden over omstandigheden wilt vergelijken, zet u de reactietijden van elke deelnemer voor elke taak om in z-scores. Dit normaliseert de reactietijden van een individu, zodat scores over taken kunnen worden vergeleken.
   4. Bereken een reactietijdhelling van elke deelnemer voor elke voorwaarde met behulp van lineaire regressie. Voer de z-normeerde reactietijden in als de afhankelijke variabele en de doelproefvolgorde als de onafhankelijke variabele (visueel: 1 tot 24; auditief: 1 tot 48). De helling van de lineaire regressielijn (Bètacoëfficiënt/Schatting) is de helling van de reactietijd (helling RT).
   5. Meet de offline nauwkeurigheid van elke deelnemer voor elke voorwaarde door het aantal juiste proeven van de testfase te delen door het totale aantal proeven (32 proeven).

4. Op taak gebaseerd fMRI-protocol

1. Wijzigingen in het statistisch leerparadigma(figuur 2).
   1. Voor elke taak, presenteren zowel een gestructureerde volgorde (met statistische regelmaat) en een willekeurige volgorde (geen statistische regelmaat).
      OPMERKING: Gestructureerde sequenties zijn identiek aan die beschreven voor het webgebaseerde protocol (zie figuur 1). Random sequenties bevatten daarentegen dezelfde 12 stimuli als in de gestructureerde sequenties, maar worden pseudo-willekeurig geordend. Geen combinaties van drie stimuli worden meer dan eens herhaald.
   2. Verdeel elke reeks in zes kleinere blokken van gelijke lengte (24 stimuli voor de visuele taken en 48 stimuli voor de auditieve taken).
   3. Concatenate drie gestructureerde blokken, 3 willekeurige blokken, en 6 rustblokken (stilte met een leeg scherm) in een pseudorandom om vier runs van auditieve stimuli en vier runs van visuele stimuli te creëren. Om het leren van de gestructureerde sequenties te maximaliseren, moet u ervoor zorgen dat de willekeurige blokken in elke run een ander domein bevatten dan de gestructureerde reeks (bijvoorbeeld, lettergreep gestructureerde sequenties worden gepresenteerd samen met toon willekeurige sequenties in een run, en lettergreep willekeurige sequenties worden gepresenteerd samen met toon gestructureerde sequenties in een andere run).
   4. Neem 288 afbeeldingen op die in elke run moeten worden weergegeven voor de visuele taak die ongeveer 4,77 min duurt. Neem 576 geluiden op die moeten worden gepresenteerd in de auditieve taak die ongeveer 4,42 min duurt. Aan het begin van elk blok, presenteren een cue over het doel met een verbale en visuele sonde: "Nu luisteren / zoeken naar de [TARGET]".
   5. Onder de vier runs van de visuele taak, ervoor te zorgen dat twee gestructureerde sequenties van beelden bevatten en de andere twee bevatten gestructureerde sequenties van letters. Onder de vier runs van de auditieve taak, ervoor te zorgen dat twee gestructureerde sequenties van lettergrepen bevatten en de andere twee bevatten gestructureerde sequenties van tonen.
2. fMRI statistische leerprocedure
   1. Om deelnemers, vooral kinderen, comfortabel te maken in de scanner, oefent u eerst de MRI-scansessie met een nepscanner³¹. Een mock scanner biedt een naturalistische ervaring vergelijkbaar met de werkelijke scansessie, maar is meestal gelegen in een meer kindvriendelijke omgeving.
   2. Introduceer het kind eerst in de nepscanner, d.w.z. de hersencamera, en zorg ervoor dat ze comfortabel zijn voordat ze in de scanner worden geplaatst.
   3. Laat ze kennismaken met hun "scan-buddy" en leg uit dat het doel van de scan buddy is om ze te houden begeleid en hen te helpen als ze iets nodig hebben. De scanmaat zal de deelnemer er voorzichtig aan herinneren stil te blijven als er te veel beweging wordt gedetecteerd door de "camera".
   4. Zodra ze in de scanner zitten, speel je kindvriendelijke video's om ze te helpen wennen aan het geluid en de video. Wanneer ze klaar zijn, speel een paar vooraf opgenomen scanner geluidsfragmenten om ze voor te bereiden op de geluiden die door de echte MRI. Gedurende deze tijd hebben ze de praktijk stil te blijven en het werken met de scan buddy.
   5. Laat kinderen kennismaken met het statistische leerparadigma en laat ze buiten de scanner oefenen. Dit wordt gedaan door kinderen een kort deel van de taak op een computer te laten uitvoeren, vergelijkbaar met het webprotocol door de hierboven genoemde stappen 3.2.2 en 3.2.3 uit te voeren.
      OPMERKING: De oefenstimuli zijn dezelfde als die welke in de taak worden gebruikt; echter, kinderen worden alleen blootgesteld aan de willekeurige volgorde en niet de gestructureerde sequenties, waardoor voor een korte gewenning aan de stimuli en taak eisen zonder dat het leren van bepaalde sequenties.
   6. Zorg ervoor dat het fMRI-protocol voor het verzamelen van gegevens op de juiste manier is ingesteld op de MRI-acquisitiecomputer.
      OPMERKING: De acquisitieparameters volgen de aanbevelingen van de Adolescent Brain Cognitive Development (ABCD) Studie³².
   7. Begin de scansessie met t1-gewogen scans met hoge resolutie. Verkrijg deze met behulp van een 176-delige 3D MPRAGE (Magnetisatie Voorbereid Rapid Gradient Echo) volumescan met TR (Herhalingstijd) = 2500 ms, TE (Echo Time) = 2,9 ms, flip angle = 8°, FOV (Field of View) = 25,6 cm, 256 X 256 matrixgrootte en 1 mm plakdikte. Deze overname zal 7,2 min duren.
   8. Gebruik T2*-gewogen echo-planaire beeldvorming met gelijktijdige multi-slice scans met TR= 800 ms, TE = 32 ms, flip angle = 61°, FOV = 21 cm en matrix = 64 x 64. In dit experiment worden 60 aangrenzende segmenten verkregen in een interleaved sequentie met een plakdikte van 2,5 mm, een FOV van 21 cm en een matrix van 64 x 64, wat resulteert in een resolutie van 2,5 mm x 2,5 mm x 2,5 mm.
   9. Laat de deelnemers comfortabel op het bed van de fMRI-scanner liggen met een hoofdtelefoon die hun oren beschermt tegen het scannergeluid en een responspad/knopdoos in hun hand (zowel hoofdtelefoon als knopkast moeten scanner compatibel zijn).
   10. Plaats extra vulling rond hun hoofd om een beperkte beweging van het hoofd te garanderen tijdens het verzamelen van gegevens. Geef de deelnemer van tevoren het knopreactievak om reacties op te nemen en tegenwicht te bieden, ongeacht of de linker- of rechterhand wordt gebruikt om op knoppen tussen deelnemers te drukken.
   11. Geef elk kind een optie van een scan buddy. Voor oudere, neurotypische kinderen die comfortabel zijn zonder een scan buddy, geef ze een knijpbal om de experimentator te informeren als ze verdrietig zijn of moeten stoppen. Geef jongere kinderen en speciale populaties een knijpbal, maar geef ze ook een scanmaatje om hen te helpen (beschreven in punt 4.2.3).
   12. Plaats de hoofdspoel over het hoofd van de deelnemer en lijn de positie van de patiënt in het bed uit.
   13. Op de aanwinstenabregistreer een nieuwe deelnemer. Voer hun deelnemers-ID, geboortedatum, gewicht en lengte in. De deelnemer kan nu in de boring van de MRI worden gestoken.
   14. Verkrijg T1-gewogen scan terwijl deelnemers een film laten zien.
   15. Voordat u begint met het statistische leerparadigma, geeft u de deelnemers de instructies van elke taak door met hen te spreken via een intercomsysteem dat is aangesloten op hun hoofdtelefoon.
   16. In de auditieve taken, vertel de deelnemers: "Nu gaan we een knop-drukken spel te spelen. Je hoort de aliens woorden zeggen en muziek spelen. Vergeet niet om op de knop in uw linker/ rechterhand te drukken wanneer u het geluid hoort waar u naar luistert. Er zullen 4 delen, en elk deel zal duren ongeveer 5 minuten."
   17. In de visuele taken, vertel de deelnemers: "Nu ga je de foto's van de vreemdelingen en de brieven te zien. Wanneer u de foto ziet die u zoekt, drukt u op de knop in uw linker/rechterhand. Je speelt dit 4 keer achter elkaar. Het duurt ongeveer 5 minuten per keer."
   18. Start het statistische leerparadigma op de presentatiecomputer en verwerf de fMRI-gegevens van de taak.
   19. Zodra de deelnemer het paradigma heeft voltooid, stop de MRI, verwijder ze veilig uit de scanner en verwijder de hoofdspoel.
   20. Na het verzamelen van gegevens, breng alle MRI-gegevens van de overname computer naar een beveiligde server voor verdere analyses.
3. fMRI-gegevensanalyses
   1. Analyseer de reactietijd van de in-scanner tijdens de fMRI-taak op dezelfde manier als de webgebaseerde berekening van de reactietijd tijdens de vertrouwdheidsfase. Normaliseer de reactietijd om over omstandigheden te vergelijken en bereken een lineaire helling met behulp van de genormaliseerde reactietijd voor elke toestand van een individu.
   2. Bij het analyseren van de fMRI-gegevens u gegevens eerst ordenen en converteren naar de opmaak van De Gegevensstructuur³³ (BIDS) van de hersenen en converteren met behulp van HeuDiConv³⁴ (https://github.com/nipy/heudiconv).
   3. Deze gegevens vooraf verwerken met fMRIPrep^35,36. Deze geautomatiseerde voorbewerkingspijplijn combineert methodologie van AFNI^37,ANTs^38,Freesurfer^39,FSL⁴⁰en Mindboggle⁴¹ om wetenschappelijk rigoureuze en reproduceerbare gegevens te verstrekken voor gebruik in data-analyse.
      OPMERKING: De huidige studie implementeert een gemengd blok/gebeurtenisgerelateerd ontwerp. De representatieve resultaten (hieronder) behandelen elk miniblok als een gebeurtenis (bijvoorbeeld willekeurige volgorde is een gebeurtenis, gestructureerde volgorde is een gebeurtenis, enz.). Echter, de taak is ook zo ontworpen dat men elke stimulus kan modelleren als een gebeurtenis.
   4. Neem twee taakregressors voor elke run ("afbeelding" en "letter" voor de visuele toestand, en "lettergreep" en "toon" voor de auditieve toestand) in het modelontwerp op het eerste niveau. Bepaal taakregressors door een vector van gebeurtenisverdenkuren met hun duur met een canonieke hemodynamic reactiefunctie samen te stellen. Bereken verschillen en middelen tussen runs binnen elk onderwerp voor modelontwerpen op een hoger niveau. Dit zal resulteren in een contrast tussen gestructureerde en willekeurige sequenties binnen elk type stimuli.
   5. Maak een groepsgem mean van activering voor gestructureerde blokken in vergelijking met willekeurige blokken binnen elke modaliteit/domein.

Resultaten

Webgebaseerde gedragsresultaten
Gezien het huidige protocol is ontworpen voor eenvoudige verspreiding met ontwikkelingspopulaties, hebben we voorlopige webresultaten opgenomen op basis van gegevens van 22 ontwikkelende schoolgaande kinderen (Gemiddelde (M) leeftijd = 9,3 jaar, Standaarddeviatie (SD) leeftijd = 2,04 jaar, bereik = 6,2-12,6 jaar, 13 meisjes). In de op het web gebaseerde statistische leertaak presteerden kinderen op alle omstandigheden aanzienlijk beter dan 0,5 kansniveau, wat duidt op s...

Discussie

De methoden gepresenteerd in het huidige protocol bieden een multimodaal paradigma voor het begrijpen van de gedrags-en neurale indexen van statistische leren in de loop van de ontwikkeling. Het huidige ontwerp maakt het mogelijk om individuele verschillen in statistisch leervermogen tussen modaliteiten en domeinen te identificeren, die kunnen worden gebruikt voor toekomstig onderzoek naar de relatie tussen statistisch leren en taalontwikkeling. Aangezien het statistische leervermogen van een individu varieert tussen dom...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
4 Button Inline Response Device	Cambridge Research Systems	SKU: N1348	Een fMRI-responspad dat wordt gebruikt voor het meten van de responstijd in de scanner
Short/Slim Canal Tips	Comply Foam	SKU: 40-15028-11	Korte & slanke in-oorkanaaltips worden aanbevolen voor kinderen om het gehoor te beschermen en om ze in staat te stellen de stimuli te horen terwijl ze in de scanner zijn.
jsPsych	jsPsych	https://www.jspsych.org/	jsPsych is een JavaScript-bibliotheek voor het uitvoeren van gedragsexperimenten in een webbrowser.
Speech Synthesizer	Praat	Versie 6.1.14	Dit programma is een kunstmatige spraaksynthesizer die werd gebruikt om de lettergreepstimulerende signalen te creëren.
Web-based statistische leertaken	Zenodo	http://doi.org/10.5281/zenodo.3820620 (2020).	Alle webgebaseerde statistische leertaken zijn gratis beschikbaar op Zenodo.