Kwantyfikacja uczenia się u małych niemowląt: śledzenie działań nóg podczas zadania uczenia się przez odkrywanie
June 1st, 2015
Opisana jest metoda, w której 3-4 miesięczne niemowlęta uczą się zadania poprzez odkrywanie, a ruchy ich nóg są rejestrowane w celu ilościowego określenia procesu uczenia się.
Celem poniższego eksperymentu jest zbadanie pojawiania się i rozwoju ruchów nóg, gdy niemowlęta uczą się określonego zadania. Osiąga się to poprzez umieszczenie niemowlęcia pod karuzelą dla niemowląt i przymocowanie widocznych dla kamery znaczników do nóg niemowlęcia. Następnie śledzone są ruchy nóg niemowlęcia, które uczestniczy w zadaniu uczenia się przez odkrywanie, w którym karuzela obraca się i odtwarza muzykę.
Za każdym razem, gdy niemowlę przesuwa dowolną stopę pionowo przez wirtualny próg, ruchy nóg niemowlęcia są analizowane w celu ustalenia, czy niemowlę nauczyło się, że ruch nóg aktywował telefon i jak niemowlę zmieniło ruchy nóg w trakcie eksperymentu. Ostatecznie ten nowatorski paradygmat uczenia się przez odkrywanie dostarcza informacji na temat procesów, które niemowlęta badają i wykorzystują, ucząc się modyfikować swoje spontaniczne ruchy w celu wykonywania określonych zadań. Ten paradygmat jest wyjątkowy, ponieważ niemowlęta niezależnie odkrywają, że to działanie ich nóg aktywuje komórkę.
Ruchy ich nóg są śledzone za pomocą systemu przechwytywania ruchu. Poprzednie paradygmaty mogły mieć jedną z tych cech, ale obie są niezbędne do ilościowego określenia procesu uczenia się małych niemowląt. Ta metoda może pomóc nam odpowiedzieć na niektóre z kluczowych pytań w tej dziedzinie, takich jak to, w jaki sposób niemowlęta uczą się, odkrywając otaczający je świat.
Aby rozpocząć, skonfiguruj system przechwytywania ruchu, najpierw wyrównując układ współrzędnych dwóch czujników przechwytywania ruchu z układem współrzędnych czujnika referencyjnego. Klikając najpierw na wykonaj nową rejestrację w programie do przechwytywania ruchu. Następnie wprowadź czas zbierania 30 sekund i kliknij przycisk Zarejestruj.
Po kliknięciu przycisku register należy przesunąć obiekt rejestracyjny w obrębie woluminu przechwytywania systemu na 30 sekund. Po zakończeniu rejestracji na ekranie komputera pojawi się rejestracja pierwiastka oznaczającego kwadrat. Następnie kliknij Wykonaj nowe wyrównanie w programie do przechwytywania ruchu, aby wyrównać globalny układ współrzędnych do stołu testowego za pomocą obiektu rejestracji, zdefiniuj początek układu współrzędnych, umieszczając obiekt rejestracji w prawym górnym rogu stołu testowego i klikając digitize w programie do przechwytywania ruchu.
Następnie zdefiniuj oś Z, umieszczając obiekt rejestracyjny na górze książki i klikając, zdigitalizuj oś Z jest prostopadła do tabeli. Następnie zdefiniuj dodatnią płaszczyznę ZY, przesuwając obiekt rejestracyjny w książce wzdłuż tabeli i klikając przycisk digitalizuj. Oś Y jest równoległa do długości tabeli, a oś x jest równoległa do szerokości tabeli.
Podłącz diody LED do dwóch portów skoku i wprowadź liczbę diod LED na port stroboskopowy w programie systemu przechwytywania ruchu. Patrz rysunek trzeci pokazany tutaj. Dla liczby i lokalizacji każdej diody LED wybierz brakujący widok danych, aby wyświetlić wykres paskowy, taki jak wyświetlanie diod LED śledzonych w czasie rzeczywistym Aby skonfigurować program mobilny dla niemowląt.
Najpierw wprowadź liczbę minut dla każdego warunku na dzień pierwszy, wprowadź dwa. Dla fazy pierwszej, warunek bez zbrojenia. Sześć dla fazy drugiej, warunek wzmocnienia i zero dla fazy trzeciej drugiego dnia, dane wejściowe dwa dla fazy pierwszej, sześć dla fazy drugiej i dwa dla fazy trzeciej.
Zaznacz również pole. Użyj xin jako domyślnego, tak aby próg obliczony na linii bazowej pierwszego dnia był progiem używanym dla warunku akwizycji w drugim dniu. Na koniec wybierz klatki strumienia, wszystkie klatki i kliknij przycisk Wyślij, aby umożliwić programowi mobilnemu wykorzystanie danych z systemu przechwytywania ruchu do aktywacji telefonu komórkowego dla niemowląt na podstawie określonych kryteriów.
Następnie umieść trzy kamery wokół konfiguracji mobilnej, jedną po prawej stronie, jedną po lewej stronie i jedną nad głową. I podłącz je do systemu komputerowego. Zainicjuj program komputerowy wideo, aby zsynchronizować trzy wejścia.
Dodatkowo umieść czwartą kamerę nad głową niemowlęcia, aby rejestrować mimikę twarzy i śledzić wzrok. Zacznij od opisania eksperymentu rodzicom i poinformuj ich, aby jak najmniej wchodzili w interakcje z dzieckiem. Następnie rozbierz niemowlę i umieść je pod telefonem komórkowym.
Przymocuj niemowlę do stołu za pomocą opaski na rzep umieszczonej w poprzek tułowia. Po zamocowaniu na miejscu przymocuj znaczniki mostka, a następnie stopę, trzon, udo i sztywne ciała miednicy niemowlęcia. Na początku każdego dnia testowego rozpocznij mobilne zadanie edukacyjne, synchronicznie uruchamiając system przechwytywania ruchu, mobilny program komputerowy i kamery wideo obserwują niemowlę spontanicznie kopiące w początkowym okresie początkowych dwóch minut.
W tym okresie program mobilny dla niemowląt będzie stale obliczał próg aktywacji mobilnej na podstawie danych Z z jednej z diod LED na sztywnym korpusie każdej stopy pod koniec dwuminutowego okresu podstawowego. Obserwuj, jak program mobilny ustawia próg na wysokości jednego odchylenia standardowego powyżej średniej wysokości obu stóp w okresie linii bazowej. Następnie, w stanie akwizycji, obserwuj, jak karuzela niemowlęcia obraca się i odtwarza muzykę, gdy dioda LED umieszczona na dowolnej stopie przekroczy próg, który został obliczony w ciągu dwóch minut stanu podstawowego od pierwszego dnia testowania w fazie wygaszania.
W drugim dniu badań obserwuj, jak niemowlę kopie spontanicznie bez żadnego ruchomego wzmocnienia Po interakcji niemowlęcia z mobilną poprawką. 10 pojedynczych diod LED obustronnie do skóry niemowlęcia za pomocą dwustronnych obroży EKG, jak pokazano tutaj, utrzymuj kończynę dolną niemowlęcia w wyprostowanej pozycji anatomicznej przez pięć sekund. Zdefiniuj kąty połączenia w tej pozycji kalibracji jako zero stopni.
Po drugim dniu badania zważ niemowlę na cyfrowej wadze elektrycznej. Następnie zmierz długość niemowlęcia, jego obwód w środkowym segmencie uda, cholewkę i stopę. Następnie zmierz szerokość kolana na linii stawu kolanowego.
Szerokość ich kostki na linii Malia leży tak samo, jak szerokość stopy przy głowach kości śródstopia. Na koniec zmierz długość uda od trokantera większego do linii stawu kolanowego, długość podudzia od linii stawu kolanowego do bocznego malu oraz długość stopy od przyśrodkowej molibdeny do pierwszego stawu flangowego śródstopia. Przeanalizuj wydajność i uczenie się niemowlęcia, obliczając procent wzmocnionej akcji nóg, zgodnie z opisem w dołączonym protokole tekstowym.
Aby przeanalizować ruchy nóg, załaduj pliki danych o pozycji wyprowadzone z systemu przechwytywania ruchu do niestandardowego programu MATLAB, aby interpolować brakujące dane o pozycji dla maksymalnie 20 kolejnych klatek za pomocą splajnu sześciennego. Następnie załaduj interpolowane pliki do niestandardowego programu MATLAB, aby najpierw przefiltrować dane o położeniu przy użyciu Butterwortha czwartego rzędu z częstotliwością odcięcia pięciu herców, a następnie obliczyć kąty połączeń zgodnie z opisem soderquista i wedina. Ten wykres przedstawia różnice w wynikach zachowania między niemowlętami sklasyfikowanymi jako uczące się a tymi sklasyfikowanymi jako nieuczące się.
Niemowlęta zostały sklasyfikowane jako uczące się, jeśli ich wzmocniona akcja nóg w całym stanie przyswajania drugiego dnia była równa lub większa niż 1,5 raza wzmocniona akcja nóg w ich stanie wyjściowym w pierwszym dniu. Zwróć uwagę na początkowy spadek procentowego RLA uczniów w ciągu pierwszych dwóch minut warunku akwizycji pierwszego dnia. Niemowlęta, które nauczyły się tego zadania, zmniejszyły swoje ogólne działanie, gdy karuzela zaczęła się aktywować, być może najpierw jako reakcja orientacyjna, a następnie być może jako strategia mająca na celu ustalenie, czy ich działania były związane z aktywacją mobilną. Pokazano.
Oto różnice w koordynacji biodrowo-kolanowej między niemowlętami sklasyfikowanymi jako uczące się i nieuczące się. Uczniowie, ale nie osoby nieuczące się, znacznie obniżyli współczynnik korelacji kąta kolana biodra między warunkiem akwizycji w drugim dniu a stanem wyjściowym pierwszego dnia. W tym miejscu przeanalizowano różnice w impulsie momentu obrotowego mięśni bioder i kolan w grupie niemowląt sklasyfikowanych jako uczące się.
Solidnym odkryciem był wzrost impulsu momentu obrotowego mięśni bioder i kolan w stanie wygaszenia w porównaniu z innymi stanami. Niemowlęta, które nauczyły się tego zadania, wydają się generować duże momenty obrotowe mięśni bioder i kolan podczas stanu wygaszania, próbując reaktywować komórkę. Ten eksperymentalny paradygmat można rozszerzyć na niemowlęta zagrożone dysfunkcją ruchową.
Można go wykorzystać do zbadania, w jaki sposób upośledzenie różnych populacji niemowląt wpływa na proces uczenia się przez odkrywanie i zdolność do wykonywania czynności nóg specyficznych dla danego zadania.
View the full transcript and gain access to thousands of scientific videos
Przegląd
To badanie bada, jak niemowlęta w wieku 3-4 miesięcy uczą się zadania poprzez odkrywanie, koncentrując się na ruchach ich nóg. Badanie rejestruje i analizuje te ruchy, aby zrozumieć proces uczenia się.
Kluczowe elementy badania
Dziedzina nauki
- Psychologia rozwojowa
- Zachowania niemowląt
- Mechanizmy uczenia się
Tło
- Procesy uczenia się niemowląt są kluczowe dla zrozumienia rozwoju poznawczego.
- Ruchy nóg mogą wskazywać na zaangażowanie i uczenie się niemowląt.
- Uczenie się poprzez odkrywanie pozwala niemowlętom na eksplorowanie relacji przyczynowo-skutkowych.
- Śledzenie ruchów dostarcza ilościowych danych na temat postępu w nauce.
Cel badania
- Zbadanie, jak niemowlęta uczą się aktywowywać mobilik za pomocą ruchów nóg.
- Analiza zmian w ruchach nóg w czasie podczas zadania uczenia się.
- Dostarczenie wglądu w mechanizmy spontanicznej modyfikacji ruchów.
Stosowane metody
- Niemowlęta umieszczono pod mobilikiem z widocznie w kamerze markerami na nogach.
- Śledzenie ruchów nóg podczas zadania uczenia się poprzez odkrywanie.
- Analiza ruchów, gdy stopy przekraczają wirtualny próg.
- Ocena uczenia się na podstawie zmian w wzorcach ruchów nóg.
Główne wyniki
- Niemowlęta samodzielnie odkryły związek między ruchami nóg a aktywacją mobiika.
- Wzorce ruchów nóg ewoluowały w miarę angażowania się niemowląt w zadanie.
- Badanie zapewnia nową paradygmat do zrozumienia uczenia się niemowląt.
- Wyniki podkreślają znaczenie spontanicznych ruchów w nauce.
Wnioski
- To badanie rzuca światło na to, jak niemowlęta uczą się poprzez eksplorację.
- Zrozumienie ruchów nóg może wpłynąć na psychologię rozwojową.
- Wyniki wnoszą do wiedzy na temat rozwoju poznawczego niemowląt.
Często zadawane pytania
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
