Name: Pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania (Wideo) | JoVE Journal
Uploaded: 2020-06-30T14:00:00.000+00:00
Duration: 8 min 5 s
Description: Poznaj metodę pomiaru statystycznego uczenia się u dzieci szkolnych łączącą platformę internetową z fMRI. Protokół umożliwia badanie mechanizmów rozwoju języka i poznania.

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

Dziękujemy Yoelowi Sanchezowi Araujo i Wendy Georgan za ich wkład w początkowy projekt platformy internetowej. Dziękujemy An Nguyen i Violet Kozloff za ich pracę nad ulepszeniem internetowych zadań uczenia się statystycznego, realizacją zadań fMRI i pilotażem zadań u dorosłych uczestników. Dziękujemy Violet Kozloff i Parker Robbins za ich wkład w pomoc w gromadzeniu danych u dzieci. Dziękujemy Ibrahimowi Malikowi, Johnowi Christopherowi, Trevorowi Wigalowi i Keithowi Schneiderowi z Centrum Obrazowania Biologicznego i Mózgu na Uniwersytecie Delaware za pomoc w zbieraniu danych neuroobrazowych. Praca ta jest częściowo finansowana przez Narodowy Instytut Głuchoty i Innych Zaburzeń Komunikacyjnych (PI: Qi; NIH 1R21DC017576) oraz Dyrekcja ds. Nauk Społecznych, Behawioralnych i Ekonomicznych Narodowej Fundacji Nauki (PI: Schneider, Co-PI: Qi & Golinkoff; NSF 1911462).

Autorzy nie mają nic do ujawnienia.

Metody przedstawione w obecnym protokole zapewniają multimodalny paradygmat do zrozumienia behawioralnych i neuronowych wskaźników statystycznego uczenia się w trakcie rozwoju. Obecny projekt pozwala na identyfikację indywidualnych różnic w statystycznej zdolności uczenia się w różnych modalnościach i domenach, co może być wykorzystane do przyszłych badań nad związkiem między statystycznym uczeniem się a rozwojem języka. Ponieważ stwierdzono, że statystyczna zdolność uczenia się danej osoby różni się w zależności od dzie...

Statystyczne uczenie się to podstawowa umiejętność wspomagająca nabywanie kombinacji reguł w danych wejściowych języka1. Skuteczna statystyczna zdolność uczenia się u niemowląt przewiduje późniejszy sukces w nauce języka2,3. Zmienność statystycznych umiejętności uczenia się u dzieci w wieku szkolnym została również powiązana ze słownictwem4 i reading5,6. Trudności w uczeniu się danych statystycznych zostały zaproponowane jako jeden z mechanizmów etiologicznych leżących u podstaw upośledzenia językowego7. Pomimo związku między statystycznym uczeniem się a wynikami językowymi zarówno w populacjach neurotypowych, jak i nietypowych, mechanizmy poznawcze i neuronalne leżące u podstaw statystycznego uczenia się pozostają słabo poznane. Ponadto wcześniejsza literatura wykazała, że w obrębie jednostki statystyczna zdolność uczenia się nie jest jednolita, ale niezależna we wszystkich domenach i modalnościach6,8,9. Trajektoria rozwojowa statystycznych zdolności uczenia się może się jeszcze bardziej różnić w zależności od dziedziny i modalności10. Wyniki te podkreślają znaczenie oceny indywidualnych różnic w statystycznym uczeniu się w wielu zadaniach w trakcie rozwoju. Jednak dziedzina ta wymaga najpierw bardziej systematycznego zbadania związku między uczeniem się statystycznym a rozwojem pierwszego języka. Aby odpowiedzieć na te pytania, stosujemy innowacyjne metody, w tym internetową platformę testową11, która dociera do dużej liczby dzieci, oraz laboratoryjne techniki neuroobrazowania (funkcjonalny rezonans magnetyczny lub fMRI), które badają kodowanie informacji statystycznych w czasie rzeczywistym.
Standardowe miary statystycznego uczenia się rozpoczynają się od fazy zaznajomienia, po której następuje zadanie z dwoma alternatywnymi wymuszonymi wyborami (2-AFC)12,13. Faza zaznajamiania wprowadza ciągły strumień bodźców osadzonych w statystycznych prawidłowościach, gdzie niektóre bodźce z większym prawdopodobieństwem współwystępują niż inne. Prezentacja tych współwystępujących bodźców przebiega zgodnie z ustalonym porządkiem czasowym. Uczestnicy są pasywnie wystawiani na strumień podczas fazy zaznajamiania, po której następuje zadanie 2-AFC, które sprawdza, czy uczestnik pomyślnie wyodrębnił wzorce. Zadanie dokładności 2-AFC przedstawia dwie następujące po sobie sekwencje: jedna sekwencja została przedstawiona uczestnikowi podczas fazy zapoznawczej, podczas gdy druga jest sekwencją nową lub zawiera część sekwencji. Ponadprawna dokładność na 2-AFC wskazywałaby na udaną naukę na poziomie grupy. Tradycyjne zadania behawioralne oceniające uczenie się statystyczne na ogół opierają się na dokładności jako miarze wyniku uczenia się. Jednak dokładność nie uwzględnia naturalnego uczenia się informacji w miarę ich rozwoju w czasie. Miara uczenia się w czasie rzeczywistym jest konieczna, aby wykorzystać niejawny proces uczenia się statystycznego, podczas którego dzieci nadal kodują prawidłowości z inputs14,15,16. Opracowano różne adaptacje różnych paradygmatów w celu odejścia od miary 2-AFC w kierunku miar uczenia się on-line poprzez reakcje behawioralne podczas ekspozycji16. Badania wykorzystujące te adaptacje, które mierzą czas reakcji podczas fazy ekspozycji, wykazały, że były one związane z dokładnością po uczeniu się17 z lepszą wiarygodnością testu-ponownego testu w porównaniu z dokładnością u dorosłych uczniów18.
Miary neuronowe są również fundamentalne dla naszego zrozumienia, jak proces uczenia się rozwija się w czasie, ponieważ niejawny proces, w którym odbywa się nauka języka, prawdopodobnie rekrutuje inne zasoby neuronowe niż te, które są używane po nauczeniu się języka19. Pomiary neuronowe dostarczają również informacji na temat różnic w specjalizacjach poznawczych leżących u podstaw zdolności językowych w specjalnych populacjach20. Sposób, w jaki kontrast stanu jest projektowany w badaniu fMRI, ma kluczowe znaczenie dla tego, jak interpretujemy wzorce aktywacji neuronalnej podczas uczenia się. Jedną z powszechnych praktyk jest porównywanie reakcji mózgu podczas fazy zaznajamiania między sekwencjami zawierającymi regularne wzorce a tymi zawierającymi te same bodźce, które są uporządkowane losowo. Jednak wcześniejsze badania wdrażające taki losowy warunek kontrolny nie znalazły dowodów na uczenie się w zachowaniu, pomimo różnic neuronalnych między sekwencjami ustrukturyzowanymi i losowymi. Może to być spowodowane interferencją losowych sekwencji podczas uczenia się sekwencji strukturalnych, ponieważ obie zostały skonstruowane z tych samych bodźców21,22. Inne badania fMRI, w których wykorzystano mowę wsteczną lub wcześniejsze bloki uczenia się jako warunek kontrolny, potwierdziły, że uczenie się odbywało się behawioralnie19,23. Jednak każdy z tych paradygmatów wprowadził swój własny czynnik zakłócający, taki jak efekt przetwarzania języka w pierwszym przypadku i efekt porządku eksperymentalnego w drugim przypadku. Nasz paradygmat wykorzystuje sekwencję losową jako warunek kontrolny, ale łagodzi ich ingerencję w uczenie się przez uczestników sekwencji ustrukturyzowanych. Nasz paradygmat fMRI implementuje również mieszany projekt związany z blokiem/zdarzeniem, co pozwala na jednoczesne modelowanie przejściowych sygnałów BOLD związanych z próbą i trwałym zadaniem związanym z zadaniem24. Wreszcie, i w szerszym ujęciu, miary neuronowe pozwalają na pomiar uczenia się w populacjach, w których wywołanie wyraźnej reakcji behawioralnej może być trudne (np. populacje rozwojowe i specjalne)25.
Obecny protokół przyjmuje miarę czasu reakcji, oprócz tradycyjnych miar dokładności, i bada aktywację mózgu podczas fazy zaznajamiania. Połączenie tych metod ma na celu dostarczenie bogatego zestawu danych do badania procesów uczenia się w czasie rzeczywistym. Platforma internetowa oferuje zestaw miar uczenia się, obejmując zarówno czas reakcji w fazie ekspozycji, jak i dokładność zadania 2-AFC w fazie testowej. Protokół neuroobrazowania pozwala na badanie podstawowych mechanizmów neuronalnych wspierających uczenie się statystyczne w różnych domenach i modalnościach. Chociaż optymalne jest mierzenie statystycznego uczenia się u danej osoby przy użyciu zarówno protokołu internetowego, jak i fMRI, zadania są zaprojektowane tak, aby mogły być rozpowszechniane niezależnie, a zatem jako dwie niezależne miary statystycznego uczenia się. Eksperymenty fMRI zawarte w obecnym protokole mogą pomóc w wyjaśnieniu, w jaki sposób kodowanie bodźców, ekstrakcja wzorców i inne składniki składowe uczenia się statystycznego są reprezentowane przez określone regiony i sieci mózgu.

<table><tbody><tr><td>4-przyciskowe urządzenie do odpowiedzi w linii</td><td>Cambridge Research Systems</td><td>SKU: N1348</td><td>Podkładka reponsywna fMRI służąca do pomiaru czasu reakcji w skanerze</td></tr><tr><td>Krótkie/cienkie końcówki kanałowe</td><td>Zgodna pianka</td><td>SKU: 40-15028-11</td><td>Krótkie i cienkie końcówki do kanałów słuchowych są zalecane dla dzieci w celu ochrony słuchu i umożliwienia im słyszenia bodźców podczas skanera.</td></tr><tr><td>jsPsych</td><td>jsPsych</td><td>https://www.jspsych.org/</td> <td>jsPsych to biblioteka JavaScript do przeprowadzania eksperymentów behawioralnych w przeglądarce internetowej.</td></tr><tr><td>Syntezator mowy</td><td>Praat</td><td>Wersja 6.1.14</td><td>Ten program jest sztucznym syntezatorem mowy, który służył do tworzenia bodźców sylabowych.</td></tr><tr><td>Internetowe zadania statystyczne</td><td>Zenodo</td><td>http://doi.org/10.5281/zenodo.3820620 (2020).</td><td>Wszystkie internetowe zadania nauki statystycznej są dostępne bezpłatnie w Zenodo.</td></tr></tbody></table>

pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania

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

Statystyczne uczenie się, podstawowa umiejętność wydobywania prawidłowości w środowisku, jest często uważana za podstawowy mechanizm wspierający rozwój pierwszego języka. Podczas gdy wiele badań nad uczeniem się statystycznym jest prowadzonych w ramach jednej domeny lub modalności, ostatnie dowody sugerują, że umiejętność ta może się różnić w zależności od kontekstu, w którym bodźce są prezentowane. Ponadto niewiele badań bada uczenie się w czasie rzeczywistym, skupiając się raczej na wynikach uczenia się. W tym protokole opisujemy podejście do identyfikacji poznawczych i neuronalnych podstaw statystycznego uczenia się w obrębie jednostki, w różnych domenach (językowych i niejęzykowych) i modalnościach sensorycznych (wzrokowych i słuchowych). Zadania są zaprojektowane tak, aby jak najmniejsze zapotrzebowanie poznawcze na uczestników, dzięki czemu są idealne dla małych dzieci w wieku szkolnym i specjalnych populacji. Internetowy charakter zadań behawioralnych daje nam wyjątkową możliwość dotarcia do bardziej reprezentatywnych populacji w całym kraju, oszacowania wielkości efektu z większą precyzją oraz wniesienia wkładu w otwarte i powtarzalne badania. Pomiary neuronalne dostarczane przez zadanie funkcjonalnego rezonansu magnetycznego (fMRI) mogą dostarczyć badaczom informacji na temat mechanizmów neuronalnych zaangażowanych podczas uczenia się statystycznego oraz tego, jak mogą się one różnić u poszczególnych osób w zależności od domeny lub modalności. Wreszcie, oba zadania pozwalają na pomiar uczenia się w czasie rzeczywistym, ponieważ zmiany czasu reakcji na bodziec docelowy są śledzone w całym okresie ekspozycji. Główne ograniczenie korzystania z tego protokołu dotyczy godzinnego czasu trwania eksperymentu. Dzieci mogą potrzebować wykonać wszystkie cztery statystyczne zadania uczenia się podczas wielu posiedzeń. W związku z tym platforma internetowa została zaprojektowana z myślą o tym ograniczeniu, aby zadania mogły być rozpowszechniane indywidualnie. Metodologia ta pozwoli użytkownikom zbadać, w jaki sposób proces uczenia się statystycznego przebiega w różnych dziedzinach i modalnościach u dzieci z różnych środowisk rozwojowych.

Wyniki behawioralne z zadań internetowych 
Z uwagi na to, że obecny protokół został opracowany z myślą o łatwym rozpowszechnianiu wśród populacji rozwojowych, przedstawiono wstępne wyniki z zadań internetowych oparte na danych od 22 rozwijających się dzieci w wieku szkolnym (średnia (M) wieku = 9,3 roku, odchylenie standardowe (SD) wieku = 2,04 roku, zakres = 6,2-12,6 roku, 13 dziewczynek). W internetowym zadaniu uczenia się statystycznego dzieci uzyskały wyniki istotnie lepsze niż poziom szansy 0,5 w...

Prezentowany tutaj jest protokół wprowadzający zestaw przyjaznych dzieciom zadań do nauki statystycznej, mających na celu zbadanie uczenia się przez dzieci wzorców statystycznych w różnych dziedzinach i modalnościach sensorycznych. Opracowane zadania zbierają dane behawioralne przy użyciu platformy internetowej i danych funkcjonalnego rezonansu magnetycznego (fMRI) w celu zbadania zaangażowania neuronalnego podczas uczenia się statystycznego.

Pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania

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

Zdolność do wyodrębniania wzorców z danych wejściowych ma fundamentalne znaczenie dla rozwoju językowego i poznawczego. Technika ta może odpowiedzieć na pytanie, czy niezwykłą heterogeniczność statystycznego uczenia się u dzieci można wyjaśnić mechanizmami ogólnymi, czy specyficznymi dla danej dziedziny. Nasz protokół pozwala na pomiar statystycznego uczenia się w różnych domenach i modalnościach u poszczególnych osób, jest przyjazny dla dzieci i łączy internetowe techniki behawioralne z laboratoryjnymi technikami neuroobrazowania.Metoda ta zapewni wgląd w ramy uczenia się w zakresie rozwoju języka. Jeśli nasz protokół zostanie zastosowany w szczególnych populacjach, może również poszerzyć naszą wiedzę na temat trudności w nauce języka. Jesteśmy w trakcie udostępniania naszych zadań społeczności naukowej na Zenodo i GitHub.Zachęcamy innych badaczy do odtworzenia naszych zadań, gdy tylko staną się dostępne. Aby wykonać protokół internetowy, najpierw przejdź do internetowego paradygmatu statystycznego uczenia się. W zadaniu sylabowym przedstaw uczestnikowi kosmitę i jego ulubione słowo w obcym języku. Łania.Poinformuj uczestnika, że będzie słuchał języka kosmity i aby pamiętał o naciśnięciu spacji za każdym razem, gdy usłyszy ulubione słowo. Poproś uczestnika, aby wykonał próbę próbną przed fazą zapoznania, w której musi nacisnąć spację, gdy tylko usłyszy ulubione słowo kosmity. Podczas fazy testowej poinstruuj uczestnika, aby wybrał jedną z dwóch sekwencji, które brzmią bardziej znajomo.Docelowa sekwencja zostanie przedstawiona w fazie zapoznawczej. Klaptoo, sekwencja folii nie będzie wcześniej prezentowana. Klaptoo W zadaniu tonalnym poinformuj uczestnika, że będzie musiał śledzić ulubioną nutę kosmity w jego piosence ludowej.Faza testowa będzie przebiegać według tego samego schematu, co zadanie sylaby. W zadaniu obrazkowym poinformował uczestnika, że będzie musiał śledzić specjalnego kosmitę, ponieważ grupa kosmitów ustawia się w kolejce, aby wejść na statek kosmiczny. Podczas fazy testowej prezentuj uczestnikowi w parach zarówno tarcze w fazie zaznajamiania, jak i trojaczki foliowe, których wcześniej nie widziano.W literze zadanie poinformowało uczestnika, że będzie musiał śledzić ulubiony znak kosmitów. Gdy kosmita trzyma znaki na paradę. Aby pomóc uczestnikom, zwłaszcza dzieciom, poczuć się komfortowo w skanerze, przećwicz sesję skanowania MRI z symulowanym skanerem.Przedstaw uczestnikowi symulowany skaner lub kamerę mózgową oraz jego kumpla skanującego. Wyjaśnij, że celem kumpla od skanowania jest dotrzymanie im towarzystwa i pomoc, jeśli czegoś potrzebują. Partner skanujący delikatnie przypomni również uczestnikowi, aby pozostał nieruchomy, jeśli kamera wykryje zbyt duży ruch.Zapoznaj uczestnika z paradygmatem uczenia się statystycznego i poproś go, aby wykonał krótką część zadania na komputerze. Po wykonaniu zadania pomóż uczestnikowi wejść do atrapy skanera i odtwórz filmy przyjazne dla dzieci, aby pomóc mu przyzwyczaić się do dźwięku i obrazu. Kiedy uczestnik będzie gotowy, odtwórz kilka nagranych wcześniej skanerów lub klipów dźwiękowych, aby przygotować go na dźwięki wytwarzane przez prawdziwy rezonans magnetyczny.W tym czasie poproś uczestnika, aby poćwiczył pozostawanie w bezruchu i pracę z partnerem skanującym. Gdy uczestnik czuje się komfortowo z symulowanym skanerem, potwierdza, że protokół zbierania danych FMRI jest odpowiednio skonfigurowany na komputerze akwizycji MRI. Niech uczestnik położy się wygodnie na łóżku skanera MRI ze słuchawkami, które chronią jego uszy przed hałasem skanera i podkładką odpowiedzi w dłoni.Umieść dodatkową wyściółkę wokół głowy uczestnika, aby zapewnić ograniczony ruch głowy podczas zbierania danych i daj uczestnikowi możliwość skorzystania z pomocy partnera skanującego. Daj uczestnikowi piłkę do ściskania, aby powiadomił go, czy jest zestresowany lub musi się zatrzymać i umieścić cewkę głowicy nad głową uczestnika. Po ustawieniu uczestnika na stole skanującym zarejestruj nowego uczestnika w komputerze akwizycyjnym i wybierz odpowiedni protokół skanowania.Włóż łóżko skanujące i uczestnika do otworu rezonansu magnetycznego i pokaż uczestnikowi film podczas wykonywania strukturalnego rezonansu magnetycznego. Aby uczestnik wykonał zadanie słuchowe, użyj systemu interkomu podłączonego do słuchawek, aby poinformować uczestnika. Teraz zagramy w grę polegającą na naciskaniu przycisków.Usłyszysz kosmitów, powiesz słowa i odtworzysz muzykę, pamiętaj, aby nacisnąć przycisk na panelu odpowiedzi za każdym razem, gdy usłyszysz dźwięk, którego słuchasz. Po wydaniu instrukcji uruchom paradygmat na komputerze prezentującym, aby umożliwić uzyskanie słuchowych danych statystycznych dotyczących uczenia się. O zadaniu wizualnym poinformuj uczestnika.Teraz zobaczycie zdjęcia kosmitów i listy. Za każdym razem, gdy zobaczysz zdjęcia, których szukasz, naciśnij przycisk na panelach odpowiedzi. Po wydaniu instrukcji uruchom paradygmat na komputerze prezentacyjnym, aby uzyskać wizualne statystyczne dane uczenia się.Gdy uczestnik zakończy paradygmat, zatrzymaj rezonans magnetyczny, bezpiecznie wyjmij uczestnika z wnętrza skanera i usuń cewkę głowicy. W internetowym zadaniu nauki statystycznej. Dzieci osiągnęły znacznie lepsze wyniki niż 0,5 szansy we wszystkich warunkach, co wskazuje na udane uczenie się statystyczne na poziomie grupy.Średnie nachylenie czasu reakcji było ujemne i istotnie poniżej zera w warunku sylabowym oraz marginalnie istotne w warunku literowym, co sugeruje szybsze przyspieszenie wykrywania celu w fazie zaznajamiania się z zadaniami językowymi. Średnie nachylenie czasu reakcji nie różniło się znacząco od zera na obrazie lub w warunku tonalnym, pomimo dowodów na uczenie się w pomiarach dokładności offline. Przedstawiono wstępne wyniki FMRI oparte na danych od dziewięciorga rozwijających się dzieci w wieku szkolnym, które wykonały zadania słuchowego i wzrokowo-statystycznego uczenia się.Porównując bloki strukturalne z blokami losowymi, zaobserwowano znaczące klastry w różnych regionach mózgu, w zależności od rodzaju bodźca. Wyniki te sugerują, że obecny projekt zadania jest wrażliwy na wykrywanie zmian hemodynamicznych wywołanych uczeniem się w mózgach dzieci. Reprezentatywne wyniki u dorosłych wskazują, że sekwencje strukturalne są możliwe do nauczenia, wspierane przez znacznie szybszy czas reakcji w stanie ustrukturyzowanym, w porównaniu z warunkiem losowym we wszystkich zadaniach w skanerze, z wyjątkiem zadania tonowego.Zachęcamy badaczy do uwzględnienia innych miar różnic indywidualnych, aby lepiej zrozumieć, w jaki sposób zmienność i uczenie się statystyczne w różnych domenach i modalnościach odnoszą się do procesów wyższego poziomu. Protokół ten jest pierwszym krokiem w kierunku określenia, w jaki sposób indywidualne różnice w statystycznym uczeniu się mogą odpowiadać za różnice w wynikach językowych zarówno w typowym, jak i nietypowym rozwoju.

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

Research

JoVE Journal

Neuroscience

Neuronauka

Pojawienie się systemów MEG dostosowanych rozmiarem do małych dzieci otwiera istotne nowe możliwości badania rozwoju mózgu. Nowy system, wraz z protokołem dopasowującym wymagania eksperymentalne do możliwości dzieci, może być wykorzystany do badania procesów poznawczych i językowych u zdrowych, czuwających dzieci w wieku od trzech do sześciu lat.

Pomiar neuromagnetycznych funkcji mózgu u dzieci w wieku przedszkolnym z użyciem MEG o dostosowanym rozmiarze

Ten artykuł ma na celu opisanie technik związanych z gromadzeniem i synchronizacją wielu wymiarów (behawioralnego, afektywnego i poznawczego) zaangażowania uczniów podczas zadania.

Ocena wielu wymiarów zaangażowania w celu scharakteryzowania uczenia się: perspektywa neurofizjologiczna

Ten protokół prezentuje nowatorską metodologię neuronalnego dekodowania intencji swobodnie zachowujących się niemowląt podczas nieskryptowanej interakcji społecznej z aktorem. Aktywność neuronalna jest uzyskiwana za pomocą nieinwazyjnej elektroencefalografii aktywnej skóry głowy o dużej gęstości (EEG). Dane kinematyczne są zbierane za pomocą inercyjnych jednostek pomiarowych i uzupełniane zsynchronizowanym zapisem wideo.

Nowatorskie eksperymentalne i analityczne podejście do multimodalnego neuronalnego dekodowania intencji podczas interakcji społecznych u swobodnie zachowujących się ludzkich niemowląt

Opisujemy eksperymentalną procedurę ilościowego określania pobudliwości i hamowania pierwotnej kory ruchowej podczas zadania hamowania reakcji motorycznej za pomocą przezczaszkowej stymulacji magnetycznej w trakcie zadania sygnalizacji zatrzymania.

Protokół przezczaszkowej stymulacji magnetycznej online do pomiaru fizjologii kory mózgowej związanej z hamowaniem odpowiedzi

Przenośne metody neuroobrazowania (funkcjonalna spektroskopia bliskiej podczerwieni) zapewniają postęp w badaniach mózgu w wcześniej niedostępnych regionach; tutaj, na wiejskich terenach Wybrzeża Kości Słoniowej. Innowacje w metodach i rozwój odpowiednich kulturowo protokołów neuroobrazowania pozwalają na nowatorskie badania nad rozwojem mózgu i wynikami uczenia się dzieci w środowiskach o znacznym ubóstwie i przeciwnościach losu.

Metody terenowe neuroobrazowania wykorzystujące funkcjonalną spektroskopię bliskiej podczerwieni (NIRS) Neuroobrazowanie do badania globalnego rozwoju dziecka: obszary wiejskie Afryki Subsaharyjskiej

Ten artykuł przedstawia przyjazny dla dzieci protokół badawczy, który ma na celu poprawę jakości danych poprzez zmniejszenie ruchów głowy podczas magnetoencefalografii dziecięcej (MEG). Zaznajamiamy rodziny ze środowiskiem MEG, szkolimy dzieci, aby pozostawały w bezruchu za pomocą symulatora MEG i korygujemy artefakty szczątkowych ruchów głowy za pomocą systemu wykrywania ruchów głowy w czasie rzeczywistym.

Badanie funkcji mózgu u dzieci za pomocą magnetoencefalografii

Obecna praca proponuje multimodalny protokół oceny skoncentrowany na procesach metapoznawczych, samoregulacji uczenia się i emocjonalnych, które stanowią podstawę trudności u dorosłych z LDs.

Multimodalny protokół oceny metapoznania i samoregulacji u dorosłych z trudnościami w uczeniu się

Przedstawiono protokół przeprowadzania eksperymentów hiperskanowania fNIRS na diadach wspólnego uczenia się w naturalnym środowisku uczenia się. Ponadto przedstawiono proces analizy synchronizacji międzymózgowej (IBS) sygnałów hemoglobiny natlenionej (Oxy-Hb).

Synchronizacja między mózgami w otwartym uczeniu się opartym na współpracy: badanie fNIRS-Hyperscanning

Prezentowany tutaj jest potok analizy wideo, który pokonuje wyzwania związane z monitorowaniem zachowań w środowiskach MRI, pozwalając na wykrywanie nieinstruowanych reakcji behawioralnych na zewnętrzne sygnały. Analiza ta ułatwi bardziej kompleksowe zrozumienie wywołanych zmian stanu wewnętrznego i aktywności całego mózgu.

Profilowanie reakcji na zachowanie matki podczas obrazowania całego mózgu

Niniejszy artykuł opisuje podstawy analizy wielowymiarowej i przeciwstawia ją częściej stosowanej jednowymiarowej analizie wokselowej. Oba rodzaje analizy zostały zastosowane do zbioru danych z zakresu neuronauki klinicznej. Uzupełniające symulacje metodą split-half wykazują lepszą replikowalność wyników wielowymiarowych w niezależnych zbiorach danych.

Podstawy analizy wielowymiarowej w danych neuroobrazowych

Poznaj metodę pomiaru statystycznego uczenia się u dzieci szkolnych łączącą platformę internetową z fMRI. Protokół umożliwia badanie mechanizmów rozwoju języka i poznania.

Pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania (Wideo) | JoVE Journal

Pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania

Przeglądaj więcej filmów