June 1st, 2015
Um método é descrito no qual bebês de 3-4 meses aprendem uma tarefa por descoberta e seus movimentos de perna são capturados para quantificar o processo de aprendizagem.
O objetivo do experimento a seguir é investigar o surgimento e o desenvolvimento dos movimentos das pernas quando os bebês aprendem uma tarefa específica. Isso é feito primeiro colocando um bebê embaixo de um móbile infantil e anexando marcadores visíveis de câmera nas pernas do bebê. Em seguida, os movimentos das pernas do bebê são rastreados enquanto ele participa de uma tarefa de aprendizado de descoberta na qual o móbile gira e toca música.
Sempre que o bebê move um dos pés verticalmente em um limiar virtual, os movimentos das pernas do bebê são analisados para determinar se o bebê aprendeu que a ação da perna ativou o móbile e como o bebê mudou os movimentos das pernas ao longo do experimento. Em última análise, esse novo paradigma de aprendizagem por descoberta fornece informações sobre os processos que os bebês exploram e exploram ao aprender a modificar seus movimentos espontâneos para realizar ações específicas da tarefa. Esse paradigma é único, pois os bebês descobrem independentemente que é a ação das pernas que ativa o móbile.
Seus movimentos de perna são rastreados usando um sistema de captura de movimento. Os paradigmas anteriores podem ter tido uma dessas características, mas ambos são necessários para quantificar o processo de aprendizagem de bebês pequenos. Esse método pode nos ajudar a responder a algumas das principais questões do Campo, como como os bebês aprendem explorando o mundo ao seu redor.
Para começar, configure o sistema de captura de movimento alinhando primeiro o sistema de coordenadas dos dois sensores de captura de movimento ao de um sensor de referência. Ao clicar primeiro em executar novo registro no programa de captura de movimento. Em seguida, insira um tempo de coleta de 30 segundos e clique em registrar.
Depois que o registro for clicado, mova o objeto de registro dentro do volume de captura do sistema por 30 segundos. Quando o registro for concluído, uma raiz significa que o registro quadrado aparecerá na tela do computador. Em seguida, clique em Executar novo alinhamento no programa de captura de movimento para alinhar o sistema de coordenadas global à tabela de teste usando o objeto de registro, defina a origem colocando o objeto de registro no canto superior direito da tabela de teste e clicando em digitalizar no programa de captura de movimento.
Em seguida, defina o eixo Z colocando o objeto de registro em cima de um livro e clicando, digitalize o eixo Z é perpendicular à tabela. Em seguida, defina o plano positivo ZY movendo o objeto de registro no livro ao longo do comprimento da tabela e clicando em digitalizar. O eixo Y é paralelo ao comprimento da tabela e o eixo x é paralelo à largura da tabela.
Conecte os LEDs nas duas portas de curso e insira o número de LEDs por porta estroboscópica no programa do sistema de captura de movimento. Consulte a figura três mostrada aqui. Para o número e a localização de cada LED, selecione os dados ausentes view para fornecer um gráfico de tiras como exibição de LEDs sendo rastreados em tempo real Para configurar o programa móvel infantil.
Primeiro, insira o número de minutos para cada condição para o primeiro dia, insira dois. Para a fase um, a condição de não reforço. Seis para a fase dois, a condição de reforço e zero para a fase três no segundo dia, entrada dois para a fase um, seis para a fase dois e dois para a fase três.
Marque também a caixa. Use xin como padrão para que o limite calculado durante a linha de base do primeiro dia seja o limite usado para a condição de aquisição do segundo dia. Por fim, selecione quadros de fluxo, todos os quadros e clique em enviar para permitir que o programa móvel use dados do sistema de captura de movimento para ativar o celular infantil com base em critérios especificados.
Em seguida, posicione três câmeras ao redor da configuração móvel, uma na lateral direita, uma na lateral esquerda e uma acima. E conecte-os ao sistema do computador. Inicie o programa de computador de vídeo para sincronizar as três entradas.
Além disso, coloque uma quarta câmera sobre a cabeça do bebê para registrar expressões faciais e rastrear o olhar. Comece descrevendo o experimento para os pais e informe-os para interagir o mínimo possível com o bebê. Em seguida, tire a roupa do bebê e coloque-o sob o móbile.
Prenda o bebê à mesa usando uma faixa de Velcro colocada no porta-malas. Uma vez fixado no lugar, prenda os marcadores esternais seguidos pelo pé, a perna, a coxa e os corpos rígidos pélvicos do bebê. No início de cada dia de teste, inicie a tarefa de aprendizado móvel iniciando de forma síncrona o programa de computador móvel do sistema de captura de movimento e as câmeras de vídeo observam o bebê chutando espontaneamente durante o período de linha de base dos dois minutos iniciais.
Durante esse período, o programa móvel infantil calculará continuamente o limite para ativação móvel com base nos dados Z de um dos LEDs no corpo rígido de cada pé no final do período de linha de base de dois minutos. Observe como o programa móvel define o limite a uma altura de um desvio padrão acima da altura média de ambos os pés durante o período de linha de base. Em seguida, durante a condição de aquisição, observe como o móbile infantil gira e toca música quando o LED colocado em qualquer um dos pés cruza o limite que foi calculado durante a condição de linha de base de dois minutos a partir do primeiro dia de teste durante a fase de extinção.
No segundo dia de teste, observe como o bebê chuta espontaneamente sem qualquer reforço móvel Após a interação do bebê com a correção móvel. 10 LEDs individuais bilateralmente à pele do bebê usando coleiras de eletrocardiograma de dupla face, como mostrado aqui, mantêm a extremidade inferior do bebê em uma posição anatômica estendida por cinco segundos. Defina os ângulos da junta nesta posição de calibração como zero graus.
Após o segundo dia de teste, pesar o bebê em uma balança elétrica digital. Em seguida, meça o comprimento do bebê, sua circunferência no segmento médio da coxa, a perna e o pé. Em seguida, meça a largura do joelho na linha da articulação do joelho.
A largura do tornozelo na linha de Malia encontra-se, bem como a largura do pé nas cabeças dos metatarsos. Finalmente, meça o comprimento da coxa do trocarte maior até a linha articular do joelho, o comprimento da haste da linha articular do joelho até o malu lateral e o comprimento do pé da molibdênio medial até a primeira articulação da linha flange metatarsal. Analise o desempenho e o aprendizado do bebê calculando a porcentagem de ação da perna reforçada, conforme descrito no protocolo de texto que acompanha.
Para analisar os movimentos das pernas, carregue os arquivos de dados de posição emitidos do sistema de captura de movimento em um programa MATLAB personalizado para interpolar os dados de posição ausentes por até 20 quadros consecutivos usando uma spline cúbica. Em seguida, carregue os arquivos interpolados em um programa MATLAB personalizado para primeiro filtrar os dados de posição usando um Butterworth de quarta ordem com uma frequência de corte de cinco hertz e, em seguida, calcule os ângulos das juntas conforme descrito por soderquist e wedin. Este gráfico mostra as diferenças nos resultados comportamentais entre bebês classificados como aprendizes e aqueles classificados como não aprendizes.
Os bebês foram classificados como aprendizes se sua ação de perna reforçada em toda a condição de aquisição do segundo dia fosse igual ou superior a 1,5 vezes a ação de perna reforçada de sua condição basal no primeiro dia. Observe a diminuição inicial no percentual de alunos RLA durante os primeiros dois minutos da condição de aquisição do primeiro dia. Os bebês que aprenderam a tarefa diminuíram sua ação geral quando o móbile infantil começou a ser ativado, talvez primeiro como uma resposta orientadora, depois talvez como uma estratégia para determinar se suas ações estavam associadas à ativação móvel. Mostrado.
Aqui estão as diferenças na coordenação do joelho do quadril entre bebês classificados como aprendizes e não aprendizes. Os aprendizes, mas não os não aprendizes, diminuíram significativamente o coeficiente de correlação do ângulo do quadril e joelho entre a condição de aquisição do segundo dia e a condição basal do primeiro dia. Aqui, as diferenças no impulso de torque muscular do quadril e joelho foram analisadas no grupo de bebês classificados como aprendizes.
Um achado robusto foi o aumento do impulso de torque muscular do quadril e joelho durante a condição de extinção em comparação com as outras condições. Os bebês que aprenderam a tarefa parecem estar gerando grandes torques musculares do quadril e do joelho durante a condição de extinção, na tentativa de reativar o celular. Esse paradigma experimental pode ser estendido a bebês com risco de disfunção do movimento.
Ele pode ser usado para investigar como as deficiências de diferentes populações de bebês influenciam o processo de aprendizagem de descoberta e a capacidade de realizar ações específicas da perna da tarefa.
View the full transcript and gain access to thousands of scientific videos
Este estudo investiga como bebês de 3-4 meses aprendem uma tarefa por descoberta, focando nos movimentos das pernas. A pesquisa captura e analisa esses movimentos para entender o processo de aprendizagem.
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.
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.