$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Dili anlamak karmaşık bilişsel süreçleri içerir ve tek bir cümle oluşturabilecek inanılmaz sayıda kelime seçimi ve düzenlemesi göz önüne alındığında, beynin tutarlı ve tutarsız kombinasyonları ayırt edebilmesi gerekir.
Bir kişinin bir cümleyi anlaması, bir annenin oğluna mağazaya gideceğini söylemesi gibi konuşulmuş ya da bir kitapta yazılmış olsun, kısmen, beynin cümledeki bir sonraki kelimenin ne olacağını tahmin ettiğine bağlıdır.
Örneğin, birisi "Karanlık ve fırtınalı bir gündü..." Bir kitabın başında "gece" ifadesinin bir sonraki terim olması beklenir.
Ancak, bazen beklenmedik kelimelerle karşılaşılır ?, örneğin "... Ve çılgın bilim adamı laboratuvarını rakun rengine boyuyordu...", bu cümlenin anlamını bozuyordu.
Bu durumda, anormal terim rakundur, çünkü siyah gibi beklenen bir renkten ziyade bir hayvan türünü ifade eder.
Bu tür anlamsal uyumsuzluklar – anlamsız cümleler – beyinde benzersiz elektrik sinyalleri ortaya çıkarır – olayla ilgili potansiyeller, kısaca ERP'ler olarak bilinen yanıtlar – bu da beynin cümleyi anlama çabasıyla sorunlu kelimenin tanımını nasıl geri aldığına veya yeniden işlediğine dair fikir verebilir.
Bu video, elektroensefalografi veya EEG tekniğinin, katılımcılara beklenmedik kelimelerle biten cümlelerin gösterildiği anlamsal uyumsuzluk görevleri sırasında ERP'leri ölçmek için nasıl kullanılabileceğini açıklamaktadır.
Uyaranların nasıl tasarlanacağını ve verilerin nasıl toplanacağını ve analiz edileceğini, özellikle özelliklerini yansıtmak için N400 olarak adlandırılan ERP'lerin benzersiz bir bileşenine odaklanarak gösteriyoruz.
Bu deneyde EEG, dil işleme ve anlama becerilerini araştırmak için anlamsal olarak tutarlı ve tutarsız uyaranlar gösterilen katılımcılarda beyin aktivitesini ölçmek için kullanılır.
Bu uyaranlar üç tür cümleden oluşur: uyumlu, uyumsuz ve boyut sapkın. Her biri yedi kelimeden oluşmasına rağmen, son terimlerinin doğası bakımından farklılık gösterirler.
"Köpeğini kulağının arkasından tırmaladı" gibi uyumlu cümlelerin son kelimeleri, anlam açısından hiçbir sorun teşkil etmez ve öncekilerle aynı yazı tipi ve boyutunda görünür.
Daha da önemlisi, bu cümleler beynin tutarlı kelime kombinasyonlarına nasıl tepki verdiğini ölçmek için kontroller görevi görür.
Buna karşılık, "Tavuk parmağını botlara batırdı" gibi uyumsuz cümleler, anlamsal olarak anormal olan son terimlere sahiptir.
Burada, botlar diğer kelimelerin anlamıyla çelişiyor, tavuk parmaklarının giyim eşyalarına değil, hardal gibi bir çeşniye batırılması bekleniyor. Bu nedenle, bu uyaranlar şaşırtıcı, tutarsız dilin ne kadar işlendiğini değerlendirir.
Son cümle türü boyut sapkın olarak adlandırılır ve görünüşte şaşırtıcı olan son kelimeleri içerir - daha büyük bir yazı tipindedirler - ancak uyumlu değildir.
Örneğin, "Elini eldiveninin içine koydu." cümlesinde mitten terimi daha büyük harflerle yazılmışsa, yine de anlamsal bir anlam ifade eder.
Bu uyaranlar, beynin bir cümledeki son kelimeye verdiği tepkinin genel bir şaşkınlığın sonucu mu yoksa tutarsız bir metin boyutunun şoku mu yoksa beklenmedik anlamlara mı özgü olduğunu ayırt etmek için kritik öneme sahiptir.
Katılımcılara EEG için hazırlandıktan sonra, daha sonra onlar hakkında sorular sorulacağı için bilgisayar ekranında beliren cümleleri dikkatlice okumaları söylenir.
Gerçekte, deneyin sonunda herhangi bir sınav yapılmaz; Bununla birlikte, bu talimatlar, deneklerin yaklaşan uyaranlara dikkat etmelerini sağlar.
Görev sırasında, katılımcılara tek bir cümleyi oluşturan yedi kelime sırayla "doğru sırayla" gösterilir.
Her terim, veri toplamayı engelleyebilecek göz hareketlerini azaltmak için monitörün merkezinde 100 ms boyunca ayrı ayrı görünür ve ardından 1000 ms boş ekran gelir.
EEG bilgileri, her biri benzersiz bir cümleden oluşan 120'den fazla denemede sürekli olarak kaydedilir. Spesifik olarak, uyaranlar aynı frekansta 40 kez, ancak rastgele bir sırayla gösterilir. Ardından, görev ikinci kez tekrarlanır, bu nedenle katılımcıların toplam 240 cümle okuması gerekir.
Daha sonra, EEG verileri, her bir elektrottan her bir cümle türü için ortalama ERP'leri görselleştirmek için işlenir ve bilim adamları bu dalga formlarında N400 bileşenini ararlar.
Bu terimdeki "N", zirvenin negatif olduğunu gösterir ve "400", katılımcıya son kelime uyaranının gösterilmesinden yaklaşık 400 ms sonra meydana gelen gecikmesini temsil eder.
Önceki deneyimlere dayanarak, N400'ün genliğinin anlamsal olarak tutarsız olaylara yanıt olarak artması ve tüm kafa derisi elektrotlarından kaydedilmesi beklenmektedir.
Bununla birlikte, bu yanıt muhtemelen en çok, kafa derisinin orta hattında, parietal lobların üzerinde yer alan ve yazı dilinin işlenmesinde ve bütünleştirilmesinde rol oynadığı bilinen Pz elektrotunda belirgin olacaktır.
Deneye başlamadan önce, anadili İngilizce olan bir katılımcıyı işe alın ve onlara prosedürün iki ana bileşenini açıklayın: elektrot takacaklar ve bir bilgisayar ekranında cümleler gösterilecek. Ardından, onlardan gerekli, imzalı tüm onay formlarını toplayın.
Ardından, katılımcıyı kafa derisi ve yüz elektrotları ile donatın. Bu yordam hakkında daha fazla ayrıntı için, bu koleksiyonun başka bir yerinde açıklanan yöntemlere göz atın. Test alanına girdikten sonra, tüm elektrotlardaki empedans değerlerini doğrulayın.
EEG izlerinin gürültüsüz olduğunu onayladıktan sonra, katılımcıya gözleri ekrandan yaklaşık 75 cm uzakta olacak şekilde oturmasını söyleyin.
Bu ekranda kelime kelime görünen cümleleri daha sonra içerikleri hakkında sorular sorulacağı için okumaları ve çok dikkat etmeleri gerektiğini vurgulayın.
Katılımcının görevi anladığından emin olmak için onlara on alıştırma cümlesi gösterin, ancak bu süre zarfında veri toplamayın. Daha sonra, sürekli kayda başlamak için EEG sistemini başlatın.
40 uyumlu, 40 uyumsuz ve 40 sapkın boyutlu cümleden oluşan 120 denemeyi rastgele bir sırayla sunarak işlevsel göreve devam edin. Ardından, yeterli verinin toplandığından emin olmak için bu işlemi ek bir 120 uyaran seti ile tekrarlayın.
240 uyaranın tümü için veriler kaydedildikten sonra, bunları JoVE'nin ERP'lerinde ve Oddball Task videosunda açıklandığı gibi işleyin.
Verileri analiz etmek için, önce Pz kayıt alanından toplanan uyumlu, uyumsuz ve sapkın boyutlu uyaranların zaman çizelgeleri için ortalama dalga biçimlerini çizin. Bu grafiğin x ekseninde, ms cinsinden zamanı temsil eder, bir cümledeki her kelimenin ne zaman gösterildiğini gösterir.
Daha sonra, N400 tepe noktalarını bulun ve her biri için, tepe noktasının en düşük noktası ile 0 taban çizgisi değeri arasındaki mesafe olarak tanımlanan ortalama genliğini hesaplayın. V, ayrıca yatay eksen ile temsil edilir.
Ardından, bu bileşenin gecikmesini hesaplayın, bir cümledeki son kelime gösterildikten sonra dalga biçiminde görünmesinin ms cinsinden ne kadar sürdüğünü hesaplayın.
Bu genliklerin ve gecikmelerin aralıkları için, hedef ve kontrol uyaranları arasında bir fark olup olmadığını belirlemek için F-testlerini kullanmaya devam edin.
N400 yanıtının yalnızca katılımcılara uyumsuz bir cümlenin son kelimesi gösterildikten sonra gözlemlendiğine dikkat edin, bu elektriksel olayın, özellikle tutarsız bir terimin neden olduğu cümle işlemede bir kesintiyi tanımlayan parietal lobları içeren nöral işlemeyi yansıttığını gösterir.
Daha da önemlisi, sapkın boyutlu uyaranlar kullanılarak toplanan dalga formlarında N400 gözlenmese de, başka bir benzersiz bileşen? P560, 560 ms'lik bir gecikme ile pozitif bir tepe noktası oldu.
Bu, beynin beklenmedik görsel uyaranlara ve anlamsal olarak tutarsız terimlere farklı tepki verdiğini gösterir ve N400'ün dil uyumsuzluğunun benzersiz bir elektriksel imzası olduğunu gösterir.
Artık ERP'lerde N400 bileşenini ortaya çıkarmak için anlamsal tutarsızlığın nasıl kullanılabileceğini bildiğinize göre, araştırmacıların dil işleme ve anlama çalışmalarını incelemek için bu benzersiz elektrik sinyalini inceledikleri diğer yollara bakalım.
Bazı araştırmacılar, tutarsız dili tanımlama yeteneğinin ne zaman geliştiğini ve bu becerinin yaşla birlikte değişip değişmediğini belirlemeyi amaçlamaktadır.
Bu tür çalışmalar, EEG kapakları ile donatılmış küçük çocukların, bir kamera gibi tanınabilir nesnelerin temsillerini göstermeyi içeriyordu.
Bununla birlikte, işin püf noktası, çocuk bu tasvire baktığında, bunun farklı bir şey olduğu söylenir, örneğin bir kedi. Bu nedenle, bu, anlamsal uyumsuzluk görevinin değiştirilmiş bir versiyonudur, çünkü konuşulan kelime görünür öğenin anlamıyla eşleşmez.
Beynin bu görevlere verdiği elektriksel tepkilerin ölçümleri, çocukların, uyumlu kümelere kıyasla birkaç yüz ms süren uyumsuz öğe-kelime çiftlerine karşı gelişmiş bir N400-esque tepkisi sergilediğini gösterdi.
Daha da önemlisi, bu, insanların erken yaşlarda bile anlamsal uyumsuzluğu tanımlayabildiğini ve işleyebildiğini göstermektedir.
Diğer araştırmacılar, ERP'lerin şizofreni gibi belirli kişilik bozukluklarıyla ilişkili dil eksikliklerini daha iyi anlamak için kullanılıp kullanılamayacağını değerlendiriyorlar.
Paradoksal olarak, önceki çalışmalar, anksiyete veya zevk alamama gibi belirgin şizofreni benzeri özelliklere sahip bireylerin, daha hafif semptomları olan insanlarla karşılaştırıldığında, hayvan ve keçi gibi uyumlu kelime çiftlerine daha yüksek bir N400 yanıtı gösterdiğini göstermiştir.
Bununla birlikte, bu katılımcılar olanzapin adı verilen antipsikotik bir ilaçla tedavi edildiğinde, bu uyumun neden olduğu N400 bileşeninin genliği, plasebo verilen bireylere kıyasla azaldı ve bu da bazen bu tür bozukluklarda gözlenen ayrık konuşmayı tedavi edebilecek olası bir tedavi olduğunu düşündürdü.
Az önce JoVE'nin dil işlemeyi araştırmak için uyumlu ve uyumsuz cümlelerin nasıl kullanılabileceğine dair videosunu izlediniz. Bu noktada, katılımcılara uyaranları nasıl sunacağınızı ve ERP verilerini nasıl toplayacağınızı ve yorumlayacağınızı bilmelisiniz. Artık N400 bileşeninin, davranış bozukluklarında nasıl etkilenebileceği gibi dil anlamanın diğer yönlerini araştırmak için nasıl kullanıldığını da anladığınızı umuyoruz.
İzlediğiniz için teşekkürler!
