JoVE Logo

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

מוצג כאן פרוטוקול המציג קבוצה של משימות למידה סטטיסטיות ידידותיות לילדים המיועדות לבחון את הלמידה של ילדים של דפוסים סטטיסטיים זמניים על פני תחומים וmodalities חושי. המשימות המפותחות אוספות נתונים התנהגותיים באמצעות הפלטפורמה מבוססת האינטרנט ונתוני הדמיית תהודה מגנטית פונקציונלית (fMRI) המבוססת על משימות לבדיקת מעורבות עצבית במהלך למידה סטטיסטית.

Abstract

למידה סטטיסטית, מיומנות בסיסית לחלץ סדירות בסביבה, נחשבת לעתים קרובות מנגנון תמיכה הליבה של התפתחות השפה הראשונה. בעוד מחקרים רבים של למידה סטטיסטית נערכים בתוך תחום יחיד או מודאליות, ראיות האחרונות מצביעות על כך מיומנות זו עשויה להיות שונה בהתבסס על ההקשר שבו הגירויים מוצגים. בנוסף, מחקרים מעטים חוקרים את הלמידה כפי שהיא מתפתחת בזמן אמת, במקום להתמקד בתוצאה של למידה. בפרוטוקול זה, אנו מתארים גישה לזיהוי הבסיס הקוגניטיבי והעצבי של למידה סטטיסטית, בתוך אדם, על פני תחומים (לשוניים לעומת לא לשוניים) ופשטיות חושית (חזותית ושמיעתית). המשימות נועדו להטיל ביקוש קוגניטיבי קטן ככל האפשר על המשתתפים, מה שהופך אותו אידיאלי עבור ילדים בגיל בית הספר הצעיר ואוכלוסיות מיוחדות. האופי מבוסס האינטרנט של המשימות ההתנהגותיות מציע לנו הזדמנות ייחודית להגיע לאוכלוסיות מייצגות יותר ברחבי הארץ, להעריך גדלי אפקטים בדיוק רב יותר, ולתרום למחקר פתוח ותו לא. האמצעים העצביים המסופקים על ידי משימת הדמיית תהודה מגנטית פונקציונלית (fMRI) יכולים ליידע את החוקרים על המנגנונים העצביים העוסקים במהלך למידה סטטיסטית, וכיצד אלה עשויים להיות שונים בין אנשים על בסיס תחום או מודאליות. לבסוף, שתי המשימות מאפשרות מדידה של למידה בזמן אמת, כאשר שינויים בזמן התגובה לגירוי היעד נמצאים במעקב לאורך תקופת החשיפה. המגבלה העיקרית של שימוש בפרוטוקול זה מתייחסת למשך השעה של הניסוי. ילדים יצטרכו להשלים את כל ארבע משימות הלמידה הסטטיסטיות בישיבה מרובה. לכן, הפלטפורמה מבוססת האינטרנט מתוכננת מתוך מחשבה על מגבלה זו כך שפעילויות יווצרמו בנפרד. מתודולוגיה זו תאפשר למשתמשים לחקור כיצד תהליך הלמידה הסטטיסטית מתפתח בתחומים ובתוך תחומים ושיטות בילדים מרקע התפתחותי שונה.

Introduction

למידה סטטיסטית היא מיומנות יסודית התומכת ברכישת שילובים הנשלטים על-ידי כללים בתשומות שפה1. יכולת למידה סטטיסטית מוצלחת אצל תינוקות מנבאת הצלחה מאוחרת יותר בלימוד שפה2,,3. שונות במיומנויות למידה סטטיסטית בילדים בגיל בית הספר גם נקשר אוצרמילים 4 וקריאה5,6. קושי בלמידה סטטיסטית הוצע כמנגנון אטיאולוגי אחד הבסיסי ליקוי שפה7. למרות הקשר בין למידה סטטיסטית לתוצאות שפה הן באוכלוסיות נוירו-טיפוסיות והן באוכלוסיות לא טיפוסיות, המנגנונים הקוגניטיביים והנוירולוגיים הבסיסיים של הלמידה הסטטיסטית נותרים מובנים היטב. בנוסף, ספרות קודמת חשפה כי בתוך אדם, יכולת למידה סטטיסטית אינה אחידה אלא עצמאית בתחומיםובמודאליות 6,,8,9. המסלול ההתפתחותי של יכולות למידה סטטיסטיות עשוי להשתנות עוד יותר בין תחומים ומודאליות10. ממצאים אלה מדגישים את החשיבות של הערכת הבדלים בודדים בלמידה סטטיסטית על פני משימות מרובות במהלך הפיתוח. עם זאת, השדה דורש תחילה חקירה שיטתית יותר של הקשר בין למידה סטטיסטית ופיתוח שפה ראשונה. כדי לענות על שאלות אלה, אנו מיישמים שיטות חדשניות,לרבות פלטפורמת בדיקה מבוססת אינטרנט 11 שמגיעה למספר רב של ילדים, וטכניקות הדמיה עצבית מבוססת מעבדה (הדמיית תהודה מגנטית פונקציונלית, או fMRI) הבוחנות את הקידוד בזמן אמת של מידע סטטיסטי.

מדדים סטנדרטיים של למידה סטטיסטית מתחילים בשלב היכרות ולאחר מכן בחירה כפויה של שתי חלופות (2-AFC)משימה 12,13. שלב ההיכרות מציג זרם מתמשך של גירויים משובצים קבועים סטטיסטיים, שבו גירויים מסוימים נוטים יותר להתרחש במקום מאשר לאחרים. המצגת של גירויים אלה המתרחשים במקום מצייתת לסדר זמן קבוע. המשתתפים נחשפים באופן פסיבי לזרם במהלך שלב ההיכרות, ולאחר מכן משימה של 2-AFC שבונה אם המשתתף חילץ בהצלחה את התבניות. משימת הדיוק של 2-AFC מציגה שני רצפים רצופים: רצף אחד הוצג למשתתף במהלך שלב ההיכרות, בעוד שהשנייה היא רצף חדשני, או מכילה חלק מהרצף. דיוק מעל סיכוי ב-2-AFC יצביע על למידה מוצלחת ברמת הקבוצה. משימות התנהגותיות מסורתיות המעריכות למידה סטטיסטית מסתמכות בדרך כלל על דיוק כמדד התוצאה של למידה. עם זאת, הדיוק אינו מסביר את הלמידה הטבעית של מידע כפי שהוא מתגלה בזמן. יש צורך למדוד למידה בזמן אמת כדי לנצל את תהליך הלמידה המשתמע של למידה סטטיסטית שבמהלכה הילדים עדיין מקודדים אתהקבועים מהתשומות 14,15,16. התאמות שונות על פני פרדיגמיות פותחו במאמץ להתרחק 2-AFC למדוד, לקראת אמצעים של למידה אונליין באמצעות תגובות התנהגותיות במהלךהחשיפה 16. מחקרים המנצלים התאמות אלה המודדות את זמן התגובה במהלך שלב החשיפהמצאו שהם קשורים לדיוק שלאחר הלמידה 17 עם אמינות טובה יותר של בדיקת מבחן בהשוואה לדיוק של לומדיםמבוגרים 18.

אמצעים עצביים הם גם בסיס להבנתנו כיצד הלמידה מתפתחת לאורך זמן, כמו התהליך המשתמע שבו לימוד שפה מתרחשת כנראה מגייס משאבים עצביים שונים מאלה המשמשים פעםשפה לומד 19. אמצעים עצביים מספקים גם תובנות על הבדלים בהתמחויות קוגניטיביות הבסיסיות יכולת השפה על פני אוכלוסיות מיוחדות20. כיצד ניגודיות המצב מתוכנן במחקר fMRI הוא קריטי עבור איך אנו מפרשים דפוסים של הפעלה עצבית במהלך הלמידה. מנהג נפוץ אחד הוא להשוות תגובות מוחיות במהלך שלב ההיכרות בין רצפים המכילים דפוסים רגילים לעומת אלה המכילים את אותם גירויים אשר מסודרים באופן אקראי. עם זאת, מחקרים קודמים המיישמים מצב שליטה אקראי כזה לא מצאו ראיות ללמידה בהתנהגות, למרות הבדלים עצביים בין רצפים מובנים ואקראיים. ייתכן שהסיבה לכך היא הפרעה של רצפים אקראיים על למידה של רצפים מובנים, כמו שניהם נבנומאותו גירויים 21,22. מחקרים אחרים fMRI אשר השתמשו בדיבור לאחור או בלוקי למידה מוקדמים יותר כמו מצב הבקרה אישרלמידה התקיים התנהגותית 19,23. עם זאת, כל אחת מהפרדיגות הללו הציגה גורם מבלבל משלה, כגון השפעת עיבוד השפה על המקרה הקודם וההשפעה של הסדר הניסיוני על המקרה האחרון. הפרדיגמה שלנו משתמשת ברצף האקראי כתנאי הבקרה, אך מפחיתה את ההפרעות שלהם בלימוד הרצפים המוגנים. פרדיגמת fMRI שלנו מיישמת גם עיצוב מעורב הקשור לבלוק/אירוע, המאפשר מידול בו-זמני של אותות מודגשים הקשורים למשימה ארעית ומתמשךהקשורים למשימה 24. לבסוף, ובאופן רחב יותר, אמצעים עצביים מאפשרים מדידה של למידה באוכלוסיות שבהן תגובה התנהגותית מפורשת עשויה להיות קשה (למשל, אוכלוסיות התפתחותיותומיוחדות) 25.

הפרוטוקול הנוכחי מאמץ מדד זמן תגובה, בנוסף לאמצעי דיוק מסורתיים, ובוחן את הפעלת המוח במהלך שלב ההיכרות. השילוב של שיטות אלה נועד לספק dataset עשיר לחקירה של תהליכי למידה בזמן אמת. הפלטפורמה מבוססת האינטרנט מציעה סט של אמצעי למידה על-ידי הכללת זמן תגובה הן בשלב החשיפה והן דיוק של משימת 2-AFC במהלך שלב הבדיקה. פרוטוקול ההדמיה העצבית מאפשר חקירה של המנגנונים העצביים הבסיסיים התומכים בלמידה סטטיסטית בתחומים ובתחום. למרות שזה אופטימלי למדוד למידה סטטיסטית בתוך אדם באמצעות פרוטוקולים מבוססי אינטרנט וfMRI, המשימות מתוכננות כך שהם עשויים להיות מ מופלים באופן עצמאי, ולכן, כשני מדדים עצמאיים של למידה סטטיסטית. ניסויי fMRI הכלולים בפרוטוקול הנוכחי יכולים לעזור להבהיר כיצד קידוד גירוי, הפקת תבניות ורכיבים מרכיבים מרכיבים אחרים של למידה סטטיסטית מיוצגים על ידי אזורים ורשתות מוח מסוימים.

Protocol

כל המשתתפים נתנו הסכמה בכתב להשתתף וללמוד נערך בהתאם למועצת הביקורת המוסדית.

1. סקירה כללית של פרדיגמת הלמידה הסטטיסטית המנוצלת בפרוטוקול מבוסס האינטרנט

  1. כלול ארבע משימות בפרדיגמה הנוכחית: תמונה (חזותית-לא לשונית), אות (חזותית-לשונית), טון (שמיעתי-לא לשוני) והברה (שמיעתית-לשונית).
    1. לבנות גירויים עבור משימות חזותיות באמצעות 12 תמונות מצוירות חייזריות עצמאיות (תמונה) ו- 12 תמונות אותיות (אות; B, J, K, A, H, C, F, E, J, G, D, M) מראה את אותו חייזר מחזיק 12 שלטים עם אותיות גדולות כתובות עליהם.
    2. לבנות גירויים שמיעתיים באמצעות 12 הברות אנגליות (הברה; pi, pu, pa, ti, tu.ta, di, du, da, bi, bu, ba) ו 12 צלילים מוסיקליים בתוך אותו אוקטבה (טון; פ', ג'י, ג'י, ג'י, בי, ג,פ,י, א.א. ניתן לעשות את הגירויים להברה באמצעות סינתיסייזר דיבור מלאכותי, ותוכל להקליט ם כקבצים נפרדים ב Praat26,27.
  2. בשלב ההיכרות, הצג גירויים בזרם מובנה (ראה איור 1). משוב אינו מסופק בשום שלב במהלך שלב ההיכרות או הבדיקה.
    הערה: בתוך כל פעילות, שלב היכרות מלווה מיד בשלב בדיקה.
    1. עבור המשימה תמונה (חזותית-לא לשונית), מבנה 12 תמונות לארבע שלישיות יעד. בשלב ההיכרות, חזור על כל אחת מארבע השלישייה היעד 24 פעמים עבור סך של 96 שלישיות.
      הערה: 96 שלישיות מזורתות באופן אקראי לזרם רציף, עם האילוץ שלא ניתן לחזור על השלישייה באופן מיידי. תמונות מוצגות אחת בכל פעם במרכז המסך. כל תמונה מוצגת עבור 800 ms עם 200 אלפיות פעולה של מרווח בין גירויים. כל שלב ההיכרות יימשך 4 דקות ו-48 שניות.
    2. ודא ששלב הבדיקה תמיד עוקב אחר שלב ההיכרות ומורכב מ-32 שאלות של שתי אפשרויות בחירה כפויה (2AFC). עבור כל שאלה, כלול 2 אפשרויות: שלושה יעד ים שלב ההיכרות ושלישייה שלא נכלל בשלב ההיכרות, המכונה השלישייה רדיד.
      הערה: השלישייה של רדיד אלומיניום בנויה כך שהמיקום היחסי של כל תמונה בשלישייה של נייר הכסף זהה לשלישייה של היעד. כל מטרה ושלישייה של רדיד מוצגים פי 8 במבחן, וכל זוג מטרה בנייר כסף חוזר על עצמו. שלב הבדיקה מורכב 32 (4 שלישיות היעד x 4 רדיד שלישיות x 2 חזרות) ניסויים מסודרים באופן אקראי.
    3. עבור המשימה אות (חזותי-לשוני) כוללים 12 תמונות של אותיות רישיות המאורגנות לתוך ארבע שלישיות היעד (GJA, FKC, LBE, ו- MDH).  עבור שלב הבדיקה, צור 4 שלישיות רדיד אלומיניום (GDE, FJH, LKA ו- MBC) ושייך אותן לשלישיות היעד כדי ליצור את 32 ניסויי הבדיקה של 2AFC. אף השלישייה של האות לא יכולה להכיל מילים, ראשי תיבות נפוצים או ראשי תיבות.
    4. עבור הטון (שמיעתי-לא לשוני) המשימה כוללת 12 צלילים טהורים מוסיקליים בתוך אותה אוקטבה (סולם כרומטי מלא החל מאמצע C) ולרשרש אותם לארבע שלישיות היעד (F#DE, ABC, C#A#F, ו GD#G#). שלא כמו במשימות החזותיות, מהירות המצגת מהירה יותר בשל הבדלים בהעדפהתפיסתית שמיעתית 6,28,29.
      הערה: כל אחת מארבע השלישייה היעד חוזר 48 פעמים עבור סך של 192 שלישיות (כפול מהתנאים החזותיים). כל השלישייה משורטפת לזרם קול ללא שלישייה שחוזרת על עצמה פעמיים ברציפות. גוונים טהורים מוצגים אחד בכל פעם בזמן שהמשתתפים לצפות במסך ריק. משך הזמן של כל טון הוא 460 ms עם מרווח בין גירויים של 20 ms. כל הנחל נמשך כ-4 דקות ו-36 שניות. כמו במשימות החזותיות, שלב בדיקה של 32 ניסויים 2AFC עם זוגות של יעד ושלישייה רדיד (F#BF, AA #G#, C#D#E, GDC) מיד עוקב אחר שלב ההיכרות.
    5. עבור ההברות (שמיעתי-לשוניות) המשימה להשתמש 12 ההברות עיצור (CV) שנוצרו ומקובצים לארבעה שלישיות היעד (pa-bi-ku, go-la-tu, da-ro-pi, ו ti-bu-do). משך הזמן של כל הברה ומרווח הזמן הבין-גירוי זהה למצב הטון. זוג ארבע שלישיות רדיד (pa-ro-do, go-bu-ku, da-bi-tu, ו ti-la-pi) עם שלישיות היעד בשלב הבדיקה.
  3. באופן אקראי של סדר ארבע משימות הלמידה הסטטיסטיות בין המשתתפים.

2. גיוס משתתפים

הערה: בעוד שהפרוטוקול מבוסס האינטרנט ופרוטוקול fMRI מיושמים בצורה הטובה ביותר יחד בתוך משתתף יחיד, כאן אנו מתארים את שיטות העבודה הטובות ביותר עבור גיוס משתתפים עבור כל משימה באופן עצמאי.

  1. גיוס משתתפים מבוססי אינטרנט
    1. גיוס משתתפים מגיל 6 ומעלה. משתתפים בכל מין, גזע ומוצא אתני רשאים להשתתף; עם זאת, מדגם המחקר צריך להיות נציג של האוכלוסייה.
    2. לגייס משתתפים שהם דוברי אנגלית ילידים ולא נחשפו לשפות מלבד אנגלית לפני גיל 5.
    3. ודא שהם מדווחים על שום בעיה פסיכולוגית ידועה (כולל ADD, דיכאון, PTSD, וחרדה קלינית) ו / או מצב נוירולוגי (כולל שבץ, התקף, גידול במוח, או פגיעת ראש סגורה).
    4. ודא שלמשתתפים יש ראייה רגילה או מתוקנת לנורמלית (משקפיים או מגעים הם בסדר), ראיית צבע רגילה ושמיעה רגילה (ללא מכשיר שמיעה או התקני שתל שבלול).
  2. גיוס משתתפים fMRI מבוסס משימה
    1. גיוס משתתפים מגיל 6 ומעלה. משתתפים בכל מין, גזע ומוצא אתני רשאים להשתתף; עם זאת, מדגם המחקר צריך להיות נציג של האוכלוסייה.
    2. כדי להיות זכאי, לגייס משתתפים שהם דוברי אנגלית ילידים ומעולם לא נחשפו לשפות מלבד אנגלית לפני גיל 5.
    3. לגייס אנשים ימניים, ללא פסיכולוגי ידוע (כולל ADD, דיכאון, PTSD, וחרדה קלינית) ומצב נוירולוגי (כולל שבץ, התקף, גידול במוח, או פגיעת ראש סגורה).
    4. לא לכלול משתתפים בהריון, קלסטרופובי, נטילת תרופות פסיכואקטיביות, או יש כל מתכת בגוף (כולל קוצבי לב, שתלים עצביים, לוחות מתכת או מפרקים, רסיסים, סיכות כירורגיות).
    5. ודא שלמשתתפים יש ראייה רגילה או מתוקנת לנורמלית (משקפיים או מגעים הם בסדר), ראיית צבע רגילה ושמיעה רגילה (ללא מכשיר שמיעה או התקני שתל שבלול).
    6. לקבוע את הזכאות להשתתף ב-MRI על ידי כך שהמשתתפים (או ההורים אם המשתתף הוא קטין) ישלימו טופס סינון בטיחות MRI.

3. פרוטוקול מבוסס אינטרנט

הערה: פרדיגמת הלמידה הסטטיסטית מבוססת האינטרנט מתארחים באתר אינטרנט מאובטח (https://www.cogscigame.co11)ומפותחה באמצעות jsPsych, ספריית JavaScript ליצירת ניסויים התנהגותייםבאינטרנט 30.

  1. כדי לשחזר משימות, עבור אל DOI: 10.5281/zenodo.3820620. כל קבצי ה- Script והחומרים זמינים לציבור. חוקרים יכולים לשנות את קבצי ה-script ולהפעיל את הניסויים באופן מקומי בכל דפדפן אינטרנט כל עוד כל הנתיבים עבור קבצי הפלט מוגדרים כראוי.
  2. נהל מהמשתתפים להשלים משימת כיסוי שבה נאמר להם ללחוץ על לחצן כאשר הם רואים יעד מסוים במהלך כל שלבי ההיכרות של כל משימת למידה סטטיסטית.
  3. הקצאת גירוי יעד עבור כל פעילות
    1. בתמונה, במשימות אות והברה, בחר באופן אקראי אחת מארבע השלישייה והקצה את היעד לגירוי השלישי של השלישייה. במשימת הטון, להגביל את גירוי היעד רק את הצלילים הנמוכים ביותר או הגבוהים ביותר של הגירוי השלישי בשלישיות, ולהקצות את היעד לגירוי השלישי של השלישייה. הדבר נעשה משום שגירויי טון הם יחסית קשה להפלות מאשר סוגים אחרים של גירויים.
    2. במשימות ההברה והטון, הצג את המשתתפים לחייזר ולמילה/הערה האהובה בשפה/מוסיקה עממית חייזרית. אמור למשתתפים כי הם יקשיבו לשפה/מוזיקה של החייזר ולזכור ללחוץ על מקש הרווח בכל פעם שהם שומעים את המילה/הערה האהובה עליהם על ידי מחיקת הרווח בין / ופתק.
    3. במשימת התמונה, אמור למשתתפים לעקוב אחר חייזר מיוחד כקבוצה של חייזרים בשורה כדי להיכנס לחללית. במשימת המכתב, אמור למשתתפים לעקוב אחר הסימן האהוב על החייזר כאשר החייזר מחזיק שלטים למצעד. תן למשתתף ניסיון תרגול הן במשימות התמונה והן במשימות המכתב.
    4. אל תספק הוראות מפורשות לגבי הנוכחות של שלישייה.
    5. מדוד את זמן התגובה על פני 24 הניסויים במשימות החזותיות ועל פני 48 ניסויים במשימות השמיעה כדי להעריך את הלמידה המקוונת.
    6. במהלך שלב הבדיקה, הן יעד (הכלול בשלב ההיכרות) והן השלישייה הרדיד (לא כלול בשלב ההיכרות) מוצגים למשתתף. הנחה את המשתתפים לבחור מי מהניבים דומה יותר למה שהם ראו או שמעו בשלב ההיכרות. כל משפט חייב להסתיים בתגובה.
  4. מדדים התנהגותיים של למידה סטטיסטית בפרוטוקול מבוסס אינטרנט
    1. למדוד את הלמידה בזמן אמת במהלך שלב ההיכרות דרך המדרון ליניארי של זמן התגובה (שינוי בזמן התגובה לאורך כל שלב ההיכרות).
    2. כדי להיחשב תגובה חוקית ליעד, לבדוק כי keypress חייב להיות בחלון הזמן של גירוי אחד לפני וגירוי אחד לאחר גירוי היעד. כלו -480 אלפיות-שלושה-אנשים עד +960 אלפיות העבודה ביחס לתחילת היעד במשימות השמיעתיות ו-1000 אלפיות-מיסה עד +2000 אלפיות-2000 אלפיות העבודה במשימות החזותיות. לחץ מפתח לפני היעד נחשב ציפייה ובכך מניב זמן תגובה שלילי.
    3. כדי להשוות זמני תגובה בין תנאים, הפוך את זמני התגובה של כל משתתף עבור כל משימה לציונים z. כך מנרמל את זמני התגובה של אדם כך שניתן יהיה להשוות ציונים בין פעילויות.
    4. חשב מדרון זמן תגובה של כל משתתף עבור כל תנאי באמצעות רגרסיה ליניארית. הזן את זמני התגובה של z כמשתנה התלוי ואת סדר הניסיון של היעד כמשתנה בלתי תלוי (חזותי: 1 עד 24; שמיעתי: 1 עד 48). השיפוע של קו הרגרסיה ליניארי (מקדם/הערכה של ביתא) הוא מדרון זמן התגובה (מדרון RT).
    5. מדוד דיוק לא מקוון של כל משתתף עבור כל תנאי על-ידי חלוקת מספר הניסויים הנכונים מתוך שלב הבדיקה לפי המספר הכולל של ניסויים (32 ניסויים).

4. פרוטוקול fMRI מבוסס משימה

  1. שינויים בפרדיגמת הלמידה הסטטיסטית (איור 2).
    1. עבור כל משימה, הצג הן רצף מובנה (המכיל סדירות סטטיסטיות) והן רצף אקראי (ללא סדירות סטטיסטית).
      הערה: רצפים מובנים זהים לאלה המתוארים עבור הפרוטוקול מבוסס האינטרנט (ראה איור 1). לעומת זאת, רצפים אקראיים מכילים את אותם 12 גירויים כפי שמוצגים רצפים מובנים, אך מסודרים באופן מדומה-אקראי. אין שילובים של שלושה גירויים חוזרים על עצמם יותר מפעם אחת.
    2. חלק כל רצף לשישה בלוקים קטנים יותר באורך שווה (24 גירויים עבור המשימות החזותיות ו-48 גירויים עבור המשימות השמיעתיות).
    3. לצורך שלושה בלוקים מובנים, 3 בלוקים אקראיים, ו 6 בלוקי מנוחה (שתיקה עם מסך ריק) בסדר פסאודוראן כדי ליצור ארבע ריצות של גירויים שמיעתיים וארבע ריצות של גירויים חזותיים. כדי למקסם את הלמידה של הרצפים המובניים, ודא שהבלוקים האקראיים בכל ריצה מכילים תחום שונה מהרצף המובני (לדוגמה, רצפים מובנים להברות מוצגים יחד עם רצפים אקראיים של טון בריצה אחת, ורצף אקראי הברה מוצג יחד עם רצפים מובנים טון בריצה אחרת).
    4. כלול 288 תמונות שיוצגו בכל ריצה עבור המשימה החזותית תימשך כ- 4.77 דקות. כלול 576 צלילים שיוצגו במשימה השמיעתית תימשך כ- 4.42 דקות. בתחילת כל בלוק, להציג רמז על היעד עם בדיקה מילולית וחזותית: "עכשיו להקשיב / לחפש את [היעד]".
    5. בין ארבעת הריצות של המשימה החזותית, ודא ששניים מהם מכילים רצפים מובנים של תמונות ושני האחרים מכילים רצפים מובנים של אותיות. בין ארבע הריצות של המשימה השמיעתית, ודא ששניים מהם מכילים רצפים מובנים של הברות והשניים האחרים מכילים רצפים מובנים של גוונים.
  2. הליך למידה סטטיסטי fMRI
    1. כדי לסייע בהתכם בכך שהמשתתפים, במיוחד ילדים, יתנהגו בנוח בסורק, תרגלו תחילה את הפעלת סריקת ה-MRI באמצעות סורקמדומה 31. סורק מדומה מספק חוויה נטורליסטית הדומה להפעלה של הסריקה בפועל, אך ממוקם בדרך כלל בסביבה ידידותית יותר לילדים.
    2. ראשית להציג את הילד לסורק מדומה, כלומר, מצלמת המוח, ולוודא שהם נוחים לפני לשים אותם בסורק.
    3. הציגו אותם בפני "חבר הסריקה" שלהם והסבירו שמטרתו של חבר הסריקה היא לשמור אותם מלווים ולעזור להם אם הם צריכים משהו. חבר הסריקה יזכיר בעדינות למשתתף לא לזוז אם זוהה תנועה רבה מדי על-ידי "המצלמה".
    4. ברגע שהם נמצאים בסורק, הפעל סרטוני וידאו ידידותיים לילדים כדי לעזור להם להסתגל לצליל ולווידאו. כאשר הם מוכנים, הפעל כמה קליפים מוקלטים מראש של הקול של הסורק כדי להכין אותם לרעשים המיוצרים על ידי ה-MRI האמיתי. במהלך תקופה זו יש להם להתאמן להישאר עדיין ולעבוד עם חבר הסריקה.
    5. הציגו לילדים את פרדיגת הלמידה הסטטיסטית ותתנו להם להתאמן מחוץ לסורק. הדבר נעשה על-ידי כך שילדים ישלימו חלק קצר מהמשימה במחשב, בדומה לפרוטוקול מבוסס האינטרנט על-ידי ביצוע שלבים 3.2.2 ו- 3.2.3 שהוזכרו לעיל.
      הערה: הגירויים בפועל זהים לאלה המנוצלים במשימה; עם זאת, ילדים נחשפים רק לרצף האקראי ולא רצפים מובנים, המאפשר מגורים קצרים לגירויים ודרישות המשימה מבלי לאפשר למידה של רצפים מסוימים.
    6. ודא פרוטוקול איסוף הנתונים fMRI מוגדר כראוי במחשב רכישת MRI.
      הערה: פרמטרי הרכישה בצע את ההמלצות של התפתחות קוגניטיבית המוח בגיל ההתבגרות (ABCD) מחקר32.
    7. התחל את הפעלת הסריקה עם סריקות משוקללות T1 ברזולוציה גבוהה. לרכוש אלה באמצעות MPRAGE 3D 176 פרוסות (מגנטיזציה מוכנה מהירה הדרגתית Echo) סריקת נפח עם TR (זמן חזרה) = 2500 ms, TE (זמן הד) = 2.9 אלפיות השנייה, זווית היפוך = 8°, FOV (שדה תצוגה) = 25.6 ס"מ, 256 X 256 גודל מטריצה, ו 1 מ"מ פרוסה עובי. רכישה זו תימשך 7.2 דקות.
    8. כדי להשיג נתונים פונקציונליים, השתמש בהדמיה תלת-ממדית משוקללת T2*עם רכישת סריקות מרובות פרוסות בו-זמנית עם TR= 800 ms, TE = 32 ms, זווית היפוך = 61°, FOV = 21 ס"מ ומטריצה = 64 x 64. בניסוי זה, 60 פרוסות סמוכות נרכשות ברצף שבין עם עובי פרוסה של 2.5 מ"מ, FOV של 21 ס"מ ומטריצה של 64 X 64, וכתוצאה מכך רזולוציה במטוס של 2.5 מ"מ x 2.5 מ"מ x 2.5 מ"מ.
    9. יש המשתתפים לשכב בנוחות על המיטה של סורק fMRI עם אוזניות להגן על האוזניים שלהם מפני רעש הסורק ותיוך לוח תגובה / לחצן בידם (הן אוזניות תיבת כפתור חייב להיות תואם סורק).
    10. מקם ריפוד נוסף סביב ראשם כדי להבטיח תנועת ראש מוגבלת במהלך איסוף הנתונים. תן את תיבת התגובה ללחצן למשתתף מראש כדי להקליט תגובות ואיזן נגדי בין אם יד שמאל או ימין משמשת ללחץ על לחצנים בין המשתתפים.
    11. תן לכל ילד אפשרות של חבר לסריקה. עבור ילדים מבוגרים יותר, נוירוטיים שנוח להם ללא חבר לסריקה, תן להם כדור לחיצה כדי להודיע לנסוי אם הם במצוקה או צורך להפסיק. תנו לילדים צעירים יותר ולאוכלוסיות מיוחדות כדור לחיצה, אך גם סיפקו להם חבר לסריקה כדי לסייע להם (המתוארים ב-4.2.3).
    12. מניחים את סיליל הראש מעל ראשו של המשתתף ומיישרים את מיקום המטופל במיטה.
    13. במחשב הרכישה רשום משתתף חדש. הזן את מזהה המשתתף, תאריך הלידה, המשקל והגובה. כעת ניתן להכניס את המשתתף לשעמם של ה-MRI.
    14. רכוש סריקה משוקללת T1 בעת הצגת סרט למשתתפים.
    15. לפני תחילת פרדיגת הלמידה הסטטיסטית, תן למשתתפים את ההוראות של כל משימה על-ידי דיבור איתם באמצעות מערכת אינטרקום המחוברת לאוזניות שלהם.
    16. במשימות השמיעה, אמרו למשתתפים: "עכשיו נשחק משחק לחיצת כפתור. אתה תשמע את החייזרים אומרים מילים ולנגן מוסיקה. זכור ללחוץ על הלחצן ביד שמאל/ימין בכל פעם שאתה שומע את הצליל שאתה מאזין לו. יהיו 4 חלקים, וכל חלק יימשך כ-5 דקות".
    17. במשימות החזותיות, אמרו למשתתפים: "עכשיו אתם הולכים לראות את התמונות של החייזרים והמכתבים. בכל פעם שאתה רואה את התמונה שאתה מחפש, לחץ על הלחצן ביד שמאל/ימין. אתה תשחק את זה 4 פעמים ברציפות. זה ייקח בערך 5 דקות בכל פעם."
    18. התחל את פרדיגת הלמידה הסטטיסטית במחשב המצגת ורכוש את נתוני fMRI המשימה.
    19. לאחר השלמת הפרדיגמה, עצרו את ה-MRI, הסירו אותם בבטחה מתוך הסורק, והסרו את סיליל הראש.
    20. לאחר איסוף הנתונים, העבר את כל נתוני ה-MRI ממחשב הרכישה לשרת מאובטח לניתוחים נוספים.
  3. ניתוחי נתוני fMRI
    1. נתח זמן תגובה בתוך הסורק במהלך המשימה fMRI באופן דומה לחישוב מבוסס אינטרנט של זמן התגובה במהלך שלב ההיכרות. לנרמל את זמן התגובה כדי להשוות בין תנאים, ולחשב מדרון ליניארי באמצעות זמן התגובה מנורמל עבור כל מצב של אדם.
    2. בעת ניתוח נתוני fMRI, תחילה לארגן ולהמיר נתונים לעיצוב נתונים הדמיה המוח33 (BIDS) באמצעות HeuDiConv34 (https://github.com/nipy/heudiconv).
    3. קדם לעיוויו של נתונים אלה באמצעות fMRIPrep35,36. צינור קדם-תהליך אוטומטי זה משלב מתודולוגיה מ- AFNI37, ANTs38, Freesurfer39, FSL40ו- Mindboggle41 כדי לספק נתונים קפדניים באופן מדעי ותו לאוכם לשימוש בניתוח נתונים.
      הערה: המחקר הנוכחי מיישם עיצוב מעורב הקשור לבלוק/אירוע. התוצאות המייצגות (להלן) מתייחסות לכל מיני בלוק כאירוע (לדוגמה, רצף אקראי הוא אירוע, רצף מובנה הוא אירוע וכו'). עם זאת, המשימה מתוכננת גם כך שניתן לדגמן כל גירוי כאירוע.
    4. כלול שני רגרסיה של פעילויות עבור כל ריצה ("תמונה" ו-"letter" עבור התנאי החזותי, ו- "הברה" ו-"טון" עבור התנאי השמיעתי) בעיצוב הדגם ברמה הראשונה. לקבוע רגרסיה של פעילויות על-ידי פענוח וקטור של זמני תחילת אירועים עם המשכים שלהם עם פונקציית תגובה המודינמית הנוכית. חשב הבדלים ואמצעים בין ריצות בתוך כל נושא עבור עיצובי דגמים ברמה גבוהה יותר. פעולה זו תגרום לניגוד בין רצפים מובנים ואקראיים בתוך כל סוג של גירויים.
    5. צור ממוצע הפעלה קבוצתי עבור בלוקים מובנים בהשוואה לבלוקים אקראיים בתוך כל מודאליות/תחום.

תוצאות

תוצאות התנהגותיות מבוססות אינטרנט
בהתחשב בפרוטוקול הנוכחי מיועד להפצה קלה עם אוכלוסיות התפתחותיות, כללנו תוצאות ראשוניות מבוססות אינטרנט המבוססות על נתונים מ-22 ילדים בגיל בית ספר מתפתחים (ממוצע (M) גיל = 9.3 שנים, סטיית תקן (SD) גיל = 2.04 שנים, טווח = 6.2-12.6 שנים, 13 בנות). במשימת למידה סטט?...

Discussion

השיטות המוצגות בפרוטוקול הנוכחי מספקות פרדיגמה רב-מודאלית להבנת המדדים ההתנהגותיים והנוירית של למידה סטטיסטית במהלך הפיתוח. העיצוב הנוכחי מאפשר זיהוי של הבדלים בודדים ביכולת הלמידה הסטטיסטית בין שיטות ותחומים, אשר יכול לשמש לחקירה עתידית של הקשר בין למידה סטטיסטית ופיתוח שפה. מאחר שנמצ...

Disclosures

לסופרים אין מה לחשוף.

Acknowledgements

אנו מודים ליואל סנצ'ז אראוחו וונדי ג'ורגן על תרומתם בעיצוב הראשוני של הפלטפורמה מבוססת האינטרנט. אנו מודים לנגוין וויולט קוזלוף על עבודתן על שיפור משימות הלמידה הסטטיסטית מבוססות האינטרנט, יישום משימות ה-fMRI והטייס המשימות במשתתפים מבוגרים. אנו מודים לויולט קוזלוף ופרקר רובינס על תרומתם בסיוע לאיסוף נתונים בילדים. אנו מודים לאיברהים מאליק, ג'ון כריסטופר, טרבור ויטאל וקית' שניידר במרכז להדמיה ביולוגית ומוח באוניברסיטת דלאוור על עזרתם באיסוף נתונים בהדמיה עצבית. עבודה זו ממומנת בחלקה על ידי המכון הלאומי לחירשות והפרעות תקשורת אחרות (PI: Qi; NIH 1R21DC017576) והנהלת הקרן הלאומית למדעים חברתיים, התנהגותיים וכלכליים (PI: שניידר, Co-PI: צ'י & גולינקוף; NSF 1911462).

Materials

NameCompanyCatalog NumberComments
4 Button Inline Response DeviceCambridge Research SystemsSKU: N1348An fMRI reponse pad used for measuring in-scanner response time
Short/Slim Canal TipsComply FoamSKU: 40-15028-11Short & slim in-ear canal tips are recommended for children to protect hearing and allow for them to hear the stimuli while in the scanner.
jsPsychjsPsychhttps://www.jspsych.org/jsPsych is a JavaScript library for running behavioral experiments in a web browser.
Speech SynthesizerPraatVersion 6.1.14This program is an artificial speech synthesizer which was used to create the syllable stimuli.
Web-based statistical learning tasksZenodohttp://doi.org/10.5281/zenodo.3820620 (2020).All web-based statistical learning tasks are available for free access on Zenodo.

References

  1. Saffran, J. R., Newport, L. L., Aslin, R. N. Word Segmentation: The Role of Distributional Cues. Journal of Memory and Language. 35, 606-621 (1996).
  2. Newman, R., Ratner, N. B., Jusczyk, A. M., Jusczyk, P. W., Dow, K. A. Infants' early ability to segment the conversational speech signal predicts later language development: A retrospective analysis. Developmental Psychology. 42 (4), 643-655 (2006).
  3. Graf Estes, K., Gluck, S. C. W., Grimm, K. J. Finding patterns and learning words: Infant phonotactic knowledge is associated with vocabulary size. Journal of Experimental Child Psychology. 146, 34-49 (2016).
  4. Evans, J. L., Saffran, J. R., Robe-Torres, K. Statistical Learning in Children With Specific Language Impairment. Journal of Speech, Language, and Hearing Research. 52 (2), 321-335 (2009).
  5. Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
  6. Qi, Z., Sanchez Araujo, Y., Georgan, W. C., Gabrieli, J. D. E., Arciuli, J. Hearing Matters More Than Seeing: A Cross-Modality Study of Statistical Learning and Reading Ability. Scientific Studies of Reading. 23 (1), 101-115 (2019).
  7. Walenski, M., Tager-Flusberg, H. B., Ullman, M. T., Moldin, S. O., Rubenstein, J. L. R. Language in autism. Understanding autism: From Basic Neuroscience to Treatment. , 175-203 (2006).
  8. Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
  9. Erickson, L. C., Kaschak, M. P., Thiessen, E. D., Berry, C. A. S. Individual Differences in Statistical Learning: Conceptual and Measurement Issues. Collabra. 2 (1), 14 (2016).
  10. Shufaniya, A., Arnon, I. Statistical Learning Is Not Age-Invariant During Childhood: Performance Improves With Age Across Modality. Cognitive Science. 42 (8), 3100-3115 (2018).
  11. Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
  12. Conway, C. M., Christiansen, M. H. Statistical learning within and between modalities: Pitting abstract against stimulus-specific representations. Psychological Science. 17 (10), 905-912 (2006).
  13. Saffran, J. R., Johnson, E. K., Aslin, R. N., Newport, E. L. Statistical learning of tone sequences by human infants and adults. Cognition. 70 (1), 27-52 (1999).
  14. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  15. Armstrong, B. C., Frost, R., Christiansen, M. H. The long road of statistical learning research: past, present and future. Philosophical Transactions of the Royal Society B: Biological Sciences. 372 (1711), 20160047 (2017).
  16. Siegelman, N., Bogaerts, L., Christiansen, M. H., Frost, R. Towards a theory of individual differences in statistical learning. Transactions of the Royal Society B. 372 (1711), 20160059 (2017).
  17. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
  18. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  19. Plante, E., Patterson, D., Dailey, N. S., Kyle, R. A., Fridriksson, J. Dynamic changes in network activations characterize early learning of a natural language. Neuropsychologia. 62 (1), 77-86 (2014).
  20. Milne, A. E., Wilson, B., Christiansen, M. H., Petkov, C., Marslen-Wilson, W. Structured sequence learning across sensory modalities in humans and nonhuman primates This review comes from a themed issue on The evolution of language. Current Opinion in Behavioral Sciences. 21, 39-48 (2018).
  21. Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
  22. McNealy, K., Mazziotta, J. C., Dapretto, M. Age and experience shape developmental changes in the neural basis of language-related learning. Developmental Science. 14 (6), 1261-1282 (2011).
  23. Karuza, E. A., Emberson, L. L., Aslin, R. N. Combining fMRI and behavioral measures to examine the process of human learning. Neurobiology of Learning and Memory. 109, 193-206 (2014).
  24. Petersen, S. E., Dubis, J. W. The mixed block/event-related design. NeuroImage. 62 (2), 1177-1184 (2012).
  25. Batterink, L. J., Paller, K. A., Reber, P. J. Understanding the Neural Bases of Implicit and Statistical Learning. Topics in Cognitive Science. 11, 482-503 (2019).
  26. Boersma, P., Weenink, D. . Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
  27. Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
  28. Conway, C. M., Christiansen, M. H. Seeing and hearing in space and time: Effects of modality and presentation rate on implicit statistical learning. European Journal of Cognitive Psychology. 21 (4), 561-580 (2009).
  29. Emberson, L. L., Conway, C. M., Christiansen, M. H. Timing is everything: Changes in presentation rate have opposite effects on auditory and visual implicit statistical learning. Quarterly Journal of Experimental Psychology. 64 (5), 1021-1040 (2011).
  30. de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
  31. Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
  32. Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
  33. Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3 (1), 1-9 (2016).
  34. Halchenko, Y. . nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
  35. Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
  36. Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
  37. Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  38. Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
  39. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
  40. Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 173-186 (2009).
  41. Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), 1005350 (2017).
  42. Arnon, I. Do current statistical learning tasks capture stable individual differences in children? An investigation of task reliability across modality. Behavior Research Methods. 52 (1), 68-81 (2020).
  43. Finn, A. S., Hudson Kam, C. L. The curse of knowledge: First language knowledge impairs adult learners' use of novel statistics for word segmentation. Cognition. 108 (2), 477-499 (2008).
  44. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
  45. De Leeuw, J. R., Motz, B. A. Psychophysics in a Web browser? Comparing response times collected with JavaScript and Psychophysics Toolbox in a visual search task. Behavior Research Methods. 48, 1-12 (2016).
  46. Lew-Williams, C., Saffran, J. R. All words are not created equal: Expectations about word length guide infant statistical learning. Cognition. 122 (2), 241-246 (2012).
  47. Poulin-Charronnat, B., Perruchet, P., Tillmann, B., Peereman, R. Familiar units prevail over statistical cues in word segmentation. Psychological Research. 81 (5), 990-1003 (2017).
  48. Leonard, J., Flournoy, J., Lewis-de los Angeles, C. P., Whitaker, K. How much motion is too much motion? Determining motion thresholds by sample size for reproducibility in developmental resting-state MRI. Research Ideas and Outcomes. 3, 12569 (2017).
  49. Power, J. D., et al. Ridding fMRI data of motion-related influences: Removal of signals with distinct spatial and physical bases in multiecho data. Proceedings of the National Academy of Sciences of the United States of America. 115 (9), 2105-2114 (2018).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

160fMRI

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved