قياس التعلم الإحصائي عبر الطرائق والمجالات في الأطفال في سن المدرسة عبر منصة عبر الإنترنت وتقنيات التصوير العصبي
Summary
وترد هنا هنا بروتوكول يقدم مجموعة من مهام التعلم الإحصائي الملائمة للأطفال موجهة نحو دراسة تعلم الأطفال للأنماط الإحصائية الزمنية عبر المجالات والطرائق الحسية. تقوم المهام المطورة بجمع البيانات السلوكية باستخدام النظام الأساسي القائم على الويب وبيانات التصوير بالرنين المغناطيسي الوظيفي القائم على المهام (fMRI) لفحص التفاعل العصبي أثناء التعلم الإحصائي.
Abstract
غالباً ما يعتبر التعلم الإحصائي، وهو مهارة أساسية لاستخراج الانتظامات في البيئة، آلية دعم أساسية لتطوير اللغة الأولى. في حين أن العديد من الدراسات للتعلم الإحصائي تجري في نطاق واحد أو طريقة واحدة، تشير الأدلة الأخيرة إلى أن هذه المهارة قد تختلف على أساس السياق الذي يتم فيه عرض المحفزات. بالإضافة إلى ذلك، فإن دراسات قليلة تبحث في التعلم أثناء تطوره في الوقت الحقيقي، وتركز بدلاً من ذلك على نتيجة التعلم. في هذا البروتوكول، نحن وصف نهج لتحديد الأساس المعرفي وال العصبي للتعلم الإحصائي، داخل الفرد، عبر المجالات (اللغوية مقابل غير اللغوية) والطرائق الحسية (البصرية والسمعية). تم تصميم المهام لإلقاء أقل قدر ممكن من الطلب المعرفي على المشاركين ، مما يجعلها مثالية للأطفال الصغار في سن المدرسة والسكان الخاصة. إن طبيعة المهام السلوكية على شبكة الإنترنت توفر فرصة فريدة لنا للوصول إلى المزيد من السكان الأكثر تمثيلاً في جميع أنحاء البلاد، وتقدير أحجام التأثير بدقة أكبر، والمساهمة في البحوث المفتوحة والمستنسخة. يمكن أن تُعلم التدابير العصبية التي توفرها مهمة التصوير بالرنين المغناطيسي الوظيفي (fMRI) الباحثين عن الآليات العصبية المستخدمة أثناء التعلم الإحصائي ، وكيف يمكن أن تختلف هذه عبر الأفراد على أساس المجال أو الطريقة. وأخيراً، تسمح كلتا المهمتين بقياس التعلم في الوقت الحقيقي، حيث يتم تتبع التغيرات في وقت التفاعل مع التحفيز المستهدف عبر فترة التعرض. ويتعلق القيد الرئيسي لاستخدام هذا البروتوكول بمدة التجربة لمدة ساعة. قد يحتاج الأطفال إلى إكمال جميع مهام التعلم الإحصائي الأربع في جلسات متعددة. ولذلك، فإن المنصة القائمة على شبكة الإنترنت مصممة مع وضع هذا القيد في الاعتبار بحيث يمكن نشر المهام بشكل فردي. وستتيح هذه المنهجية للمستخدمين إمكانية بحث كيفية تطور عملية التعلم الإحصائي عبر المجالات والطرائق داخلها لدى الأطفال من خلفيات إنمائية مختلفة.
Introduction
التعلم الإحصائي هو مهارة أولية تدعم اكتساب مجموعات تحكمها القواعد في مدخلات اللغة1. نجاح القدرة على التعلم الإحصائية في الرضع يتوقع في وقت لاحق تعلم اللغة النجاح2,3. كما ارتبط التباين في مهارات التعلم الإحصائي لدى الأطفال في سن الدراسة بالمفردات4 والقراءة5،6. وقد اقترح صعوبة في التعلم الإحصائي كآلية مسببة واحدة هي ضعف اللغة7. على الرغم من الارتباط بين التعلم الإحصائي ونتائج اللغة في كل من السكان العصبية وغير النمطية، لا تزال الآليات المعرفية والعصبية الكامنة تحت التعلم الإحصائي غير مفهومة بشكل جيد. وبالإضافة إلى ذلك، كشفت الأدبيات السابقة أن القدرة على التعلم الإحصائي، داخل الفرد، ليست موحدة ولكنها مستقلة عبر المجالات والطرائق6و8و9. وقد يختلف المسار الإنمائي لقدرات التعلم الإحصائية بشكل أكبر عبر المجالات والطرائق10. وتؤكد هذه النتائج على أهمية تقييم الفروق الفردية في التعلم الإحصائي عبر المهام المتعددة طوال فترة التنمية. غير أن هذا المجال يتطلب أولاً إجراء دراسة أكثر منهجية للعلاقة بين التعلم الإحصائي وتطوير اللغة الأولى. لمعالجة هذه الأسئلة، نحن تطبيق أساليب مبتكرة بما في ذلك منصة اختبار على شبكة الإنترنت11 التي تصل إلى عدد كبير من الأطفال، وتقنيات التصوير العصبي المختبرية (التصوير بالرنين المغناطيسي الوظيفي، أو fMRI) التي تدرس الترميز في الوقت الحقيقي للمعلومات الإحصائية.
تبدأ المقاييس القياسية للتعلم الإحصائي بمرحلة التعريف ويتبعها خيار بديلين (2-AFC) مهمة12,13. تقدم مرحلة التعريف تيارًا مستمرًا من المحفزات المضمروسة مع الانتظامات الإحصائية ، حيث من المرجح أن تحدث بعض المحفزات بشكل مشترك أكثر من غيرها. ويأتي عرض هذه المحفزات المشتركة في أعقاب ترتيب زمني ثابت. يتعرض المشاركون بشكل سلبي إلى التيار خلال مرحلة التعريف، تليها مهمة 2-AFC التي تختبر ما إذا كان المشارك قد استخلص الأنماط بنجاح. تقدم مهمة دقة الاتحاد الآسيوي 2 تسلسلين متتاليين: تم عرض تسلسل واحد للمشارك أثناء مرحلة التعريف، بينما الآخر هو تسلسل جديد، أو يحتوي على جزء من التسلسل. إن دقة الفرصة الفوق على الاتحاد الآسيوي 2 تشير إلى نجاح التعلم على مستوى المجموعة. تعتمد المهام السلوكية التقليدية التي تقيّم التعلم الإحصائي بشكل عام على الدقة كمقياس للنتيجة للتعلم. ومع ذلك ، فإن الدقة لا تأخذ في الاعتبار التعلم الطبيعي للمعلومات مع تطورها في الوقت المناسب. مقياس من الوقت الحقيقي للتعلم ضروري للاستفادة من عملية التعلم الضمنية للتعلم الإحصائي خلالها الأطفال لا تزال ترميز الانتظام من المدخلات14,15,16. وقد تم تطوير مختلف التعديلات عبر النماذج في محاولة للابتعاد عن 2-AFC القياس، نحو تدابير التعلم على الإنترنت من خلال الاستجابات السلوكية خلال التعرض16. ووجدت الدراسات التي تستخدم هذه التعديلات التي تقيس وقت التفاعل خلال مرحلة التعرض أنها كانت مرتبطة بدقة ما بعد التعلم17 مع موثوقية أفضل للاختبارات وإعادة الاختبار مقارنة مع دقة الدقة في المتعلمين البالغين18.
التدابير العصبية هي أيضا التأسيسية لفهمنا لكيفية التعلم تتكشف مع مرور الوقت، والعملية الضمنية التي يحدث تعلم اللغة من المرجح أن يجند الموارد العصبية المختلفة من تلك المستخدمة مرة واحدة يتم تعلم اللغة19. كما توفر التدابير العصبية رؤى في الاختلافات في التخصصات المعرفية الكامنة في القدرة اللغوية عبر مجموعات سكانية خاصة20. كيفية تصميم تباين الحالة في دراسة fMRI أمر بالغ الأهمية لكيفية تفسير أنماط التنشيط العصبي أثناء التعلم. ومن الممارسات الشائعة مقارنة استجابات الدماغ أثناء مرحلة الإلمام بين التسلسلات التي تحتوي على أنماط منتظمة مقابل تلك التي تحتوي على نفس المحفزات التي يتم ترتيبها بشكل عشوائي. ومع ذلك ، وجدت الأبحاث السابقة التي تنفذ مثل هذه الحالة التحكم العشوائية أي دليل على التعلم في السلوك ، على الرغم من الاختلافات العصبية بين التسلسلات المنظمة والعشوائية. قد يكون هذا بسبب تداخل تسلسلات عشوائية على تعلم تسلسلات منظم، كما تم بناء كل من من نفس المحفزات21،22. دراسات أخرى fMRI التي استخدمت الكلام المتخلف أو كتل التعلم في وقت سابق كما أكد شرط السيطرة التعلم وقعت سلوكيا19,23. غير أن كل نموذج من هذه النماذج أدخل عامل الخلط الخاص به، مثل أثر معالجة اللغة في الحالة الأولى وأثر الأمر التجريبي للحالة الثانية. نموذجنا يستخدم تسلسل عشوائي كشرط السيطرة ولكن يخفف من تدخلهم على المشاركين ‘ تعلم تسلسل منظم. لدينا نموذج fMRI أيضا تنفيذ كتلة مختلطة / تصميم الحدث ذات الصلة، والذي يسمح لنمذجة المتزامنة من عابرة ذات الصلة المحاكمة والمستمرة ذات الصلة بإشارات جريئة مهمة ذات الصلة24. وأخيراً، وعلى نطاق أوسع، تسمح التدابير العصبية بقياس التعلم لدى السكان حيث قد يكون من الصعب الحصول على استجابة سلوكية صريحة (مثل الفئات السكانية التنموية والخاصة)25.
ويعتمد البروتوكول الحالي مقياساً لوقت الاستجابة، بالإضافة إلى تدابير الدقة التقليدية، ويدرس تنشيط الدماغ أثناء مرحلة التعود. ويهدف الجمع بين هذه الأساليب إلى توفير مجموعة بيانات غنية للتحقيق في عمليات التعلم في الوقت الحقيقي. توفر المنصة القائمة على الويب مجموعة من تدابير التعلم من خلال تضمين وقت الاستجابة خلال مرحلة التعرض ودقة المهمة 2-AFC خلال مرحلة الاختبار. يسمح بروتوكول التصوير العصبي بالتحقيق في الآليات العصبية الأساسية التي تدعم التعلم الإحصائي عبر المجالات والطرائق. وفي حين أن قياس التعلم الإحصائي في الفرد هو الأمثل باستخدام كل من البروتوكولات القائمة على الشبكة العالمية وبروتوكولات شبكة المعلومات والبيانات المتعلقة بالبيانات المتعلقة بالبيانات المتعلقة بالبيانات المتعلقة بالبيانات المتعلقة بالبيانات المتعلقة بالبيانات الإحصائية، فإن المهام مصممة بحيث يمكن نشرها بشكل مستقل، وبالتالي، بوصفها مقياسين مستقلين للتعلم الإحصائي. ويمكن أن تساعد تجارب نظام النماذج المُضَنَّة في البروتوكول الحالي في توضيح كيفية تمثيل الترميز التحفيزي، واستخراج النمط، والمكونات المكونة الأخرى للتعلم الإحصائي بمناطق وشبكات معينة في الدماغ.
Protocol
Representative Results
Discussion
وتوفر الأساليب المعروضة في البروتوكول الحالي نموذجا متعدد الوسائط لفهم المؤشرات السلوكية والناصبية للتعلم الإحصائي عبر مسار التنمية. ويسمح التصميم الحالي بتحديد الفروق الفردية في القدرة على التعلم الإحصائي عبر الطرائق والمجالات، التي يمكن استخدامها في المستقبل في دراسة العلاقة بين ال…
Disclosures
The authors have nothing to disclose.
Acknowledgements
نشكر يوئيل سانشيز أراوخو وويندي جورجان على مساهمتهما في التصميم الأولي للمنصة القائمة على الويب. نشكر أن نغوين وفيوليت كوزلوف على عملهما في تحسين مهام التعلم الإحصائي على شبكة الإنترنت، وتنفيذ مهام المبادرة، وتجريب المهام في المشاركين البالغين. نشكر فيوليت كوزلوف وباركر روبنز على مساهمتهما في المساعدة على جمع البيانات عند الأطفال. نشكر إبراهيم مالك، وجون كريستوفر، وتريفور ويال، وكيث شنايدر في مركز التصوير البيولوجي والدماغ في جامعة ديلاوير على مساعدتهم في جمع بيانات التصوير العصبي. ويمول هذا العمل جزئياً من المعهد الوطني للصمم وغيره من اضطرابات الاتصال (PI: Qi; المعاهد القومية للصحة 1R21DC017576) ومديرية المؤسسة الوطنية للعلوم الاجتماعية والسلوكية والاقتصادية (PI: Schneider, Co-PI: Qi & Golinkoff; NSF 1911462).
Materials
| 4 Button Inline Response Device | Cambridge Research Systems | SKU: N1348 | An fMRI reponse pad used for measuring in-scanner response time |
| Short/Slim Canal Tips | Comply Foam | SKU: 40-15028-11 | Short & slim in-ear canal tips are recommended for children to protect hearing and allow for them to hear the stimuli while in the scanner. |
| jsPsych | jsPsych | https://www.jspsych.org/ | jsPsych is a JavaScript library for running behavioral experiments in a web browser. |
| Speech Synthesizer | Praat | Version 6.1.14 | This program is an artificial speech synthesizer which was used to create the syllable stimuli. |
| Web-based statistical learning tasks | Zenodo | http://doi.org/10.5281/zenodo.3820620 (2020). | All web-based statistical learning tasks are available for free access on Zenodo. |
References
- 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).
- 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).
- 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).
- 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).
- Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
- 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).
- 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).
- Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
- 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).
- 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).
- Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
- 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).
- 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).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- 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).
- 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).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- 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).
- 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).
- Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
- 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).
- 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).
- Petersen, S. E., Dubis, J. W. The mixed block/event-related design. NeuroImage. 62 (2), 1177-1184 (2012).
- 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).
- Boersma, P., Weenink, D. . Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
- Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
- 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).
- 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).
- de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
- Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
- Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
- 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).
- Halchenko, Y. . nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
- Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
- Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
- Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
- Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 173-186 (2009).
- Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), 1005350 (2017).
- 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).
- 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).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
- 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).
- 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).
- 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).
- 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).
- 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).
