Misurazione dell'apprendimento statistico tra modalità e domini nei bambini in età scolare tramite una piattaforma online e tecniche di neuroimaging

L’apprendimento statistico è una competenza elementare a sostegno dell’acquisizione di combinazioni governate dalle regole negli input linguistici¹. La capacità di apprendimento statistico di successo nei neonati prevede il successo dell’apprendimento^{linguistico successivo 2,3}. La variabilità nelle capacità di apprendimento statistico nei bambini in età scolata è stata associata anche al^{vocabolario 4} e alla^{lettura 5,6}. La difficoltà nell’apprendimento statistico è stata proposta come un meccanismo eziologico alla base della compromissione^{linguistica 7}. Nonostante l’associazione tra l’apprendimento statistico e i risultati linguistici in popolazioni neurotipiche e atipiche, i meccanismi cognitivi e neurali alla base dell’apprendimento statistico rimangono poco compresi. Inoltre, la letteratura precedente ha rivelato che, all’interno di un individuo, la capacità di apprendimento statistico non è^uniforme,ma indipendente tra domini^{e modalità 6},^8,9. La traiettoria di sviluppo delle capacità di apprendimento statistico può variare ulteriormente a seconda dei domini e delle modalità¹⁰. Questi risultati sottolineano l’importanza di valutare le differenze individuali nell’apprendimento statistico tra più attività nel corso dello sviluppo. Tuttavia, il campo richiede innanzitutto un’indagine più sistematica del rapporto tra l’apprendimento statistico e il primo sviluppo linguistico. Per rispondere a queste domande, applichiamo metodi innovativi, tra cui una piattaforma di test basata sul web¹¹ che raggiunge un gran numero di bambini e tecniche di neuroimaging basate su laboratorio (risonanza magnetica funzionale o fMRI) che esaminano la codifica in tempo reale delle informazioni statistiche.

Le misure standard dell’apprendimento statistico iniziano con una fase di familiarizzazione e sono seguite da un’attività^12,13. La fase di familiarizzazione introduce un flusso continuo di stimoli incorporato con regolarità statistiche, dove alcuni stimoli hanno maggiori probabilità di co-verificarsi rispetto ad altri. La presentazione di questi stimoli co-avvenuti segue un ordine temporale fisso. I partecipanti sono esposti passivamente al flusso durante la fase di familiarizzazione, seguiti da un’attività 2-AFC che verifica se il partecipante ha estratto correttamente i modelli. L’attività di precisione 2-AFC presenta due sequenze consecutive: una sequenza è stata presentata al partecipante durante la fase di familiarizzazione, mentre l’altra è una sequenza nuova o contiene parte della sequenza. La precisione al di sopra delle probabilità sul 2-AFC indicherebbe un apprendimento di successo a livello di gruppo. I compiti comportamentali tradizionali che valutano l’apprendimento statistico in genere si basano sull’accuratezza come misura del risultato dell’apprendimento. Tuttavia, la precisione non riesce a tenere conto dell’apprendimento naturale delle informazioni mentre si svolge nel tempo. Una misura dell’apprendimento in tempo reale è necessaria per attingere al processo di apprendimento implicito dell’apprendimento statistico durante il quale i bambini codificano ancora le regolarità dagli input^14,15,16. Sono stati sviluppati vari adattamenti tra i paradigmi nel tentativo di allontanarsi dalla misura 2-AFC, verso misure di apprendimento on-line attraverso risposte comportamentali durante l’esposizione¹⁶. Gli studi che utilizzano questi adattamenti che misurano il tempo di reazione durante la fase di esposizione hanno scoperto che erano correlati all’accuratezza post-apprendimento¹⁷ con una migliore affidabilità test-testst rispetto a quella della precisione negli studenti adulti¹⁸.

Le misure neurali sono anche fondamentali per la nostra comprensione di come l’apprendimento si svolge nel tempo, poiché il processo implicito attraverso il quale si verifica l’apprendimento delle lingue probabilmente recluta risorse neurali diverse da quelle utilizzate una volta che la lingua viene^{appresa 19}. Le misure neurali forniscono anche informazioni sulle differenze nelle specializzazioni cognitive alla base della capacità linguistica tra le popolazioni^{speciali 20}. Il modo in cui il contrasto delle condizioni è progettato in uno studio fMRI è fondamentale per il modo in cui interpretiamo i modelli di attivazione neurale durante l’apprendimento. Una pratica comune è quella di confrontare le risposte cerebrali durante la fase di familiarizzazione tra sequenze contenenti modelli regolari rispetto a quelli contenenti gli stessi stimoli che vengono ordinati in modo casuale. Tuttavia, ricerche precedenti che implementano tale condizione di controllo casuale non hanno trovato alcuna prova per l’apprendimento nel comportamento, nonostante le differenze neurali tra sequenze strutturate e casuali. Ciò potrebbe essere dovuto all’interferenza di sequenze casuali sull’apprendimento di sequenze strutturate, in quanto entrambe sono state costruite dagli stessi^{stimoli 21,22}. Altri studi fMRI che hanno utilizzato il discorso all’indietro o blocchi di apprendimento precedenti come la condizione di controllo confermato apprendimento ha avuto^{luogo comportamentale 19,23}. Tuttavia, ciascuno di questi paradigmi ha introdotto il proprio fattore di confusione, come l’effetto dell’elaborazione del linguaggio per il primo caso e l’effetto dell’ordine sperimentale per il secondo caso. Il nostro paradigma utilizza la sequenza casuale come condizione di controllo, ma mitiga la loro interferenza sull’apprendimento delle sequenze strutturate da parte dei partecipanti. Il nostro paradigma fMRI implementa anche una progettazione mista di blocchi/eventi, che consente la modellazione simultanea di segnali BOLD relativi alle sperimentate transitorie e^prolungati. Infine, e più in generale, le misure neurali consentono di misurazione dell’apprendimento nelle popolazioni in cui suscitare una risposta comportamentale esplicita può essere difficile (ad esempio, popolazioni dello sviluppo e speciali)²⁵.

L’attuale protocollo adotta una misura del tempo di risposta, oltre alle misure di precisione tradizionali, ed esamina l’attivazione del cervello durante la fase di familiarizzazione. La combinazione di questi metodi mira a fornire un set di dati completo per l’analisi dei processi di apprendimento in tempo reale. La piattaforma basata sul web offre una serie di misure di apprendimento includendo sia il tempo di risposta durante la fase di esposizione che l’accuratezza dell’attività 2-AFC durante la fase di test. Il protocollo di neuroimaging consente lo studio dei meccanismi neurali sottostanti che supportano l’apprendimento statistico tra domini e modalità. Mentre è ottimale misurare l’apprendimento statistico all’interno di un individuo utilizzando sia i protocolli basati sul web che i protocolli fMRI, i compiti sono progettati in modo che possano essere diffusi in modo indipendente e quindi come due misure indipendenti dell’apprendimento statistico. Gli esperimenti fMRI inclusi nell’attuale protocollo possono aiutare a chiarire come la codifica degli stimoli, l’estrazione dei modelli e altri componenti costitutivi dell’apprendimento statistico siano rappresentati da particolari regioni e reti cerebrali.