Summary

Okul Çağındaki Çocuklarda Yöntem ve Etki Alanları Arasında İstatistiksel Öğrenmenin Online Platform ve Nörogörüntüleme Teknikleri Ile Ölçülmesi

Published: June 30, 2020
doi:

Summary

Burada sunulan bir protokol etki alanları ve duyusal yöntemler arasında zamansal istatistiksel desenler çocukların öğrenme incelenmesi yönelik çocuk dostu istatistiksel öğrenme görevleri bir dizi tanıtAn. Geliştirilen görevler, istatistiksel öğrenme sırasında nöral etkileşimi incelemek için web tabanlı platform ve görev tabanlı fonksiyonel manyetik rezonans görüntüleme (fMRI) verilerini kullanarak davranışsal veriler toplar.

Abstract

İstatistiksel öğrenme, çevredeki düzenlilikleri ayıklamak için temel bir beceri, genellikle ilk dil gelişiminin temel destekleyici mekanizması olarak kabul edilir. İstatistiksel öğrenme ile ilgili birçok çalışma tek bir etki alanı veya yöntemlik içinde yürütülürken, son kanıtlar bu becerinin uyaranların sunulduğu bağlama göre farklılık gösterebilir. Buna ek olarak, çok az çalışma, öğrenmenin sonucuna odaklanarak, gerçek zamanlı olarak gelişir gibi öğrenme yi araştırmaz. Bu protokolde, istatistiksel öğrenmenin bilişsel ve nöral temelini, bir birey içinde, etki alanları (dilsel ve dilsel olmayan) ve duyusal yöntemler (görsel ve işitsel) arasında tanımlayan bir yaklaşım açıklıyoruz. Görevler, katılımcılara mümkün olduğunca az bilişsel talep sunarak, bunu okul çağındaki genç çocuklar ve özel halklar için ideal hale getirmek üzere tasarlanmıştır. Davranışsal görevlerin web tabanlı doğası, ülke çapında daha fazla temsili nüfusa ulaşmamız, etki boyutlarını daha hassas bir şekilde tahmin etmemiz ve açık ve tekrarlanabilir araştırmalara katkıda bulunmamız için benzersiz bir fırsat sunar. Fonksiyonel manyetik rezonans görüntüleme (fMRI) görevi tarafından sağlanan nöral önlemler, istatistiksel öğrenme sırasında devreye giren nöral mekanizmalar hakkında araştırmacıları bilgilendirebilir, ve bunların etki alanı veya modalite temelinde bireyler arasında nasıl farklılık gösterebilir. Son olarak, her iki görev de gerçek zamanlı öğrenmenin ölçülmesine olanak sağlar, çünkü bir hedef uyarıcıya tepki süresindeki değişiklikler maruz kalma süresi boyunca izlenir. Bu protokolü kullanmanın temel sınırlaması, denemenin bir saatlik süresiyle ilgilidir. Çocukların dört istatistiksel öğrenme görevini birden fazla oturumda tamamlamaları gerekebilir. Bu nedenle, web tabanlı platform, görevlerin ayrı ayrı dağıtılabilmeleri için bu sınırlama göz önünde bulundurularak tasarlanmıştır. Bu metodoloji, kullanıcıların farklı gelişimsel geçmişlere sahip çocuklarda istatistiksel öğrenme sürecinin etki alanları ve yöntemler arasında ve içinde nasıl geliştiğini araştırmalarına olanak sağlayacaktır.

Introduction

İstatistiksel öğrenme, dil girişlerinde kurallı kombinasyonların edinimi destekleyen temel bir beceridir1. Bebeklerde başarılı istatistiksel öğrenme yeteneği daha sonra dil öğrenme başarısı2,,3tahmin eder. Okul çağındaki çocuklarda istatistiksel öğrenme becerilerinde değişkenlik de kelime4 ile ilişkili olmuştur veokuma 5,6. Dil bozukluğunun altında yatan bir etyolojik mekanizma olarak istatistiksel öğrenmede güçlük önerilmiştir7. Hem nörotipik hem de atipik popülasyonlarda istatistiksel öğrenme ve dil sonuçları arasındaki ilişkiye rağmen, istatistiksel öğrenmenin altında yatan bilişsel ve nöral mekanizmalar tam olarak anlaşılamamıştır. Buna ek olarak, önceki literatür, bir birey içinde, istatistiksel öğrenme yeteneği tekdüze ama etki alanları ve yöntemleri arasında bağımsız olmadığını ortaya koymuştur6,8,9. İstatistiksel öğrenme yeteneklerinin gelişimsel yörüngesi etki alanları ve yöntemler arasında daha da değişebilir10. Bu bulgular, gelişim boyunca birden fazla görev arasında istatistiksel öğrenmedeki bireysel farklılıklarıdeğerlendirmenin önemini vurgulamaktadır. Ancak, alan öncelikle istatistiksel öğrenme ve ilk dil gelişimi arasındaki ilişkinin daha sistematik bir şekilde araştırılmasını gerektirir. Bu soruları yanıtlamak için, çok sayıda çocuğa ulaşan web tabanlı test platformu11 ve istatistiksel bilgilerin gerçek zamanlı kodlamasını inceleyen laboratuvar tabanlı nörogörüntüleme teknikleri (fonksiyonel manyetik rezonans görüntüleme veya fMRI) dahil olmak üzere yenilikçi yöntemler uyguluyoruz.

İstatistiksel öğrenmenin standart ölçüleri bir alışılaçlık aşamasıile başlar ve bunu iki alternatifli zorunlu seçim (2-AFC) görevi12,13takip eder. Alışım aşaması, bazı uyaranların diğerlerinden daha fazla birlikte meydana gelme olasılığının yüksek olduğu istatistiksel düzenliliklere gömülü sürekli bir uyaran akışı sunar. Bu birlikte oluşan uyaranların sunumu sabit bir zamansal sıraizler. Katılımcılar, alışme aşamasında akışa pasif olarak maruz kalırve ardından katılımcının desenleri başarılı bir şekilde ayıklayıp çıkarmadığını test eden 2-AFC görevi izler. 2-AFC doğruluk görevi art arda iki dizi sunar: bir dizi alışım aşamasında katılımcıya sunulurken, diğeri yeni bir dizidir veya dizinin bir kısmını içerir. 2-AFC’deki şans üstü doğruluk, grup düzeyinde başarılı bir öğrenme olduğunu gösterir. İstatistiksel öğrenmeyi değerlendiren geleneksel davranışsal görevler genellikle öğrenmenin sonuç ölçüsü olarak doğruluğa dayanır. Ancak, doğruluk zaman içinde ortaya çıkar gibi bilginin doğal öğrenme için hesap başarısız olur. Gerçek zamanlı öğrenme bir ölçü sırasında çocuklar hala girişleri 14,15,16gelen14düzenlilikkodlama istatistiksel öğrenme örtük öğrenme sürecine dokunun gereklidir. Paradigmalar arasında çeşitli adaptasyonlar pozlama sırasında davranışsal tepkiler yoluyla on-line öğrenme önlemleri doğru, 2-AFC ölçmek uzak taşımak için bir çaba geliştirilmiştir16. Maruz kalma aşamasında tepki süresini ölçen bu uyarlamaları kullanan çalışmalar, yetişkin öğrencilerdeki doğruluk oranıyla karşılaştırıldığında öğrenme sonrası doğruluk17 ile ilişkili bulundu18.

Nöral önlemler de öğrenmenin zaman içinde nasıl geliştiğini anlamamızın temelini oluşturur, çünkü dil öğreniminin oluştuğu örtük süreç, dil öğrenildikten sonra kullanılanlardan farklı sinirsel kaynakları işe alır19. Nöral önlemler aynı zamanda özel popülasyonlar arasında dil yeteneğinin altında yatan bilişsel uzmanlıkfarklılıkları na ilişkin içgörüler sağlar20. FMRI çalışmasında durum kontrastının nasıl tasarlanacağı, öğrenme sırasında nöral aktivasyon kalıplarını nasıl yorumladığımız açısından çok önemlidir. Yaygın bir uygulama düzenli desenler içeren diziler arasında alışım aşamasında beyin yanıtları karşılaştırmak için rasgele sıralanır aynı uyaranları içeren karşı. Ancak, bu tür rasgele bir kontrol koşulu uygulayan önceki araştırma, yapılandırılmış ve rasgele dizileri arasındaki sinirsel farklılıklara rağmen, davranış öğrenme için hiçbir kanıt bulunamadı. Her ikisi de aynıuyaran21, 22,22inşa edildiği gibi bu, yapılandırılmış dizilerin öğrenme rasgele dizileri girişim nedeniyle olabilir. Kontrol koşulu doğrulanmış olarak geriye doğru konuşma veya daha önceki öğrenme blokları kullanılan diğer fMRI çalışmaları davranışsal olarak gerçekleşti19,23. Ancak, bu paradigmaların her biri, eski durum için dil işleme nin etkisi ve ikinci durum için deneysel düzenin etkisi gibi kendi şaşırtıcı faktör tanıttı. Paradigmamız rasgele diziyi kontrol koşulu olarak kullanır, ancak katılımcıların yapılandırılmış dizileri öğrenmelerine olan girişimlerini azaltır. Bizim fMRI paradigma da geçici deneme ile ilgili ve sürekli görev ile ilgili BOLD sinyalleri eşzamanlı modelleme sağlar karışık blok / olay ile ilgili tasarım, uygular24. Son olarak, ve daha geniş anlamda, nöral önlemler, açık bir davranışsal yanıt ın ortaya çıkarılmasının zor olabileceği (örneğin, gelişimsel ve özel popülasyonlar)25olduğu popülasyonlarda öğrenmenin ölçülmesine olanak sağlar.

Mevcut protokol, geleneksel doğruluk önlemlerine ek olarak bir yanıt süresi ölçümü benimser ve alıştanlık aşamasında beyin aktivasyonunu inceler. Bu yöntemlerin birleşimi, gerçek zamanlı öğrenme süreçlerinin araştırılması için zengin bir veri seti sağlamayı amaçlamaktadır. Web tabanlı platform, hem maruz kalma aşamasındaki yanıt süresini hem de test aşamasında 2-AFC görevinin doğruluğunu dahil ederek bir dizi öğrenme önlemi sunar. Nörogörüntüleme protokolü, etki alanları ve yöntemler arasında istatistiksel öğrenmeyi destekleyen altta yatan nöral mekanizmaların araştırılmasına olanak sağlar. Hem web tabanlı hem de fMRI protokollerini kullanarak bir birey içinde istatistiksel öğrenmeyi ölçmek en uygun şey olsa da, görevler bağımsız olarak ve dolayısıyla istatistiksel öğrenmenin iki bağımsız ölçütü olarak dağıtılabilecek şekilde tasarlanmıştır. Geçerli protokolde yer alan fMRI deneyleri, uyarıcı kodlamanın, örüntü çıkarmanın ve istatistiksel öğrenmenin diğer bileşenlerinin belirli beyin bölgeleri ve ağları tarafından nasıl temsil edildiğini açıklığa kavuşturmaya yardımcı olabilir.

Protocol

Tüm katılımcılara yazılı izin verildi ve çalışma Kurumsal İnceleme Kurulu’na uygun olarak gerçekleştirildi. 1. Web tabanlı protokolde kullanılan istatistiksel öğrenme paradigmasının genel bakışı Geçerli paradigmaya dört görev ekleyin: görüntü (görsel-dilbilimdışı), harf (görsel-dilbilim), ton (işitsel-dilbilimsel olmayan) ve hece (işitsel-dilbilimsel). 12 bağımsız yabancı çizgi film görüntüleri (resim) ve 12 harfli görüntüleri (mek…

Representative Results

Web Tabanlı Davranış SonuçlarıMevcut protokol gelişimsel popülasyonlar ile kolay yayılması için tasarlanmıştır göz önüne alındığında, biz 22 gelişmekte olan okul çağındaki çocuklar (Ortalama (M) yaş = 9,3 yıl, Standart Sapma (SD) yaş = 2,04 yıl, aralık = 6,2-12,6 yıl, 13 kız verilere dayalı ön web tabanlı sonuçlar dahil ettik. Web tabanlı istatistiksel öğrenme görevinde, çocuklar tüm koşullarda 0,5 şans seviyesinden önemli ölçüde daha iyi performans gö…

Discussion

Mevcut protokolde sunulan yöntemler, gelişim boyunca istatistiksel öğrenmenin davranışsal ve nöral indekslerini anlamak için çok modal bir paradigma sağlar. Mevcut tasarım, istatistiksel öğrenme ve dil gelişimi arasındaki ilişkinin gelecekteki araştırılması için kullanılabilecek yöntemler ve etki alanları arasında istatistiksel öğrenme yeteneğibireysel farklılıkların belirlenmesine olanak sağlar. Bir bireyin istatistiksel öğrenme yeteneği etki alanları ve yöntemleria…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Yoel Sanchez Araujo ve Wendy Georgan’a web tabanlı platformun ilk tasarımına olan katkılarından dolayı teşekkür ederiz. An Nguyen ve Violet Kozloff’a web tabanlı istatistiksel öğrenme görevlerini geliştirme, fMRI görevlerini uygulama ve yetişkin katılımcılardaki görevleri pilot uygulama konusundaki çalışmaları için teşekkür ederiz. Violet Kozloff ve Parker Robbins’e çocuklarda veri toplamaya yardımcı olan katkılarından dolayı teşekkür ederiz. Delaware Üniversitesi Biyolojik ve Beyin Görüntüleme Merkezi’nden İbrahim Malik, John Christopher, Trevor Wigal ve Keith Schneider’a nörogörüntüleme veri toplamadaki yardımları için teşekkür ederiz. Bu çalışma kısmen Ulusal Sağırlık enstitüsü ve diğer İletişim Bozuklukları (PI: Qi; NIH 1R21DC017576) ve Ulusal Bilim Vakfı Sosyal, Davranışsal ve Ekonomik Bilimler Müdürlüğü (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

  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).

Play Video

Cite This Article
Schneider, J. M., Hu, A., Legault, J., Qi, Z. Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques. J. Vis. Exp. (160), e61474, doi:10.3791/61474 (2020).

View Video