Transfer of training from one working memory task to another: behavioural and neural evidence
Notice bibliographique
Résumé
N-back working memory (WM) tasks necessitate the maintenance and updating of dynamic rehearsal sets during performance. The delayed matching-to-sample (dMTS) task is another WM task, which in turn involves the encoding, maintenance, and retrieval of stimulus representations in sequential order. Because both n-back and dMTS engage WM function, we hypothesized that compared to a control task not taxing WM, training on the n-back task would be associated with better performance on dMTS by virtue of training a shared mental capacity. We tested this hypothesis by randomly assigning subjects (N = 43) to train on either the n-back (including 2-back and 3-back levels) or an active control task. Following training, dMTS was administered in the fMRI scanner. The n-back group performed marginally better than the active control group on dMTS. In addition, although the n-back group improved more on the less difficult 2-back level than the more difficult 3-back level across training sessions, it was improvement on the 3-back level that accounted for 21% of the variance in dMTS performance. For the control group, improvement in training across sessions was unrelated to dMTS performance. At the neural level, greater activation in the left inferior frontal gyrus, right posterior parietal cortex, and the cerebellum distinguished the n-back group from the control group in the maintenance phase of dMTS. Degree of improvement on the 3-back level across training sessions was correlated with activation in right lateral prefrontal and motor cortices in the maintenance phase of dMTS. Our results suggest that although n-back training is more likely to improve performance in easier blocks, it is improvement in more difficult blocks that is predictive of performance on a target task drawing on WM. In addition, the extent to which training on a task can transfer to another task is likely due to the engagement of shared cognitive capacities and underlying neural substrates-in this case WM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».