MétaCan
Menu
Retour à la cohorte
Enregistrement W2009774843 · doi:10.1080/13554794.2014.960428

Supplementary motor area and primary auditory cortex activation in an expert break-dancer during the kinesthetic motor imagery of dance to music

2014· article· en· W2009774843 sur OpenAlexafffund
Michael P. Olshansky, Rachel J. Bar, Mary Fogarty, Joseph F. X. DeSouza

Notice bibliographique

RevueNeurocase · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensCanadians Living with HIVToronto Metropolitan UniversityYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésKinesthetic learningDancePsychologyAuditory imagerySupplementary motor areaFunctional magnetic resonance imagingSMA*Primary motor cortexMotor imageryCognitive psychologyAuditory cortexMotor cortexNeuroscienceAudiologyMental imageDevelopmental psychologyVisual artsElectroencephalographyCognitionArtComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The current study used functional magnetic resonance imaging to examine the neural activity of an expert dancer with 35 years of break-dancing experience during the kinesthetic motor imagery (KMI) of dance accompanied by highly familiar and unfamiliar music. The goal of this study was to examine the effect of musical familiarity on neural activity underlying KMI within a highly experienced dancer. In order to investigate this in both primary sensory and motor planning cortical areas, we examined the effects of music familiarity on the primary auditory cortex [Heschl's gyrus (HG)] and the supplementary motor area (SMA). Our findings reveal reduced HG activity and greater SMA activity during imagined dance to familiar music compared to unfamiliar music. We propose that one's internal representations of dance moves are influenced by auditory stimuli and may be specific to a dance style and the music accompanying it.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurocaseMême sujetNeuroscience and Music PerceptionTravaux en français237 207