Specific Increases within Global Decreases: A Functional Magnetic Resonance Imaging Investigation of Five Days of Motor Sequence Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Our capacity to learn movement sequences is fundamental to our ability to interact with the environment. Although different brain networks have been linked with different stages of learning, there is little evidence for how these networks change across learning. We used functional magnetic resonance imaging to identify the specific contributions of the cerebellum and primary motor cortex (M1) during early learning, consolidation, and retention of a motor sequence task. Performance was separated into two components: accuracy (the more explicit, rapidly learned, stimulus-response association component) and synchronization (the more procedural, slowly learned component). The network of brain regions active during early learning was dominated by the cerebellum, premotor cortex, basal ganglia, presupplementary motor area, and supplementary motor area as predicted by existing models. Across days of learning, as performance improved, global decreases were found in the majority of these regions. Importantly, within the context of these global decreases, we found specific regions of the left M1 and right cerebellar VIIIA/VIIB that were positively correlated with improvements in synchronization performance. Improvements in accuracy were correlated with increases in hippocampus, BA 9/10, and the putamen. Thus, the two behavioral measures, accuracy and synchrony, were found to be related to two different sets of brain regions-suggesting that these networks optimize different components of learning. In addition, M1 activity early on day 1 was shown to be predictive of the degree of consolidation on day 2. Finally, functional connectivity between M1 and cerebellum in late learning points to their interaction as a mechanism underlying the long-term representation and expression of a well learned skill.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle