Effects of Training of Processing Speed on Neural Systems
Notice bibliographique
Résumé
Processing speed (PS) training improves performance on untrained PS tasks in the elderly. However, PS training's effects on the PS of young adults and on neural mechanisms are still unknown. In humans, we investigated this issue using psychological measures, voxel-based morphometry, the n-back task [a typical task for functional magnetic resonance imaging (fMRI) studies with conditions of 0-back (simple cognitive processes) and 2-back tasks (working memory; WM)], resting-state fMRI for the analysis of functional connectivity between brain regions during rest (resting-FC), and intensive adaptive training of PS. PS training was associated with (1) significant or substantial improvement in the performance of PS measures, (2) changes in the gray matter structures of the left superior temporal gyrus and the bilateral regions around the occipitotemporal junction, (3) changes in functional activity that are related to simple cognitive processes (but not those of WM) in the left perisylvian region, and (4) increased resting-FC between the left perisylvian area and the area that extends to the lingual gyrus and calcarine cortex. These results confirm the PS-training-induced plasticity in PS and the training-induced plasticity of functions and structures that are associated with speeded cognitive processes. The observed neural changes caused by PS training may give us new insights into how PS training, and possibly other cognitive training, can improve PS.
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 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 | 0,000 | 0,015 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».