Examining the Neural Correlates of Updating Mental Representations
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
The ability to build mental models is critical for goal setting, decision making, and predicting environmental contingencies. Much is known about how unsupervised, passive integration of regularities in visual, auditory, semantic, and/or kinesthetic information in the environment influences goal-directed behavior. However, less is known about how such mental models change in response to expanded information sets or novel observations. In the current study we examined this process, termed representational updating, using functional magnetic resonance imaging to elucidate the brain networks that support updating. Participants played a visual analogue of the popular children’s game of rock, paper, scissors against a computer that utilized multiple strategies that participants' had to exploit in order to maximize success. Behavioral results indicated that participants quickly and reliably adjusted their play choice to exploit the biases in the computer's play strategy in a way that mimicked probability matching behavior. Imaging results revealed a network of areas activated during these changes in play including cingulate cortex (both posterior and anterior cingulate), bilateral superior temporal gyrus, middle frontal gyrus, and the precuneus. Taken together, these results suggest the presence of a cortical network that supports the updating of mental models consisting of areas involved in error monitoring, statistical learning, and cognitive control. Furthermore, areas in this network (namely the STG) are commonly lesioned in neglect patients, who show deficits in updating on similar behavioral tasks. Meeting abstract presented at VSS 2013
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle