Plasticité fonctionnelle du cerveau et apprentissage moteur
Notice bibliographique
Résumé
Cet article résume les résultats d’une série d’études effectuées dans notre laboratoire pour élucider les substrats anatomiques impliqués dans l’apprentissage de nouvelles séquences de mouvements via les techniques de neuro-imagerie, particulièrement l’imagerie par résonance magnétique fonctionnelle. Après une brève description du modèle que nous avons mis au point et qui a guidé nos travaux sur la caractérisation de la plasticité cérébrale systémique associée à l’acquisition d’habiletés motrices, nous décrivons les changements fonctionnels dynamiques du cerveau régulièrement observés lors des phases rapide, lente, et d’automatisation de l’apprentissage d’une séquence motrice et nous clarifions le rôle joué par le putamen (qui fait partie des noyaux gris centraux), le cervelet et leurs régions corticales motrices associées, dans ce type de mémoire. Finalement, nous rapportons les données d’autres expériences qui démontrent que, suite à la pratique d’une séquence de mouvements, le sommeil lent (et les fuseaux au stade 2 en particulier) contribue au processus de consolidation de la trace mnésique motrice qui a été formée, et que ce phénomène est dépendant d’une augmentation de l’activité neuronale dans le striatum et l’hippocampe.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».