Neural Basis of Repetition Priming during Mathematical Cognition: Repetition Suppression or Repetition Enhancement?
Notice bibliographique
Résumé
We investigated the neural basis of repetition priming (RP) during mathematical cognition. Previous studies of RP have focused on repetition suppression as the basis of behavioral facilitation, primarily using word and object identification and classification tasks. More recently, researchers have suggested associative stimulus-response learning as an alternate model for behavioral facilitation. We examined the neural basis of RP during mathematical problem solving in the context of these two models of learning. Brain imaging and behavioral data were acquired from 39 adults during novel and repeated presentation of three-operand mathematical equations. Despite wide-spread decreases in activation during repeat, compared with novel trials, there was no direct relation between behavioral facilitation and the degree of repetition suppression in any brain region. Rather, RT improvements were directly correlated with repetition enhancement in the hippocampus and the posteromedial cortex [posterior cingulate cortex, precuneus, and retrosplenial cortex; Brodmann's areas (BAs) 23, 7, and 30, respectively], regions known to support memory formation and retrieval, and in the SMA (BA 6) and the dorsal midcingulate ("motor cingulate") cortex (BA 24d), regions known to be important for motor learning. Furthermore, improvements in RT were also correlated with increased functional connectivity of the hippocampus with both the SMA and the dorsal midcingulate cortex. Our findings provide novel support for the hypothesis that repetition enhancement and associated stimulus-response learning may facilitate behavioral performance during problem solving.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».