The dynamic network subserving the three phases of cognitive procedural learning
Notice bibliographique
Résumé
Cognitive procedural learning is characterized by three phases (cognitive, associative, and autonomous), each involving distinct processes. We performed a behavioral study and a positron emission tomography (PET) activation study using the Tower of Toronto task. The aim of the behavioral study was to determine cognitive predictors for the length of each of the three learning phases, in order to preselect subjects for the PET study. The objective of the second study was to describe the cerebral substrates subtending these three phases. Contrasted with a reference (motor) task, the cognitive phase activated the prefrontal cortex, cerebellum, and parietal regions, all of which became less active as learning progressed. The associative phase was characterized by the activation of the occipital regions, right thalamus, and caudate nucleus. During the autonomous phase, new regions were involved, including the left thalamus and an anterior part of the cerebellum. These results, by employing a direct comparison between phases, provide the first evidence of the involvement and the time course of activation of different regions in each learning phase, in accordance with current models of cognitive procedural learning. The involvement of a frontoparietal network suggests the use of strategies in problem solving during the cognitive phase. The involvement of the occipital regions during the associative and autonomous phase suggests the intervention of mental imagery. Lastly, the activation of the cerebellum during the autonomous phase is consistent with the fact that performance in this phase is determined by psychomotor abilities.
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 | 0,001 |
| 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 | 0,002 | 0,001 |
| 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 ».