Performance monitoring and the medial prefrontal cortex: a review of individual differences and context effects as a window on self-regulation
Notice bibliographique
Résumé
The medial prefrontal cortex (MPFC) is central to self-regulation and has been implicated in generating a cluster of event-related potential components, collectively referred to as medial frontal negativities (MFNs). These MFNs are elicited while individuals monitor behavioral and environmental consequences, and include the error-related negativity, Nogo N2, and the feedback-related negativity. A growing cognitive and affective neuroscience literature indicates that the activation of the anterior cingulate cortex (ACC) and surrounding medial prefrontal regions during performance monitoring is not only influenced by task context, but that these patterns of activity also vary as a function of individual differences (e.g., personality, temperament, clinical and non-clinical symptomatology, socio-political orientation, and genetic polymorphisms), as well as interactions between individual differences and task context. In this review we survey the neuroscience literature on the relations between performance monitoring, personality, task context, and brain functioning with a focus on the MPFC. We relate these issues to the role of affect in the paradigms used to elicit performance-monitoring neural responses and highlight some of the theoretical and clinical implications of this research. We conclude with a discussion of the complexity of these issues and how some of the basic assumptions required for their interpretation may be clarified with future research.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».