When Time Shapes Behavior: fMRI Evidence of Brain Correlates of Temporal Monitoring
Notice bibliographique
Résumé
Time processing may shape behavior in several ways, although the underlying neural correlates are still poorly understood. When preparatory intervals between stimuli vary randomly in a block, for instance, responses are faster as the interval gets longer. This effect, known as variable foreperiod (FP) effect, has been attributed to a process monitoring the conditional probability of stimulus occurrence as the interval increases. Previous evidence points to the right dorsolateral prefrontal cortex (DLPFC) as a possible node for this time-monitoring process. The present study addresses this hypothesis with functional magnetic resonance imaging (fMRI). Block-design fMRI was used on 14 young participants while they performed a visual discrimination task with fixed and variable preparatory intervals (FPs) of 1 and 3 sec. In the variable versus fixed FP contrast, the right DLPFC and a visual area were more activated in the subgroup of participants who showed a reliable variable FP effect than in another subgroup who did not show that effect. Only the activation in the right DLPFC was supported by a significant interaction between FP condition (variable vs. fixed) and group. This finding may reflect possible differences in the strategy adopted by the two subgroups of participants while performing the task. Although results suggest that many brain areas may be involved in preparation over time, the role of the right DLPFC is critical to observe the strategically mediated behavioral effects in the variable FP paradigm.
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 | 0,000 | 0,004 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».