An individual differences analysis of the neurocognitive architecture of the semantic system at rest
Notice bibliographique
Résumé
Efficient semantic cognition depends on accessing and selecting conceptual knowledge relevant to the current task or context. This study explored the neurocognitive architecture that supports this function by examining how individual variation in functional brain organisation predicts comprehension and semantic generation. Participants underwent resting state functional magnetic resonance imaging (fMRI) and, on separate days, performed written synonym judgement, and letter and category fluency tasks. We found that better synonym judgement for high frequency items was linked to greater functional coupling between posterior fusiform and anterior superior temporal cortex (aSTG), which might index orthographic-to-semantic access. However, stronger coupling between aSTG and ventromedial prefrontal cortex was associated with poor performance on the same trials, potentially reflecting greater difficulty in focussing retrieval on relevant features for high frequency items that appear in a greater range of contexts. Fluency performance was instead linked to variations in the functional coupling of the inferior frontal gyrus (IFG); anterior IFG was more coupled to regions of primary visual cortex for individuals who were good at category fluency, while poor letter fluency was predicted by stronger coupling between posterior IFG and retrosplenial cortex. These results show that individual differences in functional connectivity at rest predict semantic performance and are consistent with a component process account of semantic cognition in which representational information is shaped by control processes to fit the current requirements, in both comprehension and fluency tasks.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».