MétaCan
Menu
Retour à la cohorte
Enregistrement W2606487891 · doi:10.1111/nyas.13333

Neural correlates of cognitive processing in monolinguals and bilinguals

2017· review· en· W2606487891 sur OpenAlexafffund
John G. Grundy, John A. E. Anderson, Ellen Bialystok

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensYork University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNatural Sciences and Engineering Research Council of CanadaNational Institute on AgingNational Institutes of Health
Mots-clésNeural correlates of consciousnessNeuroscience of multilingualismCognitionPsychologyCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Here, we review the neural correlates of cognitive control associated with bilingualism. We demonstrate that lifelong practice managing two languages orchestrates global changes to both the structure and function of the brain. Compared with monolinguals, bilinguals generally show greater gray matter volume, especially in perceptual/motor regions, greater white matter integrity, and greater functional connectivity between gray matter regions. These changes complement electroencephalography findings showing that bilinguals devote neural resources earlier than monolinguals. Parallel functional findings emerge from the functional magnetic resonance imaging literature: bilinguals show reduced frontal activity, suggesting that they do not need to rely on top-down mechanisms to the same extent as monolinguals. This shift for bilinguals to rely more on subcortical/posterior regions, which we term the bilingual anterior-to-posterior and subcortical shift (BAPSS), fits with results from cognitive aging studies and helps to explain why bilinguals experience cognitive decline at later stages of development than monolinguals.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,326
Tête enseignante GPT0,462
Écart entre enseignants0,136 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations246
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetNeurobiology of Language and BilingualismTravaux en français237 207