MétaCan
Menu
Retour à la cohorte
Enregistrement W2948143893 · doi:10.1371/journal.pbio.3000293

Rhythm and time in the premotor cortex

2019· letter· en· W2948143893 sur OpenAlexaff
Virginia B. Penhune, Robert J. Zatorre

Notice bibliographique

RevuePLoS Biology · 2019
Typeletter
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMontreal Neurological Institute and HospitalConcordia UniversityMcGill UniversityInternational Laboratory for Brain, Music and Sound Research
Organismes subventionnairesnon disponible
Mots-clésRhythmBiologyBeat (acoustics)NeurosciencePremotor cortexSensory systemPopulationENCODETemporal cortexAnatomyGeneticsGeneInternal medicine

Résumé

récupéré en direct d'OpenAlex

Many animals can encode temporal intervals and use them to plan their actions, but only humans can flexibly extract a regular beat from complex patterns, such as musical rhythms.Beat-based timing is hypothesized to rely on the integration of sensory information with temporal information encoded in motor regions such as the medial premotor cortex (MPC), but how beat-based timing might be encoded in neuronal populations is mostly unknown.Ga ´mez and colleagues show that the MPC encodes temporal information via a population code visible as circular trajectories in state space; these patterns may represent precursors to more-complex skills such as beat-based timing.Just listen to Antonio Carlos Jobim's "Girl from Ipanema" (YouTube version of this song available here).The urge to sway with the languid, syncopated samba rhythm is irresistible.Why does this happen?It somehow must result from interactions between the auditory and motor systems of the brain that detect and anticipate temporally predictable moments in the song.This beat-based form of sensory-motor timing allows humans to flexibly extract a regular temporal structure from a range of rhythms, from simple isochronous sequences, in which all the intervals are identical, to more-complex meters like those of waltzes, marches, and sambaslike Jobim's piece [1,2].People even perceive a regular beat at moments in the music when no sound is present [3], as in the last bar of "Girl," when the downbeat occurs on a silent rest.Further, motor regions of the brain are active when people listen to musical rhythms, even without moving [4].These facts demonstrate that the beat is an abstract percept that is not solely dependent on features of the stimulus or motor responses.Beat-based structure is particular to music, but quasiperiodic temporal structure is also present at longer timescales in language [5].Humans can use temporal predictions based on the beat to facilitate action and perception.Predictable beats enhance attention to stimuli that fall on the beat, resulting in better discrimination or detection [6,7].Predictable beats also facilitate movement timing, making it more accurate and less variable [8].This may be the reason why athletes in many sports use music to guide movement timing.Beat-based timing can be contrasted with interval timing-the ability to encode and remember the interval between two events [9].Many animals can encode temporal intervals and use them to plan their actions [10].Your dog knows when it is time for dinner and how long it takes to pour the food.In contrast, beat-based timing appears to be characteristically

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)0,003
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,045
Tête enseignante GPT0,267
Écart entre enseignants0,222 · 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
GenreCommentaire

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

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS BiologyMême sujetNeuroscience and Music PerceptionTravaux en français237 207