Investigation of working memory networks for verbal and rhythmic stimuli
Notice bibliographique
Résumé
Abstract Auditory working memory is often conceived of as a unitary capacity, with memory for different auditory materials (syllables, pitches, rhythms) thought to rely on similar neural mechanisms. One spontaneous behavior observed in working memory studies is ‘chunking’. For example, individuals often recount digit sequences in groups, or chunks, of 3 to 4 digits, and this chunking improves performance. Chunking may also operate in musical rhythm, with beats acting as chunk boundaries for tones in rhythmic sequences. Similar to chunking, beat-based structure in rhythms also improves performance. Thus, beat processing may rely on the same mechanisms that underlie chunking of verbal material. The current fMRI study examined whether beat perception is a type of chunking, measuring brain responses to chunked and unchunked letter sequences relative to beat-based and nonbeat-based rhythmic sequences. Participants completed a sequence discrimination task, and comparisons between stimulus encoding, maintenance, and discrimination were made for both rhythmic and verbal sequences. Overall, rhythm and verbal working memory networks overlapped substantially. When comparing rhythmic and verbal conditions, rhythms activated basal ganglia, supplementary motor area, and anterior insula, compared to letter strings, during encoding and discrimination. Letter strings compared to rhythms activated bilateral auditory cortex during encoding, and parietal cortex, precuneus, and middle frontal gyri during discrimination. Importantly, there was a significant interaction in the basal ganglia during encoding: activation for beat-based rhythms was greater than for nonbeat-based rhythms, but verbal chunked and unchunked conditions did not differ. The significant interaction indicates that beat perception is not simply a case of chunking, suggesting a dissociation between beat processing and grouping mechanisms that warrants further exploration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».