40-Hz Binaural beats enhance training to mitigate the attentional blink
Notice bibliographique
Résumé
This study investigated whether binaural beat stimulation could accelerate the training outcome in an attentional blink (AB) task. The AB refers to the lapse in detecting a target T2 in rapid serial visual presentation (RSVP) after the identification of a preceding target T1. Binaural beats (BB) are assumed to entrain neural oscillations and support cognitive function. Participants were assigned into two groups and presented with BB sounds while performing the AB task on three subsequent days in a cross-over design. Group A was presented with 40-Hz BB during the first day and 16 Hz during the second day, while the order of beat frequencies was reversed in Group B. No sound was presented on the third day. MEG recordings confirmed a strong entrainment of gamma oscillations during 40-Hz BB stimulation and smaller gamma entrainment with 16-Hz BB. The rhythm of the visual stimulation elicited 10-Hz oscillations in occipital MEG sensors which were of similar magnitude for both BB frequencies. The AB performance did not increase within a session. However, participants improved between sessions, with overall improvement equal in both groups. Group A improved more after the first day than the second day. In contrast, group B gained more from the 40 Hz stimulation on the second day than from 16-Hz stimulation on the first day. Taken together, 40-Hz BB stimulation during training accelerates the training outcome. The improvement becomes evident not immediately, but after consolidation during sleep. Therefore, auditory beats stimulation is a promising method of non-invasive brain stimulation for enhancing training and learning which is well-suited to rehabilitation training.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,018 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».