MétaCan
Menu
Retour à la cohorte
Enregistrement W3086788163 · doi:10.1016/j.neubiorev.2020.09.003

Delineating implicit and explicit processes in neurofeedback learning

2020· review· en· W3086788163 sur OpenAlexfundno aff
Santiago Muñoz-Moldes, Axel Cleeremans

Notice bibliographique

RevueNeuroscience & Biobehavioral Reviews · 2020
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensnon disponible
Organismes subventionnairesFonds De La Recherche Scientifique - FNRSFondation Philippe Wiener - Maurice AnspachUniversitaire StichtingEuropean Research CouncilCanadian Institute for Advanced Research
Mots-clésNeurofeedbackCategorizationPsychologyCognitive psychologyImplicit learningNeural correlates of consciousnessPsychological interventionComputer scienceCognitionCognitive scienceElectroencephalographyNeuroscienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Neurofeedback allows humans to self-regulate neural activity in specific brain regions and is considered a promising tool for psychiatric interventions. Recently, methods have been developed to use neurofeedback implicitly, prompting a theoretical debate on the role of awareness in neurofeedback learning. We offer a critical review of the role of awareness in neurofeedback learning, with a special focus on recently developed neurofeedback paradigms. We detail differences in instructions and propose a fine-grained categorization of tasks based on the degree of involvement of explicit and implicit processes. Finally, we review the methods used to measure awareness in neurofeedback and propose new candidate measures. We conclude that explicit processes cannot be eschewed in most current implicit tasks that have explicit goals, and suggest ways in which awareness could be better measured in the future. Investigating awareness during learning will help understand the learning mechanisms underlying neurofeedback learning and will help shape future 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,194
Tête enseignante GPT0,396
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

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

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroscience & Biobehavioral ReviewsMême sujetNeural dynamics and brain functionTravaux en français237 207