Longitudinal white matter changes associated with cognitive training
Notice bibliographique
Résumé
Abstract Improvements in behaviour are known to be accompanied by both structural and functional changes in the brain. However whether those changes lead to more general improvements, beyond the behaviour being trained, remains a contentious issue. We investigated whether training on one of two cognitive tasks would lead to either near transfer (that is, improvements on a quantifiably similar task) or far transfer (that is, improvements on a quantifiably different task), and furthermore, if such changes did occur, what the underlying neural mechanisms might be. Participants trained on either a verbal inhibitory control task or a visuospatial working memory task for four weeks, over the course of which they received five diffusion tensor imaging scans. Two additional tasks, a test of verbal reasoning and a test of spatial span, served as measures of near transfer for the inhibitory control task and spatial working memory task, respectively. These two tasks also served as measures of far transfer for the alternate training task. Behaviourally, participants improved on the task that they trained on, but did not improve on cognitively similar tests (near transfer), nor cognitively dissimilar tests (far transfer). Extensive changes to white matter microstructure were observed, with verbal inhibitory control training leading to changes in a left-lateralized network of fronto-temporal and occipito-frontal tracts, and visuospatial working memory training leading to changes in right-lateralized fronto-parietal tracts. Very little overlap was observed in changes between the two training groups. On the basis of these results, we suggest that near and far transfer were not observed because the changes in white matter tracts associated with training on each task are almost entirely non-overlapping with, and therefore afford no advantages for, the untrained 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 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 | 0,001 |
| 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 | 0,001 |
| 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 ».