The structure of hippocampal circuitry relates to rapid category learning in humans
Notice bibliographique
Résumé
Abstract Prior work suggests that complementary white matter pathways within the hippocampus (HPC) differentially support the learning of specific versus general information. In particular, while the trisynaptic pathway (TSP) rapidly forms memories for specific experiences, the monosynaptic pathway (MSP) slowly learns generalities. However, despite the theorized significance of such circuitry, characterizing how information flows within the HPC to support learning in humans remains a challenge. We leveraged diffusion‐weighted imaging as a proxy for individual differences in white matter structure linking key regions along with TSP (HPC subfields CA 3 and CA 1 ) and MSP (entorhinal cortex and CA 1 ) and related these differences in hippocampal structure to category learning ability. We hypothesized that learning to categorize the “exception” items that deviated from category rules would benefit from TSP‐supported mnemonic specificity. Participant‐level estimates of TSP‐ and MSP‐related integrity were constructed from HPC subfield connectomes of white matter streamline density. Consistent with theories of TSP‐supported learning mechanisms, we found a specific association between the integrity of CA 3 –CA 1 white matter connections and exception learning. These results highlight the significant role of HPC circuitry in complex human learning.
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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».