MétaCan
Menu
Retour à la cohorte
Enregistrement W3212505055 · doi:10.1162/nol_a_00060

Effects of Sleep on Language and Motor Consolidation: Evidence of Domain General and Specific Mechanisms

2021· article· en· W3212505055 sur OpenAlexaff
Dafna Ben-Zion, Ella Gabitov, Anat Prior, Tali Bitan

Notice bibliographique

RevueNeurobiology of Language · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensUniversity of TorontoMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesIsrael Science Foundation
Mots-clésMotor learningPsychologyMotor skillCognitive psychologyGrammarSequence learningConsolidation (business)Task (project management)Computer scienceNatural language processingArtificial intelligenceLinguisticsDevelopmental psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

The current study explores the effects of time and sleep on the consolidation of a novel language learning task containing both item-specific knowledge and the extraction of grammatical regularities. We also compare consolidation effects in language and motor sequence learning tasks, to ask whether consolidation mechanisms are domain general. Young adults learned to apply plural inflections to novel words based on morphophonological rules embedded in the input, and learned to type a motor sequence using a keyboard. Participants were randomly assigned into one of two groups, practicing each task during either the morning or evening hours. Both groups were retested 12 and 24 hours post-training. Performance on frequent trained items in the language task stabilized only following sleep, consistent with a hippocampal mechanism for item-specific learning. However, regularity extraction, indicated by generalization to untrained items in the linguistic task, as well as performance on motor sequence learning, improved 24 hours post-training, irrespective of the timing of sleep. This consolidation process is consistent with a frontostriatal skill-learning mechanism, common across the language and motor domains. This conclusion is further reinforced by cross-domain correlations at the individual level between improvement across 24 hours in the motor task and in the low-frequency trained items in the linguistic task, which involve regularity extraction. Taken together, our results at the group and individual levels suggest that some aspects of consolidation are shared across the motor and language domains, and more specifically, between motor sequence learning and grammar 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,293
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurobiology of LanguageMême sujetSleep and Wakefulness ResearchTravaux en français237 207