EEG Power Band Asymmetries in Children with and without Classical Ensemble Music Training
Notice bibliographique
Résumé
Much evidence shows that music training influences the development of functional brain organization and cerebral asymmetry in an auditory-motor integrative neural system also associated with language and speech. Such overlap suggests that music training could be used for interventions in disadvantaged populations. Accordingly, we investigated neurofunctional changes associated with the influence of socially based classical ensemble music (CEM) training on executive auditory functions of children from low socioeconomic status (LSES), as compared to untrained counterparts. We conducted a novel ROI-focused reanalysis of stimulus-locked event-related electroencephalographic (EEG) band power data previously recorded from fifteen LSES children (9–10 years), with and without CEM, while performing a series of auditory Go/No-Go trials (involving 1100 Hz or 2000 Hz tones). An analysis of collapsed Alpha2, Beta1, Beta2, Delta, and Theta EEG bands showed significant differences in increased and decreased left asymmetry between the CEM and the Comparison group in key frontal and central electrodes typically associated with learning music. Overall, in Go trials, the CEM group responded more quickly and accurately. Linear regression analyses revealed both positive and negative correlations between left hemispheric asymmetry and behavioral measures of PPVT score, auditory sensitivity, Go accuracy, and reaction times. The pattern of results suggests that tone frequency and EEG asymmetries may be attributable to a shift to left lateralization as a byproduct of CEM. Our findings suggest that left hemispheric laterality associated with ensemble music training may improve the efficiency of productive language processing and, accordingly, may be considered as a supportive intervention for LSES children and youth.
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 | 0,001 |
| 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 ».