MétaCan
Menu
Retour à la cohorte
Enregistrement W4303953654 · doi:10.1080/00222895.2022.2131706

Neural Correlates of Dual-Task Processing following Motor Sequence Learning: A Functional Near-Infrared Spectroscopy (fNIRS) Study

2022· article· en· W4303953654 sur OpenAlexafffund
Nadia Polskaia, Gabrielle St-Amant, Sarah Fraser, Yves Lajoie

Notice bibliographique

RevueJournal of Motor Behavior · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFunctional near-infrared spectroscopyTask (project management)Sequence learningDorsolateral prefrontal cortexPsychologyNeuroscienceOrbitofrontal cortexPrefrontal cortexPrimary motor cortexCognitive psychologySequence (biology)Dual (grammatical number)CognitionMotor cortexBiology

Résumé

récupéré en direct d'OpenAlex

The current study used functional near-infrared spectroscopy (fNIRS) to examine cerebral oxygenation changes in the prefrontal cortex (PFC) associated with dual-task processing before and after motor sequence learning. Participants performed self-initiated sequential finger movements that were 4 and 12 units in length with a visual letter-counting task. After practice, dual-task sequence-4 performance revealed decreased activity in the right dorsolateral PFC, medial PFC, and orbitofrontal cortex. However, dual-task sequence-12 performance revealed increased activity in the right ventrolateral PFC when compared to the left hemisphere. The findings suggest that dual-task interference was reduced following practice for dual-task sequence-4. The results also suggest that increased right hemisphere activation is needed to maintain performance when the primary sequential task (e.g., dual-task sequence-12) has a high level of difficulty.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,549
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,330
Écart entre enseignants0,301 · 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.

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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Motor BehaviorMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207