MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387782283 · doi:10.1101/2023.10.19.563062

Stability of Neural Oscillations Supports Auditory-Motor Synchronization

2023· preprint· en· W4387782283 sur OpenAlexafffund
Rebecca Scheurich, Valentin Bégel, Ella Sahlas, Caroline Palmėr

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésElectroencephalographySynchronization (alternating current)PredictabilityMetronomeAuditory feedbackPsychologyComputer scienceAudiologySpeech recognitionNeuroscienceRhythmMathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Previous findings suggest that musical training leads to increased coactivation of auditory and motor brain networks, as well as enhanced auditory-motor synchronization. Less is known about the temporal dynamics of auditory-motor network interactions and how these temporal dynamics are shaped by musical training. The current study applied Recurrence Quantification Analysis, a nonlinear technique for characterizing the temporal dynamics of complex systems, to participants’ neurophysiological activity recorded via electroencephalography (EEG) during an auditory-motor synchronization task. We investigated changes in neural predictability and stability with musical training, and how these changes were related to synchronization accuracy and consistency. EEG was recorded while musicians and nonmusicians first tapped a familiar melody at a comfortable rate, called Spontaneous Production Rate (SPR). Then participants synchronized their taps with an auditory metronome presented at each participant’s SPR and at rates 15% and 30% slower than their SPR. EEG-based outcomes of determinism (predictability) and meanline (stability) were compared with behavioral synchronization measures. Musicians synchronized more consistently overall than nonmusicians. Both groups of participants showed decreased synchronization accuracy at slower rates, and higher EEG-based determinism (predictability) at slower rates. Furthermore, neural meanline (stability) measures correlated with synchronization consistency across all participants and stimulus rates; as neural stability increased, so did synchronization consistency. Neural stability may be a general mechanism supporting the maintenance of synchronization across rates, which may improve with musical training.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,259
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetNeuroscience and Music Perception→Travaux en français237 207→