Neural substrates of individual differences in learning generalization via combined brain stimulation and multitasking training
Notice bibliographique
Résumé
A pervasive limitation in cognition is reflected by the performance costs we experience when attempting to undertake two tasks simultaneously. While training can overcome these multitasking costs, the more elusive objective of training interventions is to induce persistent gains that transfer across tasks. Combined brain stimulation and cognitive training protocols have been employed to improve a range of psychological processes and facilitate such transfer, with consistent gains demonstrated in multitasking and decision-making. Neural activity in frontal, parietal, and subcortical regions has been implicated in multitasking training gains, but how the brain supports training transfer is poorly understood. To investigate this, we combined transcranial direct current stimulation of the prefrontal cortex and multitasking training, with functional magnetic resonance imaging in 178 participants. We observed transfer to a visual search task, following 1 mA left or right prefrontal cortex transcranial direct current stimulation and multitasking training. These gains persisted for 1-month post-training. Notably, improvements in visual search performance for the right hemisphere stimulation group were associated with activity changes in the right hemisphere dorsolateral prefrontal cortex, intraparietal sulcus, and cerebellum. Thus, functional dynamics in these task-general regions determine how individuals respond to paired stimulation and training, resulting in enhanced performance on an untrained task.
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 ».