iTBS reveals the roles of domain-general cognitive control and language-specific brain regions during word formation rule learning
Notice bibliographique
Résumé
Repeated exposure to word forms and meanings improves lexical knowledge acquisition. However, the roles of domain-general and language-specific brain regions during this process remain unclear. To investigate this, we applied intermittent theta burst stimulation over the domain-general (group left dorsolateral prefrontal cortex) and domain-specific (Group L IFG) brain regions, with a control group receiving sham intermittent theta burst stimulation. Intermittent theta burst stimulation effects were subsequently assessed in functional magnetic resonance imaging using an artificial word learning task which consisted of 3 learning phases. A generalized psychophysiological interaction analysis explored the whole brain functional connectivity, while dynamic causal modeling estimated causal interactions in specific brain regions modulated by intermittent theta burst stimulation during repeated exposure. Compared to sham stimulation, active intermittent theta burst stimulation improved word learning performance and reduced activation of the left insula in learning phase 2. Active intermittent theta burst stimulation over the domain-general region increased whole-brain functional connectivity and modulated effective connectivity between brain regions during repeated exposure. This effect was not observed when active intermittent theta burst stimulation was applied to the language-specific region. These findings suggest that the domain-general region plays a crucial role in word formation rule learning, with intermittent theta burst stimulation enhancing whole-brain connectivity and facilitating efficient information exchange between key brain regions during new word 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 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 ».