Distinct fNIRS Inter-Brain Coupling Patterns for Cooperation versus Competition in a Tennis Game
Notice bibliographique
Résumé
Cooperation and competition represent two fundamental modes of social interaction, yet their underlying neural mechanisms remain incompletely understood. Functional near-infrared spectroscopy hyperscanning, enabling simultaneous measurement of hemodynamic activity across individuals, offers unique insights into the neural substrates underlying naturalistic interactions. Using this technique, we investigated cross-channel inter-brain coupling (IBC) between interacting individuals during cooperative and competitive play in a motion-sensing tennis game. Compared to resting-state and solo gameplay with observation, both conditions elicit significantly enhanced not only IBC between the dyads' sensorimotor regions, but also cross-regional coupling between one participant's sensorimotor cortex and the other's dorsolateral prefrontal cortex (DLPFC) as well as temporoparietal junction, suggesting the contribution of high-order cognition networks to the observed IBC. Notably, competitive interactions produce stronger cross-regional IBC between DLPFC and sensorimotor regions than cooperative ones, implying an intensified demand for cognitive control during competition. Conversely, cooperation enhances neural coupling between team-mates within their prefrontal cortices, which could reflect shared goal representations. Behavioural cooperation performance is negatively correlated with the DLPFC-sensorimotor IBC. These spatially distinct patterns of condition-dependent neural coupling advance our understanding of the neural underpinnings of naturalistic social interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».