Les processus d'apprentissage fondamentaux sont-ils prédicteurs du neurodéveloppement?
Notice bibliographique
Résumé
L’enfance représente une période charnière dans le développement du cerveau en raison des multiples changements qui s’y opèrent. En considérant que c’est au cours des deux premières années de vie que le cerveau est le plus sensible aux interventions, nous devrions chercher à intervenir plus tôt dans le développement des enfants. Pour ce faire, il est nécessaire d’identifier des biomarqueurs, c’est-à-dire des mesures objectives permettant d’évaluer les processus biologiques normaux et pathologiques du cerveau, afin d’éventuellement être en mesure de reconnaitre, en bas âge, les enfants à risque de connaître une perturbation de leur développement cognitif. L’électroencéphalographie (EEG), et plus particulièrement les réponses cérébrales d’apprentissage, constituent des avenues intéressantes pour l’identification de biomarqueurs étant donné leur rôle clé dans le développement perceptuel et cognitif des enfants. De plus, les paramètres EEG du développement typique du cerveau sont relativement bien compris, ce qui fournit une base intéressante pour étudier le développement atypique. Le premier article de cette thèse avait pour objectif de déterminer la courbe développementale de deux types de réponses cérébrales d’apprentissage, soit les réponses cérébrales à la répétition ainsi que la détection du changement, afin de caractériser leur développement typique. Pour ce faire, nous avons utilisé une tâche de type oddball en EEG chez 43 enfants contrôles suivis à trois reprises entre l’âge de 3 mois et l’âge de 4 ans. Les résultats ont permis de démontrer un patron de réponse en forme de U semblable à travers les âges, c’est-à-dire une réponse de suppression neuronale entre la première et la deuxième présentation du stimulus suivi d’une réponse de détection du changement au stimulus déviant. Ceci révèle un développement relativement stable des réponses cérébrales chez les sujets contrôles. Dans le second article, le premier objectif était de déterminer la valeur prédictive de ces réponses cérébrales d’apprentissage, mesurées dans les deux premières années de vie, en les mettant en relation avec le fonctionnement intellectuel et adaptatif à l’âge de 4 ans, chez les mêmes 43 enfants contrôles et un groupe composé de 20 enfants macrocéphales. Les résultats révèlent que lorsque mesurée lors de la première année de vie, un patron de réponses cérébrales en forme de U est lié positivement avec le fonctionnement adaptatif à 4 ans. Un deuxième objectif était de déterminer dans quelle mesure la croissance cérébrale lors de la première année de vie est un facteur de variabilité interindividuelle qui influence les réponses cérébrales d’apprentissage entre 3 mois et 2 ans. Un impact négatif d’une croissance cérébrale accrue sur les réponses cérébrales à la répétition et de détection du changement a été observé, mais uniquement dans la période 0-12 mois. Il semble donc que les réponses cérébrales d’apprentissage auraient le potentiel de servir de biomarqueur dès la première année de vie puisqu’elles sont liées au fonctionnement adaptatif et sont sensibles au rythme de croissance du cerveau. Cette thèse contribue à améliorer nos connaissances sur les réponses cérébrales d’apprentissage, notamment en caractérisant leur courbe développementale durant l’enfance. Nous avons également contribué à l’avancement de la recherche sur les biomarqueurs EEG en mesurant le pouvoir prédictif de ces réponses sur le fonctionnement adaptatif des enfants d’âge préscolaire ainsi que leur sensibilité aux différences interindividuelles telles que la croissance cérébrale.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».