Au coeur de la série télé Friends : corrélations inter-sujets de l'activité cérébrale et cardiaque à l'aide des quantités massives de données individuelles du projet CNeuroMod
Bibliographic record
Abstract
Les Corrélations Inter-Sujets (ISC) des signaux corps-cerveaux permettent-elles de repérer les processus affectifs partagés par deux individus ? Le présent mémoire propose une approche complémentaire pour étudier les ISC corps-cerveaux en réponse à des récits audiovisuels en analysant les enregistrements multimodaux de six participants ayant regardé quatre saisons de la série télévisée Friends. Nous avons tenté de déterminer si une activité cardiaque synchronisée, mesurée à l'aide des ISC du rythme cardiaque (HR-ISC), se produit dans les mêmes fenêtres temporelles qu’une synchronisation de l’activité localisée dans les aires cérébrales reliées aux émotions chez chaque paire de sujets séparément. Les analyses ISC de l'activité cérébrale (mesurée avec imagerie par résonance magnétique fonctionnelle; IRMf) et cardiaque (mesurée avec la photopléthysmographie; PPG) ont été effectuées dans le contexte d'une tâche de visionnement libre incluse dans le projet Courtois-Neuromod (Bellec & Boyle, 2019; Boyle et al., 2022) consistant à écouter des épisodes de Friends. Des ISC temporelles univariées ont été utilisées pour estimer le degré de synchronisation propre à chaque paire d'individus. Nos résultats, en accord avec la littérature, ont montré un niveau plus élevé d’ISC cérébrales pour les aires sensorielles que pour les aires non-sensorielles (Kauppi et al., 2010; Nastase et al., 2019). Les paires de sujets ont également montré un niveau significatif de synchronisation cardiaque moyenne. Contrairement à notre hypothèse, la modélisation de la variabilité des ISC cérébrales et cardiaques chez chaque paire de sujets suggère que la synchronisation cardiaque ne coïncide pas linéairement avec une synchronisation temporellement stable ou localisée de l’activité cérébrale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".