MétaCan
Menu
Back to cohort
Record W7009659070

Études électrophysiologiques sur l'apprentissage visuel : apport de mesures de complexité et de suppression du signal

2021· other· fr· W7009659070 on OpenAlexfundno aff

Bibliographic record

VenueOpen MIND · 2021
Typeother
Languagefr
FieldEconomics, Econometrics and Finance
TopicEconomics of Agriculture and Food Markets
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsContext (archaeology)Systematic desensitizationBehavioral therapy
DOInot available

Abstract

fetched live from OpenAlex

La recherche des dernières décennies nous a offert une compréhension détaillée des processus par lesquels les aires visuelles du cerveau reconstituent les signaux physiques de l’environnement pour en générer des représentations. Cependant, la proposition selon laquelle la perception serait également le produit d’inférences et attentes, qui nous permettraient d’interpréter plus exactement les informations entrantes à l’aide d’expériences passées, est récurrente dans l’histoire des neurosciences cognitives. Le predictive coding (PC), qui est actuellement un modèle influent de la perception, propose qu’un des rôles principaux du cerveau est de prédire les informations entrantes. L’apprentissage visuel serait ainsi orienté en fonction d’informations n’ayant pas été correctement prédites ou d’erreurs de prédiction. Le PC est associé depuis quelques années par le phénomène de suppression neuronale (SN), où la réduction graduelle de l’activité cérébrale associée au traitement répété d’un stimulus, représenterait la réduction des erreurs de prédiction. Cette thèse propose premièrement que bien que la SN puisse être le reflet d’un processus assimilable au PC, celle-ci ne le représente possiblement qu’en partie. Une mesure additionnelle reflétant la correction ou l’ajustement des prédictions déclenché par l’erreur de prédiction serait alors nécessaire. Dans un premier temps, une revue critique des principaux courants de la recherche sur l’apprentissage est présentée sous la forme d’un chapitre de livre du domaine plus large du développement des capacités d’apprentissage. Celle-ci permet de préciser les aspects fondamentaux de l’habituation, la SN et la capacité à associer des éléments en mémoire, ainsi que l’importance de caractériser ces phénomènes aussi pleinement que possible par l’utilisation de nouvelles mesures, ce qui motive les études expérimentales présentées subséquemment. Par la suite, une première étude visant à identifier une mesure complémentaire à celle de la SN reflétant un processus d’ajustement de prédictions est présentée. Cette mesure, nommée entropie multi-échelles (EME), offre une estimation de la quantité d’information d’un signal électroencéphalographique (EEG) et de la capacité de traitement des réseaux neuronaux sous-jacents. La première hypothèse de cette étude était donc que la SN serait accompagnée d’une augmentation de l’EME au-dessus de la région occipito-temporale lors d’un apprentissage de visages. Puisque les phénomènes reflétés par la SN et l’EME s’appuieraient sur la contribution de régions distantes dont le cortex préfrontal dorsolatéral, la deuxième hypothèse était que ces mesures seraient altérées par une modulation exogène de l’activité de cette région préfrontale par stimulation électrique transcrânienne à courant direct (SETCD). Les résultats ont montré que le signal EEG présentait à la fois une SN et une augmentation de l’EME avec l’apprentissage. De plus, la modulation préfrontale par SETCD a entraîné des variations de l’EME de la région occipito-temporale, sans toutefois avoir un impact sur la mesure de SN. La première étude suggère ainsi que la SN et l’EME reflètent des mécanismes cérébraux impliqués dans l’apprentissage visuel et compatibles au modèle de PC. Dans la deuxième étude, l’hypothèse d’une association entre les mesures de SN et d’EME a été reprise, cette fois dans le contexte d’un apprentissage visuel relationnel, étant donné le potentiel que représente les connaissances d’associations passées entre items pour la génération de prédictions. Dans ce contexte, des effets de SN et d’augmentation d’EME ont été obtenus à nouveau et étaient associées à la réussite de l’encodage d’associations de visages-paysages. Un deuxième aspect de cette étude visait à investiguer la présence d’effets semblables chez de jeunes enfants sains, étant donné plusieurs études suggérant que le PC et la mémoire relationnelle soient fonctionnels dans la première année de vie. Cependant, étant donné l’absence d’effets dans ce groupe, les résultats de la deuxième étude suggèrent que la présence du PC tôt dans le développement s’appuie possiblement sur d’autres ressources que la mémoire relationnelle. Les études de cette thèse sont une première démonstration du potentiel que représentent les mesures de SN et d’EME dans la compréhension des mécanismes qui sous-tendent la perception et l’apprentissage visuel.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.004
Threshold uncertainty score0.013

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.005
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0000.001
Scholarly communication0.0010.002
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.038
GPT teacher head0.286
Teacher spread0.248 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicEconomics of Agriculture and Food MarketsFrench-language works237,207