Les processus d'apprentissage fondamentaux sont-ils prédicteurs du neurodéveloppement?
Bibliographic record
Abstract
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.
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 | 0.002 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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.
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".