Summary

מדידת למידה סטטיסטית על פני שיטות ותחומים בילדים בגיל בית הספר באמצעות פלטפורמה מקוונת וטכניקות הדמיה עצבית

Published: June 30, 2020
doi:

Summary

מוצג כאן פרוטוקול המציג קבוצה של משימות למידה סטטיסטיות ידידותיות לילדים המיועדות לבחון את הלמידה של ילדים של דפוסים סטטיסטיים זמניים על פני תחומים וmodalities חושי. המשימות המפותחות אוספות נתונים התנהגותיים באמצעות הפלטפורמה מבוססת האינטרנט ונתוני הדמיית תהודה מגנטית פונקציונלית (fMRI) המבוססת על משימות לבדיקת מעורבות עצבית במהלך למידה סטטיסטית.

Abstract

למידה סטטיסטית, מיומנות בסיסית לחלץ סדירות בסביבה, נחשבת לעתים קרובות מנגנון תמיכה הליבה של התפתחות השפה הראשונה. בעוד מחקרים רבים של למידה סטטיסטית נערכים בתוך תחום יחיד או מודאליות, ראיות האחרונות מצביעות על כך מיומנות זו עשויה להיות שונה בהתבסס על ההקשר שבו הגירויים מוצגים. בנוסף, מחקרים מעטים חוקרים את הלמידה כפי שהיא מתפתחת בזמן אמת, במקום להתמקד בתוצאה של למידה. בפרוטוקול זה, אנו מתארים גישה לזיהוי הבסיס הקוגניטיבי והעצבי של למידה סטטיסטית, בתוך אדם, על פני תחומים (לשוניים לעומת לא לשוניים) ופשטיות חושית (חזותית ושמיעתית). המשימות נועדו להטיל ביקוש קוגניטיבי קטן ככל האפשר על המשתתפים, מה שהופך אותו אידיאלי עבור ילדים בגיל בית הספר הצעיר ואוכלוסיות מיוחדות. האופי מבוסס האינטרנט של המשימות ההתנהגותיות מציע לנו הזדמנות ייחודית להגיע לאוכלוסיות מייצגות יותר ברחבי הארץ, להעריך גדלי אפקטים בדיוק רב יותר, ולתרום למחקר פתוח ותו לא. האמצעים העצביים המסופקים על ידי משימת הדמיית תהודה מגנטית פונקציונלית (fMRI) יכולים ליידע את החוקרים על המנגנונים העצביים העוסקים במהלך למידה סטטיסטית, וכיצד אלה עשויים להיות שונים בין אנשים על בסיס תחום או מודאליות. לבסוף, שתי המשימות מאפשרות מדידה של למידה בזמן אמת, כאשר שינויים בזמן התגובה לגירוי היעד נמצאים במעקב לאורך תקופת החשיפה. המגבלה העיקרית של שימוש בפרוטוקול זה מתייחסת למשך השעה של הניסוי. ילדים יצטרכו להשלים את כל ארבע משימות הלמידה הסטטיסטיות בישיבה מרובה. לכן, הפלטפורמה מבוססת האינטרנט מתוכננת מתוך מחשבה על מגבלה זו כך שפעילויות יווצרמו בנפרד. מתודולוגיה זו תאפשר למשתמשים לחקור כיצד תהליך הלמידה הסטטיסטית מתפתח בתחומים ובתוך תחומים ושיטות בילדים מרקע התפתחותי שונה.

Introduction

למידה סטטיסטית היא מיומנות יסודית התומכת ברכישת שילובים הנשלטים על-ידי כללים בתשומות שפה1. יכולת למידה סטטיסטית מוצלחת אצל תינוקות מנבאת הצלחה מאוחרת יותר בלימוד שפה2,,3. שונות במיומנויות למידה סטטיסטית בילדים בגיל בית הספר גם נקשר אוצרמילים 4 וקריאה5,6. קושי בלמידה סטטיסטית הוצע כמנגנון אטיאולוגי אחד הבסיסי ליקוי שפה7. למרות הקשר בין למידה סטטיסטית לתוצאות שפה הן באוכלוסיות נוירו-טיפוסיות והן באוכלוסיות לא טיפוסיות, המנגנונים הקוגניטיביים והנוירולוגיים הבסיסיים של הלמידה הסטטיסטית נותרים מובנים היטב. בנוסף, ספרות קודמת חשפה כי בתוך אדם, יכולת למידה סטטיסטית אינה אחידה אלא עצמאית בתחומיםובמודאליות 6,,8,9. המסלול ההתפתחותי של יכולות למידה סטטיסטיות עשוי להשתנות עוד יותר בין תחומים ומודאליות10. ממצאים אלה מדגישים את החשיבות של הערכת הבדלים בודדים בלמידה סטטיסטית על פני משימות מרובות במהלך הפיתוח. עם זאת, השדה דורש תחילה חקירה שיטתית יותר של הקשר בין למידה סטטיסטית ופיתוח שפה ראשונה. כדי לענות על שאלות אלה, אנו מיישמים שיטות חדשניות,לרבות פלטפורמת בדיקה מבוססת אינטרנט 11 שמגיעה למספר רב של ילדים, וטכניקות הדמיה עצבית מבוססת מעבדה (הדמיית תהודה מגנטית פונקציונלית, או fMRI) הבוחנות את הקידוד בזמן אמת של מידע סטטיסטי.

מדדים סטנדרטיים של למידה סטטיסטית מתחילים בשלב היכרות ולאחר מכן בחירה כפויה של שתי חלופות (2-AFC)משימה 12,13. שלב ההיכרות מציג זרם מתמשך של גירויים משובצים קבועים סטטיסטיים, שבו גירויים מסוימים נוטים יותר להתרחש במקום מאשר לאחרים. המצגת של גירויים אלה המתרחשים במקום מצייתת לסדר זמן קבוע. המשתתפים נחשפים באופן פסיבי לזרם במהלך שלב ההיכרות, ולאחר מכן משימה של 2-AFC שבונה אם המשתתף חילץ בהצלחה את התבניות. משימת הדיוק של 2-AFC מציגה שני רצפים רצופים: רצף אחד הוצג למשתתף במהלך שלב ההיכרות, בעוד שהשנייה היא רצף חדשני, או מכילה חלק מהרצף. דיוק מעל סיכוי ב-2-AFC יצביע על למידה מוצלחת ברמת הקבוצה. משימות התנהגותיות מסורתיות המעריכות למידה סטטיסטית מסתמכות בדרך כלל על דיוק כמדד התוצאה של למידה. עם זאת, הדיוק אינו מסביר את הלמידה הטבעית של מידע כפי שהוא מתגלה בזמן. יש צורך למדוד למידה בזמן אמת כדי לנצל את תהליך הלמידה המשתמע של למידה סטטיסטית שבמהלכה הילדים עדיין מקודדים אתהקבועים מהתשומות 14,15,16. התאמות שונות על פני פרדיגמיות פותחו במאמץ להתרחק 2-AFC למדוד, לקראת אמצעים של למידה אונליין באמצעות תגובות התנהגותיות במהלךהחשיפה 16. מחקרים המנצלים התאמות אלה המודדות את זמן התגובה במהלך שלב החשיפהמצאו שהם קשורים לדיוק שלאחר הלמידה 17 עם אמינות טובה יותר של בדיקת מבחן בהשוואה לדיוק של לומדיםמבוגרים 18.

אמצעים עצביים הם גם בסיס להבנתנו כיצד הלמידה מתפתחת לאורך זמן, כמו התהליך המשתמע שבו לימוד שפה מתרחשת כנראה מגייס משאבים עצביים שונים מאלה המשמשים פעםשפה לומד 19. אמצעים עצביים מספקים גם תובנות על הבדלים בהתמחויות קוגניטיביות הבסיסיות יכולת השפה על פני אוכלוסיות מיוחדות20. כיצד ניגודיות המצב מתוכנן במחקר fMRI הוא קריטי עבור איך אנו מפרשים דפוסים של הפעלה עצבית במהלך הלמידה. מנהג נפוץ אחד הוא להשוות תגובות מוחיות במהלך שלב ההיכרות בין רצפים המכילים דפוסים רגילים לעומת אלה המכילים את אותם גירויים אשר מסודרים באופן אקראי. עם זאת, מחקרים קודמים המיישמים מצב שליטה אקראי כזה לא מצאו ראיות ללמידה בהתנהגות, למרות הבדלים עצביים בין רצפים מובנים ואקראיים. ייתכן שהסיבה לכך היא הפרעה של רצפים אקראיים על למידה של רצפים מובנים, כמו שניהם נבנומאותו גירויים 21,22. מחקרים אחרים fMRI אשר השתמשו בדיבור לאחור או בלוקי למידה מוקדמים יותר כמו מצב הבקרה אישרלמידה התקיים התנהגותית 19,23. עם זאת, כל אחת מהפרדיגות הללו הציגה גורם מבלבל משלה, כגון השפעת עיבוד השפה על המקרה הקודם וההשפעה של הסדר הניסיוני על המקרה האחרון. הפרדיגמה שלנו משתמשת ברצף האקראי כתנאי הבקרה, אך מפחיתה את ההפרעות שלהם בלימוד הרצפים המוגנים. פרדיגמת fMRI שלנו מיישמת גם עיצוב מעורב הקשור לבלוק/אירוע, המאפשר מידול בו-זמני של אותות מודגשים הקשורים למשימה ארעית ומתמשךהקשורים למשימה 24. לבסוף, ובאופן רחב יותר, אמצעים עצביים מאפשרים מדידה של למידה באוכלוסיות שבהן תגובה התנהגותית מפורשת עשויה להיות קשה (למשל, אוכלוסיות התפתחותיותומיוחדות) 25.

הפרוטוקול הנוכחי מאמץ מדד זמן תגובה, בנוסף לאמצעי דיוק מסורתיים, ובוחן את הפעלת המוח במהלך שלב ההיכרות. השילוב של שיטות אלה נועד לספק dataset עשיר לחקירה של תהליכי למידה בזמן אמת. הפלטפורמה מבוססת האינטרנט מציעה סט של אמצעי למידה על-ידי הכללת זמן תגובה הן בשלב החשיפה והן דיוק של משימת 2-AFC במהלך שלב הבדיקה. פרוטוקול ההדמיה העצבית מאפשר חקירה של המנגנונים העצביים הבסיסיים התומכים בלמידה סטטיסטית בתחומים ובתחום. למרות שזה אופטימלי למדוד למידה סטטיסטית בתוך אדם באמצעות פרוטוקולים מבוססי אינטרנט וfMRI, המשימות מתוכננות כך שהם עשויים להיות מ מופלים באופן עצמאי, ולכן, כשני מדדים עצמאיים של למידה סטטיסטית. ניסויי fMRI הכלולים בפרוטוקול הנוכחי יכולים לעזור להבהיר כיצד קידוד גירוי, הפקת תבניות ורכיבים מרכיבים מרכיבים אחרים של למידה סטטיסטית מיוצגים על ידי אזורים ורשתות מוח מסוימים.

Protocol

כל המשתתפים נתנו הסכמה בכתב להשתתף וללמוד נערך בהתאם למועצת הביקורת המוסדית. 1. סקירה כללית של פרדיגמת הלמידה הסטטיסטית המנוצלת בפרוטוקול מבוסס האינטרנט כלול ארבע משימות בפרדיגמה הנוכחית: תמונה (חזותית-לא לשונית), אות (חזותית-לשונית), טון (שמיעתי-לא לשוני) והברה (שמיעתי?…

Representative Results

תוצאות התנהגותיות מבוססות אינטרנטבהתחשב בפרוטוקול הנוכחי מיועד להפצה קלה עם אוכלוסיות התפתחותיות, כללנו תוצאות ראשוניות מבוססות אינטרנט המבוססות על נתונים מ-22 ילדים בגיל בית ספר מתפתחים (ממוצע (M) גיל = 9.3 שנים, סטיית תקן (SD) גיל = 2.04 שנים, טווח = 6.2-12.6 שנים, 13 בנות). במשימת למידה סטט?…

Discussion

השיטות המוצגות בפרוטוקול הנוכחי מספקות פרדיגמה רב-מודאלית להבנת המדדים ההתנהגותיים והנוירית של למידה סטטיסטית במהלך הפיתוח. העיצוב הנוכחי מאפשר זיהוי של הבדלים בודדים ביכולת הלמידה הסטטיסטית בין שיטות ותחומים, אשר יכול לשמש לחקירה עתידית של הקשר בין למידה סטטיסטית ופיתוח שפה. מאחר שנמצ…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

אנו מודים ליואל סנצ’ז אראוחו וונדי ג’ורגן על תרומתם בעיצוב הראשוני של הפלטפורמה מבוססת האינטרנט. אנו מודים לנגוין וויולט קוזלוף על עבודתן על שיפור משימות הלמידה הסטטיסטית מבוססות האינטרנט, יישום משימות ה-fMRI והטייס המשימות במשתתפים מבוגרים. אנו מודים לויולט קוזלוף ופרקר רובינס על תרומתם בסיוע לאיסוף נתונים בילדים. אנו מודים לאיברהים מאליק, ג’ון כריסטופר, טרבור ויטאל וקית’ שניידר במרכז להדמיה ביולוגית ומוח באוניברסיטת דלאוור על עזרתם באיסוף נתונים בהדמיה עצבית. עבודה זו ממומנת בחלקה על ידי המכון הלאומי לחירשות והפרעות תקשורת אחרות (PI: Qi; NIH 1R21DC017576) והנהלת הקרן הלאומית למדעים חברתיים, התנהגותיים וכלכליים (PI: שניידר, Co-PI: צ’י & גולינקוף; NSF 1911462).

Materials

4 Button Inline Response Device Cambridge Research Systems SKU: N1348 An fMRI reponse pad used for measuring in-scanner response time
Short/Slim Canal Tips Comply Foam SKU: 40-15028-11 Short & slim in-ear canal tips are recommended for children to protect hearing and allow for them to hear the stimuli while in the scanner.
jsPsych jsPsych https://www.jspsych.org/ jsPsych is a JavaScript library for running behavioral experiments in a web browser.
Speech Synthesizer Praat Version 6.1.14 This program is an artificial speech synthesizer which was used to create the syllable stimuli.
Web-based statistical learning tasks Zenodo http://doi.org/10.5281/zenodo.3820620 (2020). All web-based statistical learning tasks are available for free access on Zenodo.

Referenzen

  1. Saffran, J. R., Newport, L. L., Aslin, R. N. Word Segmentation: The Role of Distributional Cues. Journal of Memory and Language. 35, 606-621 (1996).
  2. Newman, R., Ratner, N. B., Jusczyk, A. M., Jusczyk, P. W., Dow, K. A. Infants’ early ability to segment the conversational speech signal predicts later language development: A retrospective analysis. Developmental Psychology. 42 (4), 643-655 (2006).
  3. Graf Estes, K., Gluck, S. C. W., Grimm, K. J. Finding patterns and learning words: Infant phonotactic knowledge is associated with vocabulary size. Journal of Experimental Child Psychology. 146, 34-49 (2016).
  4. Evans, J. L., Saffran, J. R., Robe-Torres, K. Statistical Learning in Children With Specific Language Impairment. Journal of Speech, Language, and Hearing Research. 52 (2), 321-335 (2009).
  5. Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
  6. Qi, Z., Sanchez Araujo, Y., Georgan, W. C., Gabrieli, J. D. E., Arciuli, J. Hearing Matters More Than Seeing: A Cross-Modality Study of Statistical Learning and Reading Ability. Scientific Studies of Reading. 23 (1), 101-115 (2019).
  7. Walenski, M., Tager-Flusberg, H. B., Ullman, M. T., Moldin, S. O., Rubenstein, J. L. R. Language in autism. Understanding autism: From Basic Neuroscience to Treatment. , 175-203 (2006).
  8. Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
  9. Erickson, L. C., Kaschak, M. P., Thiessen, E. D., Berry, C. A. S. Individual Differences in Statistical Learning: Conceptual and Measurement Issues. Collabra. 2 (1), 14 (2016).
  10. Shufaniya, A., Arnon, I. Statistical Learning Is Not Age-Invariant During Childhood: Performance Improves With Age Across Modality. Cognitive Science. 42 (8), 3100-3115 (2018).
  11. Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
  12. Conway, C. M., Christiansen, M. H. Statistical learning within and between modalities: Pitting abstract against stimulus-specific representations. Psychological Science. 17 (10), 905-912 (2006).
  13. Saffran, J. R., Johnson, E. K., Aslin, R. N., Newport, E. L. Statistical learning of tone sequences by human infants and adults. Cognition. 70 (1), 27-52 (1999).
  14. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  15. Armstrong, B. C., Frost, R., Christiansen, M. H. The long road of statistical learning research: past, present and future. Philosophical Transactions of the Royal Society B: Biological Sciences. 372 (1711), 20160047 (2017).
  16. Siegelman, N., Bogaerts, L., Christiansen, M. H., Frost, R. Towards a theory of individual differences in statistical learning. Transactions of the Royal Society B. 372 (1711), 20160059 (2017).
  17. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
  18. Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
  19. Plante, E., Patterson, D., Dailey, N. S., Kyle, R. A., Fridriksson, J. Dynamic changes in network activations characterize early learning of a natural language. Neuropsychologia. 62 (1), 77-86 (2014).
  20. Milne, A. E., Wilson, B., Christiansen, M. H., Petkov, C., Marslen-Wilson, W. Structured sequence learning across sensory modalities in humans and nonhuman primates This review comes from a themed issue on The evolution of language. Current Opinion in Behavioral Sciences. 21, 39-48 (2018).
  21. Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
  22. McNealy, K., Mazziotta, J. C., Dapretto, M. Age and experience shape developmental changes in the neural basis of language-related learning. Developmental Science. 14 (6), 1261-1282 (2011).
  23. Karuza, E. A., Emberson, L. L., Aslin, R. N. Combining fMRI and behavioral measures to examine the process of human learning. Neurobiology of Learning and Memory. 109, 193-206 (2014).
  24. Petersen, S. E., Dubis, J. W. The mixed block/event-related design. NeuroImage. 62 (2), 1177-1184 (2012).
  25. Batterink, L. J., Paller, K. A., Reber, P. J. Understanding the Neural Bases of Implicit and Statistical Learning. Topics in Cognitive Science. 11, 482-503 (2019).
  26. Boersma, P., Weenink, D. . Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
  27. Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
  28. Conway, C. M., Christiansen, M. H. Seeing and hearing in space and time: Effects of modality and presentation rate on implicit statistical learning. European Journal of Cognitive Psychology. 21 (4), 561-580 (2009).
  29. Emberson, L. L., Conway, C. M., Christiansen, M. H. Timing is everything: Changes in presentation rate have opposite effects on auditory and visual implicit statistical learning. Quarterly Journal of Experimental Psychology. 64 (5), 1021-1040 (2011).
  30. de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
  31. Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
  32. Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
  33. Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3 (1), 1-9 (2016).
  34. Halchenko, Y. . nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
  35. Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
  36. Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
  37. Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  38. Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
  39. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
  40. Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 173-186 (2009).
  41. Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), 1005350 (2017).
  42. Arnon, I. Do current statistical learning tasks capture stable individual differences in children? An investigation of task reliability across modality. Behavior Research Methods. 52 (1), 68-81 (2020).
  43. Finn, A. S., Hudson Kam, C. L. The curse of knowledge: First language knowledge impairs adult learners’ use of novel statistics for word segmentation. Cognition. 108 (2), 477-499 (2008).
  44. Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
  45. De Leeuw, J. R., Motz, B. A. Psychophysics in a Web browser? Comparing response times collected with JavaScript and Psychophysics Toolbox in a visual search task. Behavior Research Methods. 48, 1-12 (2016).
  46. Lew-Williams, C., Saffran, J. R. All words are not created equal: Expectations about word length guide infant statistical learning. Cognition. 122 (2), 241-246 (2012).
  47. Poulin-Charronnat, B., Perruchet, P., Tillmann, B., Peereman, R. Familiar units prevail over statistical cues in word segmentation. Psychological Research. 81 (5), 990-1003 (2017).
  48. Leonard, J., Flournoy, J., Lewis-de los Angeles, C. P., Whitaker, K. How much motion is too much motion? Determining motion thresholds by sample size for reproducibility in developmental resting-state MRI. Research Ideas and Outcomes. 3, 12569 (2017).
  49. Power, J. D., et al. Ridding fMRI data of motion-related influences: Removal of signals with distinct spatial and physical bases in multiecho data. Proceedings of the National Academy of Sciences of the United States of America. 115 (9), 2105-2114 (2018).
check_url/de/61474?article_type=t

Play Video

Diesen Artikel zitieren
Schneider, J. M., Hu, A., Legault, J., Qi, Z. Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques. J. Vis. Exp. (160), e61474, doi:10.3791/61474 (2020).

View Video