Mätning av statistiskt lärande över modaliteter och domäner i skolåldern barn via en online-plattform och neuroimaging tekniker
Summary
Presenteras här är ett protokoll som inför en uppsättning barnvänliga statistiska lärande uppgifter inriktade på att undersöka barns lärande av tidsmässiga statistiska mönster över domäner och sensoriska modaliteter. De utvecklade uppgifterna samlar in beteendedata med hjälp av den webbaserade plattformen och uppgiftsbaserade fMRI-data (functional magnetic resonance imaging) för att undersöka neuralt engagemang under statistisk inlärning.
Abstract
Statistiskt lärande, en grundläggande färdighet att utvinna regelbundenheter i miljön, anses ofta vara en kärnstödsmekanism för förstaspråksutvecklingen. Medan många studier av statistiskt lärande genomförs inom en enda domän eller modalitet, tyder nyligen på att denna färdighet kan skilja sig åt baserat på det sammanhang där stimuli presenteras. Dessutom är det få studier som undersöker lärandet som det utvecklar sig i realtid, snarare med fokus på resultatet av lärandet. I detta protokoll beskriver vi ett tillvägagångssätt för att identifiera den kognitiva och neurala grunden för statistiskt lärande, inom en individ, över domäner (språkliga kontra icke-språkliga) och sensoriska modaliteter (visuella och auditiva). Uppgifterna är utformade för att kasta så lite kognitiv efterfrågan som möjligt på deltagarna, vilket gör den idealisk för unga skolåldern barn och speciella populationer. Den webbaserade karaktären hos beteendeuppgifterna erbjuder en unik möjlighet för oss att nå mer representativa populationer över hela landet, att uppskatta effektstorlekar med större precision och att bidra till öppen och reproducerbar forskning. De neurala åtgärder som tillhandahålls av den funktionella magnetisk resonanstomografi (fMRI) uppgift kan informera forskare om neurala mekanismer som anlitas under statistisk inlärning, och hur dessa kan skilja sig mellan individer på grundval av domän eller modalitet. Slutligen, båda uppgifterna möjliggör mätning av realtid lärande, som förändringar i reaktionstiden till ett mål stimulans spåras över exponeringsperioden. Den huvudsakliga begränsningen för att använda detta protokoll avser experimentets timslånga varaktighet. Barn kan behöva slutföra alla fyra statistiska inlärningsuppgifter i flera sammanträden. Därför är den webbaserade plattformen utformad med denna begränsning i åtanke så att uppgifter kan spridas individuellt. Denna metodik kommer att göra det möjligt för användare att undersöka hur processen för statistiskt lärande utvecklas över och inom domäner och modaliteter hos barn från olika utvecklingsbakgrunder.
Introduction
Statistisk inlärning är en elementär färdighet som stöder förvärv av regelstyrda kombinationer i språkingångar1. Framgångsrik statistisk inlärningsförmåga hos spädbarn förutspår senare språkinlärning framgång2,3. Variation i statistisk inlärningsförmåga hos barn i skolåldern har också förknippats medordförråd 4 och läsning5,6. Svårigheten i statistisk inlärning har föreslagits som en etiologisk mekanism som ligger till grund för språkförsämring7. Trots sambandet mellan statistisk inlärning och språkresultat i både neurotypiska och atypiska populationer, är de kognitiva och de neurala mekanismerna underliggande statistisk inlärning fortfarande dåligt förstådda. Dessutom har tidigare litteratur visat att, inom en individ, statistisk inlärningsförmåga är inte enhetlig utan oberoende över domäner och modaliteter6,8,9. Utvecklingsbanan för statistiska inlärningsförmågor kan ytterligare variera mellan domäner och modaliteter10. Dessa resultat betonar vikten av att bedöma individuella skillnader i statistiskt lärande över flera uppgifter under hela utvecklingen. Fältet kräver dock först en mer systematisk undersökning av sambandet mellan statistisk inlärning och förstaspråksutveckling. För att ta itu med dessa frågor tillämpar vi innovativa metoder inklusive en webbaserad testplattform11 som når ett stort antal barn, och laboratoriebaserade neuroimaging tekniker (funktionell magnetisk resonanstomografi, eller fMRI) som undersöker realtidskodning av statistisk information.
Standardmått av statistiskt lärande börjar med en förtrogenhetsfas och följs av en två-alternativ påtvingad val (2-AFC) uppgift12,13. Förtrogenhetsfasen införs en kontinuerlig ström av stimuli inbäddade med statistiska regularities, där vissa stimuli är mer benägna att samföra sig än andra. Presentationen av dessa co-förekommande stimuli följer en fast tidsbestämd ordning. Deltagarna är passivt utsatta för strömmen under förtrogenhetsfasen, följt av en 2-AFC-uppgift som testar om deltagaren framgångsrikt extraherade mönstren. 2-AFC noggrannhetsuppgiften presenterar två på varandra följande sekvenser: en sekvens har presenterats för deltagaren under förtrogenhetsfasen, medan den andra är en ny sekvens, eller innehåller en del av sekvensen. Överchansen noggrannhet på 2-AFC skulle tyda på ett framgångsrikt lärande på gruppnivå. Traditionella beteendemässiga uppgifter bedöma statistiskt lärande i allmänhet förlita sig på noggrannhet som resultatet mått på lärande. Men noggrannhet misslyckas med att ta hänsyn till den naturliga inlärning av information som det utvecklar sig i tid. Ett mått på realtidslärande är nödvändigt för att utnyttja den implicita inlärningsprocessen för statistiskt lärande under vilken barn fortfarande kodar regelbundenheterna från ingångarna14,15,16. Olika anpassningar över paradigm har utvecklats i ett försök att gå bort från 2-AFC-måttet, mot åtgärder för on-line lärande genom beteendemässiga svar underexponeringen 16. Studier som utnyttjar dessa anpassningar som mäter reaktionstiden under exponeringsfasen fann att de var relaterade till noggrannhet efter lärande17 med bättre test-retest tillförlitlighet jämfört med noggrannheten hos vuxna elever18.
Neurala åtgärder är också grundläggande för vår förståelse av hur lärande utvecklas över tiden, eftersom den implicita process genom vilken språkinlärning sker sannolikt rekryterar olika neurala resurser från dem som används när språket är lärt19. Neurala åtgärder ger också insikter i skillnader i kognitiva inriktningar underliggande språkförmåga över särskilda populationer20. Hur tillståndskontrasten är utformad i en fMRI-studie är avgörande för hur vi tolkar mönster av neural aktivering under inlärning. En vanlig praxis är att jämföra hjärnans svar under förtrogenhet fasen mellan sekvenser som innehåller regelbundna mönster jämfört med de som innehåller samma stimuli som beställs slumpmässigt. Emellertid, tidigare forskning genomföra en sådan slumpmässig kontroll villkor hittade inga bevis för lärande i beteende, trots neurala skillnader mellan strukturerade och slumpmässiga sekvenser. Detta kan bero på störningar av slumpmässiga sekvenser på lärande av strukturerade sekvenser, som båda var konstruerade från samma stimuli21,22. Andra fMRI studier som utnyttjade bakåt tal eller tidigare lärande block som kontroll villkoret bekräftade lärande ägde rum behaviorally19,23. Var och en av dessa paradigm införde dock sin egen sammanbluffande faktor, såsom effekten av språkbearbetning för det förra fallet och effekten av den experimentella ordningen för det senare fallet. Vårt paradigm använder den slumpmässiga sekvensen som kontrollvillkor men mildrar deras inblandning på deltagarnas inlärning av de strukturerade sekvenserna. Vår fMRI paradigm implementerar också en blandad block / händelse-relaterade design, som möjliggör samtidig modellering av transienta försöksrelaterade och ihållande uppgiftsrelaterade BOLD signaler24. Slutligen, och mer allmänt, neurala åtgärder möjliggör mätning av lärande i populationer där framkalla en explicit beteendemässiga svar kan vara svårt (t.ex. utvecklingsmässiga och särskilda populationer)25.
Det nuvarande protokollet antar en åtgärd svarstid, förutom traditionella noggrannhet åtgärder, och undersöker hjärnans aktivering under förtrogenhet fas. Kombinationen av dessa metoder syftar till att ge en rik datauppsättning för undersökning av realtidslärande processer. Den webbaserade plattformen erbjuder en uppsättning inlärningsåtgärder genom att inkludera både svarstid under exponeringsfasen och noggrannheten i 2-AFC-uppgiften under testfasen. Neuroimaging protokollet möjliggör för undersökningen av de underliggande neurala mekanismer stödja statistiska lärande över domäner och modaliteter. Även om det är optimalt att mäta statistiskt lärande inom en individ med hjälp av både de webbaserade och fMRI-protokollen, är uppgifterna utformade så att de kan spridas självständigt, och därför, som två oberoende mått på statistiskt lärande. De fMRI-experiment som ingår i det aktuella protokollet kan bidra till att klargöra hur stimulus kodning, mönsterutdragning och andra ingående komponenter i statistiskt lärande representeras av särskilda hjärnregioner och nätverk.
Protocol
Representative Results
Discussion
De metoder som presenteras i det aktuella protokollet ger ett multimodalt paradigm för att förstå de beteendemässiga och neurala indexen för statistiskt lärande under loppet av utveckling. Den nuvarande utformningen möjliggör identifiering av individuella skillnader i statistisk inlärningsförmåga över olika modaliteter och domäner, som kan användas för framtida utredning av sambandet mellan statistisk inlärning och språkutveckling. Eftersom en individers statistiska inlärningsförmåga befinns variera m…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Vi tackar Yoel Sanchez Araujo och Wendy Georgan för deras bidrag i den initiala utformningen av den webbaserade plattformen. Vi tackar An Nguyen och Violet Kozloff för deras arbete med att förbättra de webbaserade statistiska inlärningsuppgifterna, genomföra uppgifterna för fMRI och lotsa uppgifterna hos vuxna deltagare. Vi tackar Violet Kozloff och Parker Robbins för deras bidrag till att bistå datainsamlingen hos barn. Vi tackar Ibrahim Malik, John Christopher, Trevor Wigal och Keith Schneider vid Center for Biological and Brain Imaging vid University of Delaware för deras hjälp med insamling av neuroimagingdata. Detta arbete finansieras delvis av Det nationella institutet för dövhet och andra kommunikationsstörningar (PI: Qi; NIH 1R21DC017576) och National Science Foundation Direktoratet för sociala, beteendemässiga & ekonomiska vetenskaper (PI: Schneider, Co-PI: Qi & Golinkoff; 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. |
References
- 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).
- 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).
- 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).
- 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).
- Arciuli, J., Simpson, I. C. Statistical Learning Is Related to Reading Ability in Children and Adults. Cognitive Science. 36 (2), 286-304 (2012).
- 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).
- 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).
- Siegelman, N., Frost, R. Statistical learning as an individual ability: Theoretical perspectives and empirical evidence. Journal of Memory and Language. 81, 105-120 (2015).
- 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).
- 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).
- Qi, Z., et al. An online platform for visual and auditory statistical learning for school-aged children (Version 1.0.0). Zenodo. , (2020).
- 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).
- 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).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- 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).
- 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).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical Learning Across Development: Flexible Yet Constrained. Frontiers in Psychology. 3, 598 (2013).
- Siegelman, N., Bogaerts, L., Elazar, A., Arciuli, J., Frost, R. Linguistic entrenchment: Prior knowledge impacts statistical learning performance. Cognition. 177, 198-213 (2018).
- 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).
- 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).
- Mcnealy, K., Mazziotta, J., Dapretto, M. Cracking the Language Code: Neural Mechanisms Underlying Speech Parsing. Journal of Neuroscience. 26 (29), 7629-7639 (2006).
- 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).
- 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).
- Petersen, S. E., Dubis, J. W. The mixed block/event-related design. NeuroImage. 62 (2), 1177-1184 (2012).
- 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).
- Boersma, P., Weenink, D. . Praat: doing phonetics by computer [Computer program]. Version 601014. , (2020).
- Boersma, P. Praat, a system for doing phonetics by computer. Glot International. 5 (9), 341-345 (2001).
- 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).
- 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).
- de Leeuw, J. R. jsPsych: A JavaScript library for creating behavioral experiments in a Web browser. Behavior Research Methods. 47 (1), 1-12 (2015).
- Kana, R. K., et al. Probing the brain in autism using fMRI and diffusion tensor imaging. Journal of Visualized Experiments. (55), e3178 (2011).
- Casey, B. J., et al. The Adolescent Brain Cognitive Development (ABCD) study: Imaging acquisition across 21 sites. Developmental Cognitive Neuroscience. 32, 43-54 (2018).
- 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).
- Halchenko, Y. . nipy/heudiconv v0.6.0 (Version v0.6.0). Zenodo. , (2019).
- Esteban, O., et al. FMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
- Esteban, O., et al. Analysis of task-based functional MRI data preprocessed with fMRIPrep. bioRxiv. , 694364 (2020).
- Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
- Woolrich, M. W., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, 173-186 (2009).
- Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), 1005350 (2017).
- 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).
- 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).
- Krogh, L., Vlach, H. A., Johnson, S. P. Statistical learning across development: Flexible yet constrained. Frontiers in Psychology. 3, 598 (2013).
- 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).
- 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).
- 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).
- 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).
- 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).
