एक ऑनलाइन प्लेटफॉर्म और न्यूरोइमेजिंग तकनीकों के माध्यम से स्कूल-आयु वर्ग के बच्चों में तौर-तरीकों और डोमेन में सांख्यिकीय सीखने को मापना
Summary
यहां प्रस्तुत एक प्रोटोकॉल है जो डोमेन और संवेदी तौर-तरीकों में अस्थायी सांख्यिकीय पैटर्न के बच्चों के सीखने की जांच करने की दिशा में सक्षम बच्चों के अनुकूल सांख्यिकीय सीखने के कार्यों का एक सेट शुरू करता है। विकसित कार्य सांख्यिकीय सीखने के दौरान तंत्रिका सगाई की जांच के लिए वेब-आधारित मंच और कार्य-आधारित कार्यात्मक चुंबकीय अनुलातन इमेजिंग (एफएमआरआई) डेटा का उपयोग करके व्यवहार डेटा एकत्र करते हैं।
Abstract
सांख्यिकीय सीखने, पर्यावरण में नियमितता निकालने के लिए एक मौलिक कौशल, अक्सर पहली भाषा के विकास का एक मुख्य सहायक तंत्र माना जाता है । जबकि सांख्यिकीय सीखने के कई अध्ययन एक ही डोमेन या तौर-तरीके के भीतर आयोजित किए जाते हैं, हाल के साक्ष्यों से पता चलता है कि यह कौशल उस संदर्भ के आधार पर भिन्न हो सकता है जिसमें उत्तेजनाएं प्रस्तुत की जाती हैं। इसके अलावा, कुछ अध्ययन सीखने की जांच के रूप में यह वास्तविक समय में करेंगी, बल्कि सीखने के परिणाम पर ध्यान केंद्रित । इस प्रोटोकॉल में, हम सांख्यिकीय सीखने के संज्ञानात्मक और तंत्रिका आधार की पहचान करने के लिए एक दृष्टिकोण का वर्णन करते हैं, एक व्यक्ति के भीतर, डोमेन (भाषाई बनाम गैर-भाषाई) और संवेदी तौर-तरीके (दृश्य और श्रवण) में। कार्यों के लिए प्रतिभागियों पर संभव के रूप में थोड़ा संज्ञानात्मक मांग के रूप में डाली डिजाइन किए हैं, यह युवा स्कूल आयु वर्ग के बच्चों और विशेष आबादी के लिए आदर्श बना । व्यवहार कार्यों की वेब-आधारित प्रकृति हमारे लिए राष्ट्रव्यापी अधिक प्रतिनिधि आबादी तक पहुंचने, अधिक सटीकता के साथ प्रभाव आकार का अनुमान लगाने और खुले और प्रजनन योग्य अनुसंधान में योगदान करने का एक अनूठा अवसर प्रदान करती है। कार्यात्मक चुंबकीय अनुनय इमेजिंग (एफएमआरआई) कार्य द्वारा प्रदान किए गए तंत्रिका उपाय शोधकर्ताओं को सांख्यिकीय सीखने के दौरान लगे तंत्रिका तंत्र के बारे में सूचित कर सकते हैं, और ये डोमेन या मोडलिज्म के आधार पर व्यक्तियों में कैसे भिन्न हो सकते हैं। अंत में, दोनों कार्य वास्तविक समय सीखने के माप के लिए अनुमति देते हैं, क्योंकि लक्ष्य उत्तेजना के लिए प्रतिक्रिया समय में परिवर्तन एक्सपोजर अवधि में ट्रैक किया जाता है। इस प्रोटोकॉल का उपयोग करने की मुख्य सीमा प्रयोग की घंटे भर की अवधि से संबंधित है। बच्चों को कई बैठकों में सभी चार सांख्यिकीय सीखने के कार्यों को पूरा करने की आवश्यकता हो सकती है । इसलिए, वेब-आधारित प्लेटफ़ॉर्म को इस सीमा को ध्यान में रखकर तैयार किया गया है ताकि कार्यों को व्यक्तिगत रूप से प्रसारित किया जा सके। यह पद्धति उपयोगकर्ताओं को यह जांचने की अनुमति देगी कि विभिन्न विकासात्मक पृष्ठभूमि के बच्चों में सांख्यिकीय सीखने की प्रक्रिया डोमेन और तौर-तरीकों के भीतर कैसे करेंगी।
Introduction
सांख्यिकीय अधिगम भाषा इनपुट1में नियम-शासित संयोजनों के अधिग्रहण का समर्थन करने वाला एक प्राथमिक कौशल है। शिशुओं में सफल सांख्यिकीय सीखने की क्षमता बाद में भाषा सीखने की सफलता की भविष्यवाणी करती है2,3. स्कूल के आयु वर्ग के बच्चों में सांख्यिकीय अधिगम कौशल में परिवर्तनशीलता भी शब्दावली 4 और पढ़ने5 ,6के साथ जुड़ा हुआ है ।6 सांख्यिकीय अधिगम में कठिनाई को भाषा हानि7अंतर्निहित एक एटियोलॉजिकल तंत्र के रूप में प्रस्तावित किया गया है . न्यूरोटाइपिकल और असामान्य आबादी दोनों में सांख्यिकीय सीखने और भाषा परिणामों के बीच संबंध के बावजूद, संज्ञानात्मक और तंत्रिका तंत्र अंतर्निहित सांख्यिकीय सीखने को खराब ढंग से समझा जाता है। इसके अलावा, पिछले साहित्य से पता चला है कि, एक व्यक्ति के भीतर, सांख्यिकीय सीखने की क्षमता एक समान नहीं है, लेकिन डोमेन और तौर-तरीकों में स्वतंत्र है6,,8,,9। सांख्यिकीय सीखने की क्षमताओं का विकास पथ10डोमेन और तौर – तरीकों में और भिन्न हो सकता है । ये निष्कर्ष विकास के दौरान कई कार्यों में सांख्यिकीय सीखने में व्यक्तिगत मतभेदों का आकलन करने के महत्व पर जोर देते हैं । हालांकि, क्षेत्र पहले सांख्यिकीय सीखने और पहली भाषा के विकास के बीच संबंधों की एक और अधिक व्यवस्थित जांच की आवश्यकता है । इन सवालों के समाधान के लिए, हम एक वेब-आधारित परीक्षण मंच11 सहित अभिनव तरीकों को लागू करते हैं जो बड़ी संख्या में बच्चों तक पहुंचता है, और प्रयोगशाला आधारित न्यूरोइमेजिंग तकनीक (कार्यात्मक चुंबकीय अनुनाद इमेजिंग, या एफएमआरआई) जो सांख्यिकीय जानकारी के वास्तविक समय एन्कोडिंग की जांच करते हैं।
सांख्यिकीय सीखने के मानक उपाय एक परिचित चरण के साथ शुरू होते हैं और इसके बाद दो वैकल्पिक मजबूर विकल्प (2-एएफसी) कार्य12,,13हैं। परिचय चरण सांख्यिकीय नियमितताओं के साथ एम्बेडेड उत्तेजनाओं की एक सतत धारा का परिचय देता है, जहां कुछ उत्तेजनाओं को दूसरों की तुलना में सह-होने की अधिक संभावना होती है। इन सह-होने वाली उत्तेजनाओं की प्रस्तुति एक निश्चित लौकिक आदेश का पालन करती है। प्रतिभागियों को निष्क्रिय रूप से परिचित चरण के दौरान स्ट्रीम के संपर्क में आता है, जिसके बाद 2-एएफसी कार्य होता है जो यह परीक्षण करता है कि प्रतिभागी ने सफलतापूर्वक पैटर्न निकाले हैं या नहीं। 2-एएफसी सटीकता कार्य लगातार दो अनुक्रम प्रस्तुत करता है: एक अनुक्रम परिचित चरण के दौरान प्रतिभागी को प्रस्तुत किया गया है, जबकि दूसरा एक उपन्यास अनुक्रम है, या इसमें अनुक्रम का हिस्सा शामिल है। 2-एएफसी पर ऊपर मौका सटीकता समूह स्तर पर सफल सीखने का संकेत होगा । सांख्यिकीय सीखने का आकलन करने वाले पारंपरिक व्यवहार कार्य आम तौर पर सीखने के परिणाम उपाय के रूप में सटीकता पर भरोसा करते हैं। हालांकि, सटीकता जानकारी के प्राकृतिक सीखने के लिए खाते में विफल रहता है के रूप में यह समय में करेंगी । सांख्यिकीय अधिगम की अंतर्निहित अधिगम प्रक्रिया का दोहन करने के लिए वास्तविक समय सीखने का एक उपाय आवश्यक है जिसके दौरान बच्चे अभी भी 14,15 ,,16के इनपुट से नियमितता को एन्कोड कर रहे हैं ।1415 एक्सपोजर16के दौरान व्यवहार प्रतिक्रियाओं के माध्यम से ऑन-लाइन सीखने के उपायों की दिशा में, 2-एएफसी उपाय से दूर जाने के प्रयास में प्रतिमानों में विभिन्न रूपांतरों को विकसित किया गया है। एक्सपोजर चरण के दौरान प्रतिक्रिया समय को मापने वाले इन अनुकूलनों का उपयोग करने वाले अध्ययनों में पाया गया कि वे वयस्क शिक्षार्थियों18 में सटीकता की तुलना में बेहतर परीक्षण-पुनर्परीक्षण विश्वसनीयता के साथ पोस्ट-लर्निंग सटीकता17से संबंधित थे।
तंत्रिका उपाय भी कैसे सीखने समय के साथ करेंगी की हमारी समझ के लिए मूलभूत हैं, के रूप में अंतर्निहित प्रक्रिया है जिसके द्वारा भाषा सीखने की संभावना होती है उन लोगों से विभिंन तंत्रिका संसाधनों की भर्ती एक बार भाषा19 सीखाहै । तंत्रिका उपाय विशेष आबादी में अंतर्निहित भाषा की क्षमता में संज्ञानात्मक विशेषज्ञताओं में अंतर में अंतर्दृष्टि भी प्रदान करते हैं20 कैसे हालत इसके विपरीत एक fMRI अध्ययन में बनाया गया है कैसे हम सीखने के दौरान तंत्रिका सक्रियण के पैटर्न की व्याख्या के लिए महत्वपूर्ण है । एक आम अभ्यास के लिए नियमित पैटर्न बनाम एक ही उत्तेजनाओं जो बेतरतीब ढंग से आदेश दिया जाता है युक्त दृश्यों के बीच परिचय चरण के दौरान मस्तिष्क प्रतिक्रियाओं की तुलना है । हालांकि, इस तरह के एक यादृच्छिक नियंत्रण हालत को लागू करने वाले पिछले शोध को संरचित और यादृच्छिक दृश्यों के बीच तंत्रिका मतभेदों के बावजूद व्यवहार में सीखने के लिए कोई सबूत नहीं मिला। यह संरचित दृश्यों के सीखने पर यादृच्छिक दृश्यों के हस्तक्षेप के कारण हो सकता है, क्योंकि दोनों का निर्माण एक ही उत्तेजना21,,22से किया गया था। अन्य एफएमआरआई अध्ययन जो पिछड़े भाषण या पहले के अधिगम खंडों19,का उपयोग करते थे क्योंकि नियंत्रण की स्थिति की पुष्टि की गई थी। हालांकि, इन प्रतिमानों में से प्रत्येक ने अपने स्वयं के भ्रामक कारक पेश किए, जैसे कि पूर्व मामले के लिए भाषा प्रसंस्करण का प्रभाव और बाद के मामले के लिए प्रायोगिक आदेश का प्रभाव। हमारा प्रतिमान नियंत्रण स्थिति के रूप में यादृच्छिक अनुक्रम का उपयोग करता है, लेकिन संरचित दृश्यों के प्रतिभागियों के सीखने पर उनके हस्तक्षेप को कम करता है। हमारे एफएमआरआई प्रतिमान भी एक मिश्रित ब्लॉक/घटना से संबंधित डिजाइन है, जो क्षणिक परीक्षण से संबंधित और निरंतर कार्य से संबंधित बोल्डसंकेतों 24के एक साथ मॉडलिंग के लिए अनुमति देता है लागू करता है । अंत में, और अधिक मोटे तौर पर, तंत्रिका उपाय आबादी में सीखने के मापन के लिए अनुमति देते हैं जहां एक स्पष्ट व्यवहार प्रतिक्रिया प्राप्त करना मुश्किल हो सकता है (जैसे, विकासात्मक और विशेषआबादी) 25।
वर्तमान प्रोटोकॉल पारंपरिक सटीकता उपायों के अलावा एक प्रतिक्रिया समय उपाय को अपनाता है, और परिचित चरण के दौरान मस्तिष्क सक्रियण की जांच करता है। इन तरीकों के संयोजन का उद्देश्य वास्तविक समय सीखने की प्रक्रियाओं की जांच के लिए एक समृद्ध डेटासेट प्रदान करना है। वेब-आधारित प्लेटफ़ॉर्म एक्सपोजर चरण के दौरान दोनों प्रतिक्रिया समय और परीक्षण चरण के दौरान 2-एएफसी कार्य की सटीकता को शामिल करके सीखने के उपायों का एक सेट प्रदान करता है। न्यूरोइमेजिंग प्रोटोकॉल अंतर्निहित तंत्रिका तंत्र की जांच के लिए डोमेन और तौर-तरीकों में सांख्यिकीय सीखने का समर्थन करने की अनुमति देता है। हालांकि यह दोनों वेब आधारित और fMRI प्रोटोकॉल का उपयोग कर एक व्यक्ति के भीतर सांख्यिकीय सीखने को मापने के लिए इष्टतम है, कार्यों को इतना है कि वे स्वतंत्र रूप से प्रसारित किया जा सकता है डिजाइन किए हैं, और इसलिए, सांख्यिकीय सीखने के दो स्वतंत्र उपायों के रूप में । वर्तमान प्रोटोकॉल में शामिल एफएमआरआई प्रयोग यह स्पष्ट करने में मदद कर सकते हैं कि कैसे उत्तेजना एन्कोडिंग, पैटर्न निष्कर्षण, और सांख्यिकीय सीखने के अन्य घटक घटकों का प्रतिनिधित्व विशेष मस्तिष्क क्षेत्रों और नेटवर्क द्वारा किया जाता है।
Protocol
Representative Results
Discussion
वर्तमान प्रोटोकॉल में प्रस्तुत किए गए तरीके विकास के दौरान सांख्यिकीय सीखने के व्यवहार और तंत्रिका सूचकांकों को समझने के लिए एक बहुमॉडल प्रतिमान प्रदान करते हैं। वर्तमान डिजाइन तौर-तरीकों और डोमेन ?…
Declarações
The authors have nothing to disclose.
Acknowledgements
हम वेब आधारित मंच के प्रारंभिक डिजाइन में उनके योगदान के लिए योएल सांचेज अरौजो और वेंडी जॉर्जन को धन्यवाद देते हैं। हम वेब-आधारित सांख्यिकीय सीखने के कार्यों में सुधार, एफएमआरआई कार्यों को लागू करने और वयस्क प्रतिभागियों में कार्यों का संचालन करने पर उनके काम के लिए एक गुयेन और वायलेट कोज़लॉफ का शुक्रिया अदा करते हैं। हम बच्चों में डेटा संग्रह की सहायता करने में उनके योगदान के लिए वायलेट कोज़लॉफ और पार्कर रॉबिंस को धन्यवाद देते हैं। हम इब्राहिम मलिक, जॉन क्रिस्टोफर, ट्रेवर विगल, और कीथ श्नाइडर को डेलावेयर विश्वविद्यालय में जैविक और मस्तिष्क इमेजिंग के लिए केंद्र में न्यूरोइमेजिंग डेटा संग्रह में उनकी सहायता के लिए धन्यवाद देते हैं। इस काम को राष्ट्रीय बधिरता और अन्य संचार विकारों पर संस्थान द्वारा भाग में वित्त पोषित किया जाता है (पीआई: क्यूई; NIH 1R21DC017576) और राष्ट्रीय विज्ञान फाउंडेशन सामाजिक, व्यवहार और आर्थिक विज्ञान के लिए निदेशालय (पीआई: श्नाइडर, सह-पीआई: क्यूई और Golinkoff; एनएसएफ 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. |
Referências
- 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).
