کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4762142 1362175 2017 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A Network Neuroscience of Human Learning: Potential to Inform Quantitative Theories of Brain and Behavior
ترجمه فارسی عنوان
عصبشناسی شبکه یادگیری انسانی: توانایی تئوریهای کمی از مغز و رفتار
ترجمه چکیده
انسانها رفتار خود را با محیط خارجی خود در یک فرایند که اغلب با یادگیری تسهیل می شود، سازگار می کنند. تلاش هایی برای توصیف یادگیری تجربی می تواند با نظریه های کمی که تغییرات در نوروفیزیولوژی را به تغییرات در رفتار تغییر می دهد، تکمیل شود. در این بررسی ما پیشرفت های اخیر در علم شبکه را ارائه می دهیم که مجموعه ای از ابزارها و چشم انداز کلی را ارائه می دهد که ممکن است برای درک انواع یادگیری که توسط مدارهای عصبی توزیع شده پشتیبانی شوند. ما برنامه های کاربردی اخیر این ابزار را برای نمایش داده های نوری نشان می دهیم که بینش منحصر به فردی را در فرآیندهای عصبی سازگاری، دستیابی به دانش و به دست آوردن مهارت های جدید، ایجاد دانش عصبی شبکه یادگیری انسان ارائه می دهند. در حالی که امیدوار است، این ابزارها هنوز به مدل های خوبی از رفتار رفتار می کنند که معمولا در روانشناسی شناختی مورد استفاده قرار می گیرند. ما استدلال می کنیم که پیشرفت مداوم نیاز به ازدواج صریح از رویکردهای شبکه به داده های تصویر برداری عصبی و مدل های کمی از رفتار دارد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی علوم اعصاب شناختی
چکیده انگلیسی
Humans adapt their behavior to their external environment in a process often facilitated by learning. Efforts to describe learning empirically can be complemented by quantitative theories that map changes in neurophysiology to changes in behavior. In this review we highlight recent advances in network science that offer a sets of tools and a general perspective that may be particularly useful in understanding types of learning that are supported by distributed neural circuits. We describe recent applications of these tools to neuroimaging data that provide unique insights into adaptive neural processes, the attainment of knowledge, and the acquisition of new skills, forming a network neuroscience of human learning. While promising, the tools have yet to be linked to the well-formulated models of behavior that are commonly utilized in cognitive psychology. We argue that continued progress will require the explicit marriage of network approaches to neuroimaging data and quantitative models of behavior.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Trends in Cognitive Sciences - Volume 21, Issue 4, April 2017, Pages 250-264
نویسندگان
, ,