بحث و گفتگوی مقاله Ignacio Solís Marcos ۲۰۱۹

آقای سالیس و خانم کاتجا در این مقاله (+) به بررسی اثر بار شناختی روی پتانسیل وابسته به رخ داد پرداختند. آزمایش‌ اونها چند تا وضعیت داشته.

تک کار، که auditory oddball بوده. به این معنا که به یک نقطه خیره میشدن و گاهی صدای بیب میشنیدن و با تعداد دفعات کمتر صدای بوب.

دو کار، به این صورت که یک شبیه‌ساز رانندگی بود ساده بوده که آزمودنی باید سرعت ماشین رو کنترل میکرده. و همزمان صدا‌ها رو می‌شنیده.

سه کار، به این صورت که علاوه بر تصویر شبیه‌ساز رانندگی و صدا یک نمایش هوایی از نمای دور از بالای ماشین هم نشون دادند.

در این بین سرعت ماشین رو هم در سه حالت تنظیم کردند. سرعت کم، سرعت زیاد و حاتی که شرکت کننده خودش میتونه سرعت ماشین رو تنظیم کنه.

قبل از اینکه بریم دنبال قسمت دیسکاشن بگم که رفتم سرچ زدم که آقا،‌ تفاوت بین cognitive load و mental workload چیه؟ و چند تا چیز دیگه رو هم سرچ کردم که با هم مرور میکنیم:

Mental load بخشی از cognitive load هست که به خود آزمایش و نیاز‌های محیطی بر میگرده

تعریف بارشناختی هم میشه: میزانی که از حافظه کاری در هر لحظه اشغال شده

حالا mental load ، mental effort و performance سه بعد قابل اندازه گیری بار شناختی هستن.

حالا بریم و نکات قسمت دیسکاشن پیپر شون رو به صورت بولت وار ببینیم:

• بار کاری میتونه افزایش پیدا کنه در لحظه ولی خود آزمودنی بهش آگاه نباشه و یا حتی توی عمکردش(مثل آزمون‌ها) هم نبینیم که بار کاری فرد بالا رفته.
• با ERP میشه در لحظه تغییر بارکاری رو متوجه شد
• لزوما هر متر و معیاری برای اندازه گیری بارشناختی نمیتونه همه ابعاد رو اندازه گیری کنه
• دامنه و تاخیر مولفه N1 با سطح توجه رابطه داره
• دامنه و تاخیر مولفه P300 با پیچیدگی کار رابطه داره

پردازش گفتار در مغز

صحبت کردن ما آدم‌ها با هم دیگه و زبان مون یک ویژگی خاصی هست که ما رو از بقیه گونه‌های جانوری متمایز میکنه. تا حالا فکر کردین چطوری صحبت هم دیگه رو میفهمیم؟ شاید خیلی سریع بگین خوب با گوشمون دیگه! باید بگم گوش وظیفه‌ش این هست که صدا رو بگیره و بقیه داستان که خوب حالا این صدا صدای کی بود؟ از کجا اومد؟ چی گفت؟ معنیش چی بود؟ این سوال ها رو قراره مغز جواب بده.

گفتار یک سیگنال ذاتا پویا، غیر تکراری و طولانی هست. در نتیجه نمیشه اونو مثل مطالعات قبلی به وسیله پتانسیل وابسته به رخ داد یا Event Related Potential - ERP بررسی کرد. اخیرا مطلعات گفتار در حوزه علوم اعصاب از روشی استفاده میکنن به نام تابع پاسخ زمانی یا Temporal Response Function - TRF. این روش به ما اجازه میده بر خلاف ERP که محرک مون باید کوتاه و قطعه قطعه باشه، حالا محرک پیوسته و طولانی مدت هست و میخواهیم اثر اون رو روی مغز ببینیم. ما ووردی و خروجی رو داریم. ورودی مثلا صدای اطراف هست و خروجی سیگنال مغزی. میخوایم با تابعی که ورودی رو به خروجی میده یعنی مغز بیشتر آشنا بشیم. میشه از دو طرف به سوال نگاه کنیم یا ما ورودی رو داریم و خروجی رو میخوایم پیش بینی کنیم که به این روش میگن رمز گزاری و یا خروجی رو داریم و میخوایم ورودی رو ببینیم چطور بوده که بهش میگیم رمزگشایی. در این نوشته قرار نیست از ریاضیات و اینکه دقیقا چطور میتونیم TRF رو حساب کنیم صحبت کنم، قرار دید کلی داشته باشیم و با کلمات و مفاهیم این حوزه آشنا بشیم.

نورون‌های شنوایی وقتی یک صدایی رو میشنون فعالیت قبلی شون رو رها میکنند و صدایی که از گوش‌ها داره میاد رو ردیابی میکنن، دنبال میکنن و یا به عبارتی هم فاز میشن با سیگنال ورودی و ما به این میگیم ردیابی عصبی یا Neural tracking. فرض کنید رفتین یک کنسرت یا روضه تا وقتی که خواننده نخونه صدایی واضح و یکدستی از شرکت کننده ها شنیده نمیشه و فقط یکسری زمزمه میشنویم، یکی تند تر میخونه یک آروم تر یکی اشتباه میخونه یکی هم شعر رو یادش نیست و فقط داره ریتمش رو ضمضمه میکنه یکی هم کلا داره یک شعر دیگه میخونه. برای درک دقیق تر میخوام یک مثال بزنم. احتمالا اون کلیپی که وایرال شد که میگفت تا قدسو پس نگیریم، آروم نمیگگیریم رو دیدین حالا به تکرار حرف گونیده وقتی که گوینده اشتباه میگه دقت کنید من همچنین حالتی منظورمه. اما برگردیم به مثال کنسرت وقتی خواننده شروع میکنه به خوندن میبینیم تماشاچی ها حالا یک صدا و واضح میخونن ترانه رو انگار دارن خواننده رو ردیابی میکنن. شبیه به همین اتفاق هم در مغز هنگام شنیدن صدا میفته و بهش میگیم ردیابی عصبی.

اگر به TRF نگاه کنیم میبینیم مثل ERP ها شامل یکسری مولفه هست که میگه فعالیت‌های عصبی قشر مغز وقتی که به یک صدا گوش میده چطوری هست. مثلا میبینم یک مولفه حدود 100 میلی ثانیه داریم یا یک مولفه حدود 400 میلی ثانیه. یک ویژگی ساده و مختصر خوبی که میشه از صدا گرفت پوش صدا هست. حالا همین صدا میتونه گفتار باشه مثل کتاب صوتی و حالا ما جمله‌ها کلمات واج ها رو هم داریم. این سیگنال اطلاعات بیشتری رو توی خودش ذخیره کرده. مثلا میتونیم یک سیگنال درست کنیم از زمان شروع هر واج و بعد ببینم مغز واج ها رو چطور پردازش میکنه. یا مثلا یک سیگنال از اینکه هر کلمه چقدر نابه. جالبه بدونید با همین دیتاستی که دارین میشه حتی پاسخ‌های ساقه مغز رو هم حساب کرد کاری که در تسک‌های ERP نیاز به هزاران بار تکرار یک محرک هست.

امید داریم که این دست مطالعات به تشخیص بیمار‌ی‌ها کمک کنن و بتونیم با نحوه پردازش صدا در مغز بیشتر آشنا بشیم.

برای مطالعه بیشتر به این مقاله مراجعه کنید.