- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05746299
L'impact de la réactivation pendant le sommeil sur la consolidation des informations abstraites chez l'homme
24 juin 2025 mis à jour par: University of Pennsylvania
L'émergence de la connaissance des structures abstraites dans l'apprentissage et le sommeil
Dans un domaine cognitif donné, les représentations des éléments individuels ne sont pas indépendantes mais s'organisent au moyen de relations structurées.
Les représentations de cette structure sous-jacente sont puissantes car elles peuvent permettre la généralisation et l'inférence dans de nouveaux environnements.
Dans le domaine sémantique, la structure capture les associations entre différentes caractéristiques ou concepts sémantiques (par exemple, vert, ailes, peut voler) et est connue pour influencer le développement et la détérioration des connaissances sémantiques.
Nous avons récemment découvert que les humains trouvent plus facile d'apprendre de nouvelles catégories qui contiennent des groupes de caractéristiques co-occurrentes de manière fiable, révélant une influence de la structure sur la formation de nouvelles catégories.
Cependant, une inconnue critique est de savoir si les représentations apprises de la structure sont étroitement liées à des éléments spécifiques à une catégorie, ou si elles deviennent abstraites dans une certaine mesure, transformées loin des caractéristiques expérimentées.
De plus, si des représentations structurelles abstraites émergent, des travaux antérieurs fournissent des indications intrigantes sur le fait qu'elles peuvent nécessiter une consolidation hors ligne pendant le repos éveillé ou le sommeil.
Nous avons développé un paradigme dans lequel des structures de graphes soigneusement conçues régissent le modèle de cooccurrences de caractéristiques au sein de catégories individuelles.
Nous implémentons ici une extension "transfert de structure" de ce paradigme afin de déterminer si l'apprentissage d'une catégorie structurée facilite l'apprentissage d'une seconde catégorie structurée de manière identique définie par un nouvel ensemble de caractéristiques.
Cette facilitation fournirait la preuve que les représentations de structure sont abstraites dans une certaine mesure.
Le but 1 utilisera ces méthodes pour évaluer si des représentations structurelles abstraites émergent immédiatement pendant l'apprentissage.
L'objectif 2 déterminera si ces représentations persistent, ou émergent, dans un délai, et si une consolidation basée sur le sommeil en particulier est nécessaire.
Le rôle de la relecture d'expériences récentes pendant le sommeil sera évalué à l'aide de l'électroencéphalographie (EEG) couplée à la réactivation ciblée de la mémoire (TMR) en boucle fermée, une technique qui permet une influence causale sur la consolidation des informations récemment apprises chez l'homme.
Ce travail informera et contraindra les théories de l'apprentissage sémantique ainsi que les théories de l'apprentissage structurel et de la représentation plus largement.
Aperçu de l'étude
Statut
Complété
Les conditions
Type d'étude
Interventionnel
Inscription (Réel)
194
Phase
- N'est pas applicable
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, États-Unis, 19104
- University of Pennsylvania
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
18 ans à 35 ans (Adulte)
Accepte les volontaires sains
Oui
La description
Critère d'intégration:
- Entre 18 et 35 ans
Critère d'exclusion:
- Aucune maladie médicale ou neurologique qui aurait un impact sur les performances expérimentales
- Ne pas faire partie d'une population vulnérable
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Science basique
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Congruence immédiate
Les participants apprendront et seront testés sur deux catégories sémantiques différentes avec la même structure qui dicte la cooccurrence de différentes caractéristiques.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
|
|
Expérimental: Incongruité immédiate
Les participants apprendront et seront testés sur deux catégories sémantiques différentes avec des structures différentes qui dictent la cooccurrence de différentes caractéristiques.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
|
|
Expérimental: Incongruent éveillé
Les participants apprendront deux catégories sémantiques différentes, dont aucune n'a de structure modulaire.
Après une pause de 2,5 heures, ils apprendront et seront testés sur une nouvelle catégorie sémantique avec une structure modulaire.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
|
|
Expérimental: Congruent éveillé
Les participants apprendront deux catégories sémantiques différentes, dont l'une a une structure modulaire.
Après une pause de 2,5 heures, ils apprendront et seront testés sur une nouvelle catégorie sémantique avec une structure modulaire.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
|
|
Expérimental: Sommeil incongru
Les participants apprendront deux catégories sémantiques différentes, dont l'une a une structure modulaire.
Après une opportunité de sieste de 2 heures, au cours de laquelle le TMR sera utilisé pour réactiver la catégorie non-modulaire, les participants prendront une pause de 30 minutes.
Après la pause, ils apprendront et seront testés sur une nouvelle catégorie sémantique avec une structure modulaire.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
La réactivation ciblée de la mémoire (TMR) est la présentation systématique des sons pendant le sommeil qui ont été associés à certains stimuli pendant l'apprentissage et qui seront administrés soit pendant le sommeil à ondes lentes (SWS) ou le sommeil à mouvements oculaires rapides (REM).
|
|
Expérimental: Sommeil congruent (SWS)
Les participants apprendront deux catégories sémantiques différentes, dont l'une a une structure modulaire.
Après une sieste de 2 heures, au cours de laquelle la TMR sera utilisée pour réactiver la catégorie Modulaire pendant le sommeil lent (SWS), les participants prendront une pause de 30 minutes.
Après la pause, ils apprendront et seront testés sur une nouvelle catégorie sémantique avec une structure modulaire.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
La réactivation ciblée de la mémoire (TMR) est la présentation systématique des sons pendant le sommeil qui ont été associés à certains stimuli pendant l'apprentissage et qui seront administrés soit pendant le sommeil à ondes lentes (SWS) ou le sommeil à mouvements oculaires rapides (REM).
|
|
Expérimental: Sommeil congruent (REM)
Les participants apprendront deux catégories sémantiques différentes, dont l'une a une structure modulaire.
Après une sieste de 2 heures, au cours de laquelle la TMR sera utilisée pour réactiver la catégorie Modulaire pendant le sommeil paradoxal (REM), les participants prendront une pause de 30 minutes.
Après la pause, ils apprendront et seront testés sur une nouvelle catégorie sémantique avec une structure modulaire.
|
L'intervention Congruent vs. Incongruent concerne la structure basée sur les caractéristiques des nouvelles catégories (Modulaire ou non-Modulaire) et s'il y a (Congruent) ou non (Incongruent) une correspondance entre ce qui a été appris précédemment et la catégorie cible finale.
Immédiat, Éveillé et Sommeil font référence à aucune pause, 2,5 heures d'éveil ou 2 heures de sommeil plus une pause de 30 minutes après la sieste pour tenir compte de l'inertie du sommeil entre l'apprentissage et la catégorie cible.
La réactivation ciblée de la mémoire (TMR) est la présentation systématique des sons pendant le sommeil qui ont été associés à certains stimuli pendant l'apprentissage et qui seront administrés soit pendant le sommeil à ondes lentes (SWS) ou le sommeil à mouvements oculaires rapides (REM).
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Structure Connaissances pour une nouvelle catégorie modulaire au stade 2
Délai: Dans l'objectif 1, la précision est collectée dans une tâche de fonctionnalité manquante 25 min. dans l'expérience, en prenant 25 min. Dans l'objectif 2, la précision est collectée dans une tâche de fonctionnalité manquante sur 25 min à l'étape 2
|
Précision (0-100%) sur la tâche de fonctionnalité manquante comportementale à l'étape 2, qui oblige les participants à utiliser leur mémoire plus tôt dans l'expérience pour faire une supposition sur la façon de remplir les fonctionnalités manquantes des exemples de catégorie.
|
Dans l'objectif 1, la précision est collectée dans une tâche de fonctionnalité manquante 25 min. dans l'expérience, en prenant 25 min. Dans l'objectif 2, la précision est collectée dans une tâche de fonctionnalité manquante sur 25 min à l'étape 2
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Anna C Schapiro, PhD, University of Pennsylvania
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Rasch B, Born J. About sleep's role in memory. Physiol Rev. 2013 Apr;93(2):681-766. doi: 10.1152/physrev.00032.2012.
- Monti JM, Monti D. Sleep disturbance in schizophrenia. Int Rev Psychiatry. 2005 Aug;17(4):247-53. doi: 10.1080/09540260500104516.
- Tsuno N, Besset A, Ritchie K. Sleep and depression. J Clin Psychiatry. 2005 Oct;66(10):1254-69. doi: 10.4088/jcp.v66n1008.
- Gentner, D.. Structure-mapping: A theoretical framework for analogy. Cognitive science. 1983;7(2): 155-170.
- Thibodeau PH, Flusberg SJ, Glick JJ, & Sternberg DA. An emergent approach to analogical inference. Connection Science. 2013; 25(1): 27-53.
- Collins AGE, Frank MJ. Neural signature of hierarchically structured expectations predicts clustering and transfer of rule sets in reinforcement learning. Cognition. 2016 Jul;152:160-169. doi: 10.1016/j.cognition.2016.04.002. Epub 2016 Apr 12.
- Baram AB, Muller TH, Nili H, Garvert MM, Behrens TEJ. Entorhinal and ventromedial prefrontal cortices abstract and generalize the structure of reinforcement learning problems. Neuron. 2021 Feb 17;109(4):713-723.e7. doi: 10.1016/j.neuron.2020.11.024. Epub 2020 Dec 22.
- TOLMAN EC. Cognitive maps in rats and men. Psychol Rev. 1948 Jul;55(4):189-208. doi: 10.1037/h0061626. No abstract available.
- Behrens TEJ, Muller TH, Whittington JCR, Mark S, Baram AB, Stachenfeld KL, Kurth-Nelson Z. What Is a Cognitive Map? Organizing Knowledge for Flexible Behavior. Neuron. 2018 Oct 24;100(2):490-509. doi: 10.1016/j.neuron.2018.10.002.
- Whittington JCR, Muller TH, Mark S, Chen G, Barry C, Burgess N, Behrens TEJ. The Tolman-Eichenbaum Machine: Unifying Space and Relational Memory through Generalization in the Hippocampal Formation. Cell. 2020 Nov 25;183(5):1249-1263.e23. doi: 10.1016/j.cell.2020.10.024. Epub 2020 Nov 11.
- McClelland JL, Rogers TT. The parallel distributed processing approach to semantic cognition. Nat Rev Neurosci. 2003 Apr;4(4):310-22. doi: 10.1038/nrn1076. No abstract available.
- Bahdanau D, Murty S, Noukhovitch M, Nguyen TH, de Vries H, Courville A. Systematic generalization: what is required and can it be learned?. arXiv preprint. 2018.
- Mark S, Moran R, Parr T, Kennerley SW, Behrens TEJ. Transferring structural knowledge across cognitive maps in humans and models. Nat Commun. 2020 Sep 22;11(1):4783. doi: 10.1038/s41467-020-18254-6.
- Durrant SJ, Cairney SA, Lewis PA. Cross-modal transfer of statistical information benefits from sleep. Cortex. 2016 May;78:85-99. doi: 10.1016/j.cortex.2016.02.011. Epub 2016 Feb 27.
- Tamminen J, Lambon Ralph MA, Lewis PA. Targeted memory reactivation of newly learned words during sleep triggers REM-mediated integration of new memories and existing knowledge. Neurobiol Learn Mem. 2017 Jan;137:77-82. doi: 10.1016/j.nlm.2016.11.012. Epub 2016 Nov 15.
- Wang B, Antony JW, Lurie S, Brooks PP, Paller KA, Norman KA. Targeted Memory Reactivation during Sleep Elicits Neural Signals Related to Learning Content. J Neurosci. 2019 Aug 21;39(34):6728-6736. doi: 10.1523/JNEUROSCI.2798-18.2019. Epub 2019 Jun 24.
- Schapiro AC, Turk-Browne NB, Norman KA, Botvinick MM. Statistical learning of temporal community structure in the hippocampus. Hippocampus. 2016 Jan;26(1):3-8. doi: 10.1002/hipo.22523. Epub 2015 Oct 13.
- Mack ML, Love BC, Preston AR. Building concepts one episode at a time: The hippocampus and concept formation. Neurosci Lett. 2018 Jul 27;680:31-38. doi: 10.1016/j.neulet.2017.07.061. Epub 2017 Aug 8.
- Weickert TW, Goldberg TE, Callicott JH, Chen Q, Apud JA, Das S, Zoltick BJ, Egan MF, Meeter M, Myers C, Gluck MA, Weinberger DR, Mattay VS. Neural correlates of probabilistic category learning in patients with schizophrenia. J Neurosci. 2009 Jan 28;29(4):1244-54. doi: 10.1523/JNEUROSCI.4341-08.2009.
- Riemann D, Berger M, Voderholzer U. Sleep and depression--results from psychobiological studies: an overview. Biol Psychol. 2001 Jul-Aug;57(1-3):67-103. doi: 10.1016/s0301-0511(01)00090-4.
- Nutt D, Wilson S, Paterson L. Sleep disorders as core symptoms of depression. Dialogues Clin Neurosci. 2008;10(3):329-36. doi: 10.31887/DCNS.2008.10.3/dnutt.
- Karuza EA, Kahn AE, Bassett DS. Human sensitivity to community structure is robust to topological variation. Complexity. 2019.
- Karuza EA, Kahn AE, Thompson-Schill SL, Bassett DS. Process reveals structure: How a network is traversed mediates expectations about its architecture. Sci Rep. 2017 Oct 6;7(1):12733. doi: 10.1038/s41598-017-12876-5.
- Karuza EA, Thompson-Schill SL, Bassett DS. Local Patterns to Global Architectures: Influences of Network Topology on Human Learning. Trends Cogn Sci. 2016 Aug;20(8):629-640. doi: 10.1016/j.tics.2016.06.003. Epub 2016 Jun 29.
- Lynn CW, Bassett DS. How humans learn and represent networks. Proc Natl Acad Sci U S A. 2020 Nov 24;117(47):29407-29415. doi: 10.1073/pnas.1912328117.
- Schapiro AC, Rogers TT, Cordova NI, Turk-Browne NB, Botvinick MM. Neural representations of events arise from temporal community structure. Nat Neurosci. 2013 Apr;16(4):486-92. doi: 10.1038/nn.3331. Epub 2013 Feb 17.
- Kahn AE, Karuza EA, Vettel JM, Bassett DS. Network constraints on learnability of probabilistic motor sequences. Nat Hum Behav. 2018 Dec;2(12):936-947. doi: 10.1038/s41562-018-0463-8. Epub 2018 Nov 5.
- Kakaei E, Aleshin S, Braun J. Visual object recognition is facilitated by temporal community structure. Learn Mem. 2021 Apr 15;28(5):148-152. doi: 10.1101/lm.053306.120. Print 2021 May.
- Eichenbaum H. Time cells in the hippocampus: a new dimension for mapping memories. Nat Rev Neurosci. 2014 Nov;15(11):732-44. doi: 10.1038/nrn3827. Epub 2014 Oct 1.
- Moser MB, Rowland DC, Moser EI. Place cells, grid cells, and memory. Cold Spring Harb Perspect Biol. 2015 Feb 2;7(2):a021808. doi: 10.1101/cshperspect.a021808.
- Maguire EA, Spiers HJ, Good CD, Hartley T, Frackowiak RS, Burgess N. Navigation expertise and the human hippocampus: a structural brain imaging analysis. Hippocampus. 2003;13(2):250-9. doi: 10.1002/hipo.10087.
- Kumaran D, McClelland JL. Generalization through the recurrent interaction of episodic memories: a model of the hippocampal system. Psychol Rev. 2012 Jul;119(3):573-616. doi: 10.1037/a0028681.
- Cohen N., Eichenbaum H. Memory, amnesia, and the hippocampal system. MIT press. 1993.
- Belal S, Cousins J, El-Deredy W, Parkes L, Schneider J, Tsujimura H, Zoumpoulaki A, Perapoch M, Santamaria L, Lewis P. Identification of memory reactivation during sleep by EEG classification. Neuroimage. 2018 Aug 1;176:203-214. doi: 10.1016/j.neuroimage.2018.04.029. Epub 2018 Apr 17.
- Stickgold R. Sleep-dependent memory consolidation. Nature. 2005 Oct 27;437(7063):1272-8. doi: 10.1038/nature04286.
- Wagner U, Gais S, Haider H, Verleger R, Born J. Sleep inspires insight. Nature. 2004 Jan 22;427(6972):352-5. doi: 10.1038/nature02223.
- Ellenbogen JM, Hu PT, Payne JD, Titone D, Walker MP. Human relational memory requires time and sleep. Proc Natl Acad Sci U S A. 2007 May 1;104(18):7723-8. doi: 10.1073/pnas.0700094104. Epub 2007 Apr 20.
- Schapiro AC, McDevitt EA, Chen L, Norman KA, Mednick SC, Rogers TT. Sleep Benefits Memory for Semantic Category Structure While Preserving Exemplar-Specific Information. Sci Rep. 2017 Nov 1;7(1):14869. doi: 10.1038/s41598-017-12884-5.
- Lewis PA, Knoblich G, Poe G. How Memory Replay in Sleep Boosts Creative Problem-Solving. Trends Cogn Sci. 2018 Jun;22(6):491-503. doi: 10.1016/j.tics.2018.03.009.
- Feld GB, Bernard M, Rawson AB, Spiers HJ. Sleep targets highly connected global and local nodes to aid consolidation of learned graph networks. Sci Rep. 2022 Sep 5;12(1):15086. doi: 10.1038/s41598-022-17747-2.
- McClelland JL, McNaughton BL, O'Reilly RC. Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychol Rev. 1995 Jul;102(3):419-457. doi: 10.1037/0033-295X.102.3.419.
- Marshall L, Born J. The contribution of sleep to hippocampus-dependent memory consolidation. Trends Cogn Sci. 2007 Oct;11(10):442-50. doi: 10.1016/j.tics.2007.09.001. Epub 2007 Oct 1.
- Davidson TJ, Kloosterman F, Wilson MA. Hippocampal replay of extended experience. Neuron. 2009 Aug 27;63(4):497-507. doi: 10.1016/j.neuron.2009.07.027.
- Schapiro AC, McDevitt EA, Rogers TT, Mednick SC, Norman KA. Human hippocampal replay during rest prioritizes weakly learned information and predicts memory performance. Nat Commun. 2018 Sep 25;9(1):3920. doi: 10.1038/s41467-018-06213-1.
- Cairney SA, Durrant SJ, Hulleman J, Lewis PA. Targeted memory reactivation during slow wave sleep facilitates emotional memory consolidation. Sleep. 2014 Apr 1;37(4):701-7, 707A. doi: 10.5665/sleep.3572.
- Batterink LJ, Paller KA. Sleep-based memory processing facilitates grammatical generalization: Evidence from targeted memory reactivation. Brain Lang. 2017 Apr;167:83-93. doi: 10.1016/j.bandl.2015.09.003. Epub 2015 Oct 9.
- Goldi M, van Poppel EAM, Rasch B, Schreiner T. Increased neuronal signatures of targeted memory reactivation during slow-wave up states. Sci Rep. 2019 Feb 25;9(1):2715. doi: 10.1038/s41598-019-39178-2.
- Ngo HV, Martinetz T, Born J, Molle M. Auditory closed-loop stimulation of the sleep slow oscillation enhances memory. Neuron. 2013 May 8;78(3):545-53. doi: 10.1016/j.neuron.2013.03.006. Epub 2013 Apr 11.
- Ngo HV, Miedema A, Faude I, Martinetz T, Molle M, Born J. Driving sleep slow oscillations by auditory closed-loop stimulation-a self-limiting process. J Neurosci. 2015 Apr 29;35(17):6630-8. doi: 10.1523/JNEUROSCI.3133-14.2015.
- Navarrete M, Schneider J, Ngo HV, Valderrama M, Casson AJ, Lewis PA. Examining the optimal timing for closed-loop auditory stimulation of slow-wave sleep in young and older adults. Sleep. 2020 Jun 15;43(6):zsz315. doi: 10.1093/sleep/zsz315.
- Solomon SH, Medaglia JD, Thompson-Schill SL. Implementing a concept network model. Behav Res Methods. 2019 Aug;51(4):1717-1736. doi: 10.3758/s13428-019-01217-1.
- Collins AM, Loftus EF. A spreading-activation theory of semantic processing. Psychological review. 1975; 82(6): 407.
- De Deyne S, Navarro DJ, Perfors A, Storms G. Structure at every scale: A semantic network account of the similarities between unrelated concepts. J Exp Psychol Gen. 2016 Sep;145(9):1228-54. doi: 10.1037/xge0000192.
- McRae K, de Sa VR, Seidenberg MS. On the nature and scope of featural representations of word meaning. J Exp Psychol Gen. 1997 Jun;126(2):99-130. doi: 10.1037//0096-3445.126.2.99.
- Tyler LK, Moss HE, Durrant-Peatfield MR, Levy JP. Conceptual structure and the structure of concepts: a distributed account of category-specific deficits. Brain Lang. 2000 Nov;75(2):195-231. doi: 10.1006/brln.2000.2353.
- Saffran JR, Johnson EK, Aslin RN, Newport EL. Statistical learning of tone sequences by human infants and adults. Cognition. 1999 Feb 1;70(1):27-52. doi: 10.1016/s0010-0277(98)00075-4.
- Saffran JR. The use of predictive dependencies in language learning. Journal of Memory and Language. 2001; 44(4): 493-515.
- Fiser J, Aslin RN. Statistical learning of new visual feature combinations by infants. Proc Natl Acad Sci U S A. 2002 Nov 26;99(24):15822-6. doi: 10.1073/pnas.232472899. Epub 2002 Nov 12.
- Kirkham NZ, Slemmer JA, Johnson SP. Visual statistical learning in infancy: evidence for a domain general learning mechanism. Cognition. 2002 Mar;83(2):B35-42. doi: 10.1016/s0010-0277(02)00004-5.
- Pearce MT, Ruiz MH, Kapasi S, Wiggins GA, Bhattacharya J. Unsupervised statistical learning underpins computational, behavioural, and neural manifestations of musical expectation. Neuroimage. 2010 Mar;50(1):302-13. doi: 10.1016/j.neuroimage.2009.12.019. Epub 2009 Dec 11.
- Turk-Browne NB, Junge J, Scholl BJ. The automaticity of visual statistical learning. J Exp Psychol Gen. 2005 Nov;134(4):552-64. doi: 10.1037/0096-3445.134.4.552.
- O'Keefe J, Nadel L. The hippocampus as a cognitive map. Oxford university press. 1978.
- Hafting T, Fyhn M, Molden S, Moser MB, Moser EI. Microstructure of a spatial map in the entorhinal cortex. Nature. 2005 Aug 11;436(7052):801-6. doi: 10.1038/nature03721. Epub 2005 Jun 19.
- Javadi AH, Emo B, Howard LR, Zisch FE, Yu Y, Knight R, Pinelo Silva J, Spiers HJ. Hippocampal and prefrontal processing of network topology to simulate the future. Nat Commun. 2017 Mar 21;8:14652. doi: 10.1038/ncomms14652.
- Killian NJ, Buffalo EA. Grid cells map the visual world. Nat Neurosci. 2018 Feb;21(2):161-162. doi: 10.1038/s41593-017-0062-4. No abstract available.
- Epstein RA, Patai EZ, Julian JB, Spiers HJ. The cognitive map in humans: spatial navigation and beyond. Nat Neurosci. 2017 Oct 26;20(11):1504-1513. doi: 10.1038/nn.4656.
- Erickson JE, Chin-Parker S, Ross BH. Inference and classification learning of abstract coherent categories. J Exp Psychol Learn Mem Cogn. 2005 Jan;31(1):86-99. doi: 10.1037/0278-7393.31.1.86.
- Park SA, Miller DS, Boorman ED. Inferences on a multidimensional social hierarchy use a grid-like code. Nat Neurosci. 2021 Sep;24(9):1292-1301. doi: 10.1038/s41593-021-00916-3. Epub 2021 Aug 31.
- Tavares RM, Mendelsohn A, Grossman Y, Williams CH, Shapiro M, Trope Y, Schiller D. A Map for Social Navigation in the Human Brain. Neuron. 2015 Jul 1;87(1):231-43. doi: 10.1016/j.neuron.2015.06.011.
- Constantinescu AO, O'Reilly JX, Behrens TEJ. Organizing conceptual knowledge in humans with a gridlike code. Science. 2016 Jun 17;352(6292):1464-1468. doi: 10.1126/science.aaf0941. Epub 2016 Jun 16.
- Hassabis D, Kumaran D, Vann SD, Maguire EA. Patients with hippocampal amnesia cannot imagine new experiences. Proc Natl Acad Sci U S A. 2007 Jan 30;104(5):1726-31. doi: 10.1073/pnas.0610561104. Epub 2007 Jan 17.
- Franklin NT, Frank MJ. Compositional clustering in task structure learning. PLoS Comput Biol. 2018 Apr 19;14(4):e1006116. doi: 10.1371/journal.pcbi.1006116. eCollection 2018 Apr.
- Schuck NW, Cai MB, Wilson RC, Niv Y. Human Orbitofrontal Cortex Represents a Cognitive Map of State Space. Neuron. 2016 Sep 21;91(6):1402-1412. doi: 10.1016/j.neuron.2016.08.019.
- Theves S, Fernandez G, Doeller CF. The Hippocampus Encodes Distances in Multidimensional Feature Space. Curr Biol. 2019 Apr 1;29(7):1226-1231.e3. doi: 10.1016/j.cub.2019.02.035. Epub 2019 Mar 21.
- Hu X, Cheng LY, Chiu MH, Paller KA. Promoting memory consolidation during sleep: A meta-analysis of targeted memory reactivation. Psychol Bull. 2020 Mar;146(3):218-244. doi: 10.1037/bul0000223.
- Yamauchi T, Markman AB. Category learning by inference and classification. Journal of Memory and language. 1998; 39(1): 124-148.
- Anderson AL, Ross BH, Chin-Parker S. A further investigation of category learning by inference. Mem Cognit. 2002 Jan;30(1):119-28. doi: 10.3758/bf03195271.
- Chin-Parker S, Ross BH. The effect of category learning on sensitivity to within-category correlations. Mem Cognit. 2002 Apr;30(3):353-62. doi: 10.3758/bf03194936.
- Chin-Parker S, Ross BH. Diagnosticity and prototypicality in category learning: a comparison of inference learning and classification learning. J Exp Psychol Learn Mem Cogn. 2004 Jan;30(1):216-26. doi: 10.1037/0278-7393.30.1.216.
- Markman AB, Ross BH. Category use and category learning. Psychol Bull. 2003 Jul;129(4):592-613. doi: 10.1037/0033-2909.129.4.592.
- Cousins JN, El-Deredy W, Parkes LM, Hennies N, Lewis PA. Cued Reactivation of Motor Learning during Sleep Leads to Overnight Changes in Functional Brain Activity and Connectivity. PLoS Biol. 2016 May 3;14(5):e1002451. doi: 10.1371/journal.pbio.1002451. eCollection 2016 May.
- Cairney SA, Guttesen AAV, El Marj N, Staresina BP. Memory Consolidation Is Linked to Spindle-Mediated Information Processing during Sleep. Curr Biol. 2018 Mar 19;28(6):948-954.e4. doi: 10.1016/j.cub.2018.01.087. Epub 2018 Mar 8.
- Solomon SH, Schapiro AC. Structure shapes the representation of a novel category. J Exp Psychol Learn Mem Cogn. 2024 Mar;50(3):458-483. doi: 10.1037/xlm0001257. Epub 2023 Jun 15.
- Stachenfeld KL, Botvinick MM, Gershman SJ. The hippocampus as a predictive map. Nat Neurosci. 2017 Nov;20(11):1643-1653. doi: 10.1038/nn.4650. Epub 2017 Oct 2.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
29 mars 2023
Achèvement primaire (Réel)
30 juin 2024
Achèvement de l'étude (Réel)
30 juin 2024
Dates d'inscription aux études
Première soumission
14 février 2023
Première soumission répondant aux critères de contrôle qualité
14 février 2023
Première publication (Réel)
27 février 2023
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
14 juillet 2025
Dernière mise à jour soumise répondant aux critères de contrôle qualité
24 juin 2025
Dernière vérification
1 juin 2025
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- 833228A
- 1R21MH128788-01A1 (Subvention/contrat des NIH des États-Unis)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
OUI
Description du régime IPD
Toutes les IPD qui les sous-tendent donnent lieu à une publication.
Délai de partage IPD
L'IPD sera disponible au moment de la publication de l'étude.
Critères d'accès au partage IPD
IPD sera accessible au public sans restriction.
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .