支持人类社会网络学习的功能脑网络架构
神经元与认知
2019-04-23 v1
摘要
大多数人有幸生活在结构丰富的社会群体中。然而，人类如何获取关于这些社会结构以成功应对社会关系仍不清楚。在此，我们借助网络科学与统计学习的最新进展，通过一项跨学科神经影像研究来弥补这一知识空白。具体而言，我们在参与者学习社会与非社会网络的社群结构时收集了 BOLD MRI 数据，以考察这两类网络的学习是否与功能脑网络拓扑存在差异化关联。从两项任务的行为数据出发，我们发现学习者对网络的社群结构敏感，其表现为跨簇转换试次的反应时慢于簇内转换试次。从社会网络学习任务中收集的神经影像数据来看，我们观察到海马体与颞顶联合区的功能连接在跨簇转换时显著强于簇内转换时。此外，默认模式网络的颞顶区域在社会任务中比在非社会任务中更强地连接至海马体、躯体运动与视觉区域。总体而言，我们的结果揭示了社会与非社会网络学习的神经生理基础，拓展了关于社会情境对学习过程影响的认识。更广泛地，本工作提供了一种研究社会网络结构学习的实证方法，可在未来研究中有效推广至其他参与者群体、多种图架构以及多样的社会情境。
引用
@article{arxiv.1904.09504,
title = {Functional brain network architecture supporting the learning of social networks in humans},
author = {Steven H. Tompson and Ari E. Kahn and Emily B. Falk and Jean M. Vettel and Danielle S. Bassett},
journal= {arXiv preprint arXiv:1904.09504},
year = {2019}
}