mr-deltakere
tjuefire høyrehendte fransktalende mellom 22 og 39 år (gjennomsnittlig = 28,6 år; s.d. = 4,4) ble betalt for å delta (11 menn, 13 kvinner). De hadde ingen rapportert historie med nevrologiske, medisinske, visuelle eller hukommelsesforstyrrelser. Studien ble godkjent av den regionale forskningsetiske komiteen (Komité De Protection Des Personnes Nord-Ouest III, sponsor-ID: C13-46, RCB-ID: 2014-A00126-41, clinicaltrial.gov registreringsnummer: NCT02172677). To ekstra deltakere ble også i utgangspunktet rekruttert for designinnstilling og justering (men ikke analysert). En deltaker ble erstattet uten videre analyser på grunn av viktige MR-gjenstander som forhindret bildeanalyse. Alle deltakerne ga skriftlig samtykke før de deltok. Deltakerne ble bedt om ikke å konsumere psykostimulerende midler, narkotika eller alkohol før eller under forsøksperioden. Ingen statistiske metoder ble brukt for å forhåndsbestemme utvalgsstørrelsen, men utvalgsstørrelsen brukt i denne studien (N = 24) er sammenlignbar med tidligere fMRI-studier ved BRUK AV RSA.
Materialer og Memorial exploration procedure
stimuli var 119 bilder valgt fra området Verdenskrig, Total Krig På Caen Memorial Museum. Hver skjerm ble fotografert På Minnesmerket ved hjelp av et profesjonelt digitalkamera og profesjonell belysning. Disse bildene ble deretter justert for kontrast og belysning, og den eksterne konturen ble beskåret ved hjelp av bildebehandlingsprogramvare.
hver deltaker utforsket Minnesmerket på slutten av ettermiddagen, like før Minnedøren lukkes. Dette sørget for at andre besøkende ikke ville forstyrre deltakernes turer. Deltakerne ble først gitt generelle instruksjoner om forsøket og ble hver utstyrt med et mobilt øye-sporingssystem (Anvendt Vitenskapslaboratorium) bestående av briller og en liten lagringsenhet koblet til brillene og båret som en ryggsekk. Disse brillene ble montert med et lite kamera som filmet deltakerens visuelle utforskning, som ble registrert og kringkastet på eksperimentets bærbare datamaskin. Selv om vi ikke presenterer disse øyesporingsdataene, som går utover omfanget av dagens papir, kunne vi dermed spore deltakernes leting uten å følge dem, og dermed sikre at de fulgte følgende instruksjoner.
Deltakerne ble bedt om å utforske et begrenset område Av Minnesmerket og fikk et kart som beskriver romlig layout (Se Fig. 1a). Dette rommet besto av totalt 119 bilder, hver med en bildetekst under, og ble organisert i henhold til 22 tematiske soner (sonenumre er angitt i sirklene I Fig. 1a). To andre soner ble inkludert helt i begynnelsen og helt på slutten av turen for recency og forrang effekter. Disse fyllingssonene var alltid de samme, og bildene deres ble ikke inkludert i den etterfølgende eksperimentelle protokollen (og ble bare brukt til trening og kjennskap til den påfølgende tilbakekallingsoppgaven). Disse 22 sonene ble gruppert etter 6 hovedsektorer (illustrert med De 6 hovedfargene på Minnekartet I Fig. 1a). Undersøkelsesrekkefølgen for disse hovedsektorene ble motvekt på tvers av deltakerne. Leteordren til sonene innenfor hver sektor ble også randomisert i henhold til 6 forskjellige letelister (4 deltakere ble tildelt hver av disse 6 lister). Hver sone startet med en introduksjon bord som beskriver innholdet i sonen som deltakerne ble bedt om å lese først før du utforsker sonen. Deltakerne måtte da utforske hvert bilde som komponerte sonen. De gjorde det ved å først lese bildeteksten under, og så kunne de utforske innholdet i bildet så lenge de ønsket før de gikk videre til neste bilde til de fullførte turen, hvis gjennomsnittlige varighet var 76 min (s.d. = 13.8). Merk at under Denne Minneturen var deltakerne uvitende om at deres minner ville bli testet neste dag.
Tilbakekallingsoppgave
neste dag utførte deltakerne tilbakekallingsoppgaven, som ble delt inn i tre fmri-økter, hver ca. 10 min i lengde. Hver økt presenterte korte setninger som tilsvarer korte utdrag som beskriver virkelige Verdenskrigsbilder som deltakerne hadde utforsket (det vil si målsetninger; gjennomsnittlig ordtelling = 7,8, sd = 2,4) eller ikke hadde utforsket (det vil si distraktorsetninger; gjennomsnittlig ordtelling = 7,7, sd = 2,1) dagen før. Totalt ble 119 mål setninger og 63 distraktor setninger presentert tilfeldig til deltakerne. Historiske hendelser knyttet til distraktor setninger ble valgt for å matche bildene som vises På Minnesmerket i form av både innhold og relativ andel av bilder per sone. Landet der hendelsen fant sted ble også vist under hver setning, som var året. Deltakerne var klar over nærheten mellom distraktor og mål setninger og ble derfor sterkt oppfordret til å stole på deres evne til å fullt ut huske og visualisere de tilhørende bildene for å utføre denne oppgaven. Etter utbruddet av hver cueing setning, deltakerne rapporterte om de kunne huske det tilhørende bildet ved å trykke ja med sin høyre pekefinger eller nei med sin høyre langfinger. Setningene dukket opp for 4,5 s sentrert på en grå bakgrunn. Studiene ble presentert på en stokastisk måte i Henhold Til En Poisson-fordeling (λ = 4) med et gjennomsnittlig 4,2 s interstimulusintervall (område = 1-10 s) med 25% ekstra nullhendelser og ble separert med et fikseringskors. Nøyaktighet og ytelse på tilbakekallingsoppgaven er beskrevet I Supplerende Tabell 2.
bildearrangeringsoppgave
utenfor skanneren utførte deltakerne en bildearrangeringsoppgave, brukt som en proxy for individuelle skjemaer, på De 119 Minnesbildene. Bildene måtte plasseres innenfor 1 til 28 sirkler i henhold til deres historiske nærhet. Denne bildearrangementoppgaven ble skrevet I Javascript innebygd I HTML-kode for internett-navigasjon, og gir dermed stor fleksibilitet i oppgavens utførelse: deltakerne kunne zoome inn eller ut med en bevegelig bakgrunn som Ligner På Google Maps, de kunne forstørre et bilde ved å klikke på Det (Med Minneteksten under), Minneteksten dukket opp på mouse, og deltakerne kunne velge og flytte flere bilder samtidig. Bilder ble opprinnelig plassert i et stort torg over sirklene. Deltakerne ble bedt om å gjennomgå hvert bilde og plassere dem i kretsene under som de gikk gjennom hver av dem. De ble fortalt å gruppere i samme sirkel noen bilder de følte beskrevet nær eller lignende historiske hendelser. Hvis de følte bildene beskrevet frakoblede hendelser, ble de bedt om å plassere dem i forskjellige sirkler. Deltakerne var fri til å bruke så mange sirkler som de ønsket, fra en enkelt sirkel til alle sirkler tilgjengelig på kartet. Instruksjonene understreket at det var absolutt ikke riktig antall sirkler som skulle brukes, og at de var fri til å fortsette som de ønsket. Deltakerne ble også bedt om å ta hensyn til avstandene mellom sirkler og deres relative stillinger. Jo mer de dømte at bildene var knyttet til tilkoblede eller frakoblede hendelser, jo nærmere eller lenger unna skulle deres relative posisjoner på tvers av sirkler være. Til slutt, da hovedarrangementet ble fullført for alle bilder, måtte deltakerne justere stillingene til bildene i hver sirkel. De Euklidiske avstandene mellom bildeposisjonene reflekterte da den semantiske organisasjonen til et gitt individ og kunne kodes i EN RDM.
mr-oppkjøpsparametere
MR-data ble samlet inn på En 3 T Achieva-skanner (Philips) ved brain imaging Cyceron center I Caen. Alle deltakere gjennomgikk først høyoppløselig t1-vektet anatomisk volumavbildning ved hjelp av en tredimensjonal (3d) rask feltekko (FFE)-sekvens (3d-T1-ffe sagittal; TR = 20 ms, TE = 4,6 ms, flippvinkel = 10°, FØLELSES faktor = 2 180 skiver, skivetykkelse = 1 mm, ingen gap, synsfelt = 256 × 256 × 180 mm3, matrise = 256 × 130 × 180). Dette oppkjøpet ble etterfulgt av funksjonelle økter, som ble ervervet ved hjelp av en stigende T2-star EPI-sekvens (MS-T2-star-FFE-EPI axial; TR = 2050 ms, TE = 30 ms, flippvinkel = 78°, 32 skiver, skivetykkelse = 3 mm, 0.75 mm gap, matrise = 64 × 63 × 32, synsfelt = 192 × 192 × 119 mm3, 310 volumer per runde).
MR-forbehandling
Data ble analysert ved Hjelp Av Programvare For Statistisk Parametrisk Kartlegging (SPM12, Wellcome Department Of Imaging Neuroscience). Under forbehandling, bildene ble først romlig realigned å korrigere for bevegelse og ble deretter korrigert for skive oppkjøpet temporal forsinkelse. Etter coregistration Med t1 strukturelle bildet, funksjonelle bilder ble deretter normalisert ved hjelp av parametere avledet fra den ikke-lineære normalisering av individuelle grå-materie T1 bilder Til T1 mal Av Montreal Neurological Institute. Merk imidlertid at unwarped og unsmoothed bilder ble brukt TIL RSA. Bilde normalisering var likevel nødvendig å beregne fremover deformasjon feltet og dens inversjon, å normalisere søkelys bilder eller vikle tilbake mPFC ROIs til innfødte plass (se nedenfor), henholdsvis. Bruken av unsmoothed bilder er viktig FOR RSA som det bevarer finkornet romlig mønster som karakteriserer representasjons geometri i en region.
analyse på første nivå
de forhåndsbehandlede tidsseriene, som svarer til native space-bilder (det vil si ikke-forvrengte og usmoothede bilder), ble deretter høypassfiltrert til 1/128 Hz i hver voxel. Regressorer i en generell lineær modell (GLM) for hver voxel ble skapt ved å vikle en delta-funksjon (modellert som 4,5 s short-epoch) ved stimulusinnbruddet for hver tilstand av interesse med EN kanonisk hemodynamisk responsfunksjon (HRF). En minste kvadraters egen tilnærming ble brukt50, 51, som besto av å estimere en egen GLM for hver prøve. I HVER GLM ble interesseforsøk modellert som en regressor, og alle de andre forsøkene ble kollapset i fem forskjellige regressorer som svarer til tilbakekalling, miss, falske alarmer, korrigeringsavvisning og ingen responsforhold (se Supplerende Tabell 2 for atferdsmessige forestillinger på tilbakekallingsoppgaven). Denne tilnærmingen har blitt fremmet for design med korte interstimuleringsintervaller, når det er et høyt nivå av kollinearitet mellom hemodynamiske responser på suksessive forsøk 51. Ytterligere regressorer uten interesse var de seks justeringsparametrene for å redegjøre for lineære restbevegelsesartefakter. Autokorrelasjon MELLOM GLM-residualene ble korrigert ved hjelp av den første ordens autoregressive prosessen, noe som resulterte i prewhitened data etter begrenset maksimal sannsynlighetsestimering.
Interesseområder
mPFC ble definert anatomisk ved Hjelp av den Automatiserte Anatomiske Merkingen atlas52 og ble delt inn i vmPFC Og dmPFC ROIs. DmPFC korresponderte med den bilaterale frontale overlegne mediale gyrus av Den Automatiserte Anatomiske Merkingsatlasen (indekser 2601 og 2602). VmPFC-masken inkluderte den bilaterale fronto-orbitale mediale gyrus (indeksene 2611 og 2612), den bilaterale rectus (indeksene 2701 og 2702) og den ventrale delen (Z-koordinater dårligere eller lik null) av det bilaterale fremre cingulumet (indeksene 4001 og 4002). Disse To ROIs er vist I Fig. 3b. Disse to maskebildene ble deretter pakket tilbake til hver deltakers opprinnelige plass ved hjelp av den inverse av deformasjonsfeltet beregnet under normaliseringsprosessen.
representativ likhetsanalyse
Kontrastkart over individuelle minner ble deretter beregnet for hvert tilbakekalt bilde og brukt til å beregne RDMs i Vår ROIs. For hvert INDIVID og HVER ROI ble Hjernens Rdm beregnet som følger: for hver voxel var vektoren av aktivitet på tvers av tilbakekalte bilder gjennomsnittlig sentrert og skalert til standardavviket (det vil si z-poengsum); for hvert par bilder ble aktivitetsmønstrene i EN GITT AVKASTNING sammenlignet ved hjelp av romlig korrelasjon, og ulikheten ble da gitt ved 1 minus korrelasjonen. På atferdsnivå ble individuelle Rdmer avledet Fra Euklidiske avstander mellom alle mulige par bilder arrangert av deltakerne på det todimensjonale romlige oppsettet. De øvre trekantede formene av disse hjernene eller Atferdsmessige Rdmene ble deretter trukket ut og sammenlignet med DE øvre trekantede formene AV RDM-modeller som beskriver kollektive skjemaer, semantiske avstander (avledet fra Wikipedia-Artikler Fra Andre Verdenskrig, se nedenfor), kontekstuelle romlige avstander (Euklidiske avstander av bildenes romlige posisjoner) og tidsmessige avstander (Euklidiske avstander av bildenes tidsmessige rangorden under Memorial exploration). Disse sammenligningene mellom hjerne / atferdsmessige Og Modell RDMs ble oppnådd ved hjelp av en regresjonsmodell. Både regressorer og data ble opprinnelig rank-transformert for å teste for ikke-lineære monotoniske relasjoner. Gitt at kollektiv, semantisk (Det Vil Si Wikipedia) og kontekstuell (det vil si romlig og tidsmessig) Modell Rdm ikke er ortogonale og overlapper til en viss grad, bidrar en regresjonsmodell til å avklare den unike variansen som kan tilskrives hver av modellens prediktorer. For hver deltaker ble denne regresjonsmodellen gjentatt for hvert emne av interesse, og de ti gjentakelsene av emnemodellen og modellregresjonskoeffisienten ble gjennomsnittlig over disse iterasjonene. Alle regresjonsmodellene var fulle, og variansinflasjonsfaktoren var mindre enn 1,5 for hver regressor, noe som bekrefter identifikasjonen og effektiviteten til våre modeller. Resultatene av disse regresjonsmodellene er rapportert i hovedteksten, men vi rapporterer også resultatene av Standard Spearmans korrelasjoner testet isolert, for fullstendig skyld, I Fig. 3c og I Supplerende Tabell 1 for statistiske tester. Bare elementer riktig tilbakekalt ble inkludert i analysen av aktivitetsmønstre. Gruppenivå slutninger ble utført ved hjelp av ikke-parametrisk tilfeldig-effekter statistikk for å teste for BÅDE RDM slektskap og forskjeller ved bootstrapping emnet satt med 5000 iterasjoner28. For hver MODELL RDM eller hvert par kontrasterte Modell RDMs, hadde vi ikke forutsetninger om den underliggende distribusjonen og utførte ikke-parametriske tilfeldige effekter statistiske tester ved hjelp av en bootstrapping tilnærming. Vi utførte en gjennomsnittlig sammenligning ved hvert bootstrap-sett og estimerte p-verdien som andelen bootstrap-prøver videre i haler enn null. De forventede proporsjonene av type i-feil på tvers av flere tester av BÅDE RDM – modellrelasjon og modellsammenligning ble kontrollert ved HJELP AV fdr-korreksjonen, med en ønsket FDR q = 0,05 og forutsatt en positiv avhengighet mellom betingelser34 [, 53. For testen AV RDM modell relatedness, forventet FDR ble beregnet ved hjelp av alle de ukorrigerte en-tailed p verdier av testede modeller. For TESTEN AV RDM-modellsammenligning begrenset vi korreksjonen til hovedhypotesen og inkluderte bare sammenligninger som involverte DET KOLLEKTIVE minnet RDM (med hensyn til andre referansemodeller) for å beregne forventet FDR, ved hjelp Av to-tailed p-verdier. Vi rapporterer justerte p-verdier og bruker bootstrapping iterasjoner for å bestemme 95% prosentil CIs. Støy taket rapportert I Fig. 3c reflekterer mellom-deltaker korrelasjon av Hjernen RDMs. Denne korrelasjonen ble beregnet for hver deltaker som korrelasjonen mellom deltakerens hjerne RDM og gjennomsnittlig hjerne RDM av de gjenværende deltakerne34. Støy taket avbildet I Fig. 3c tilsvarer gjennomsnittet av disse individuelle korrelasjonene.
Søkelys analyse
Maskene av hvit materie og pial overflater av cortex ble rekonstruert Fra T1-vektede bilder samlet for hver deltaker ved Hjelp Av Freesurfer programvarepakke versjon 554,55. VI brukte rsa_defineSearchlight MATLAB-funksjonen fra rsa toolbox34 (https://github.com/rsagroup/rsatoolbox), som også er avhengig Av Surfing toolbox functions56 (https://github.com/nno/surfing), for å definere et overflatebasert søkelys for begge halvkuler (ved hjelp av et 40-voxel søkelys med en radius på 10 mm). Voxels i nærheten av en eller flere noder av overflaten ble valgt ved hjelp av en geodetisk avstandsmåling og ved å konstruere virtuelle linjer som koblet tilsvarende noder på pial og hvite materieflater. Denne prosedyren gir et søkelys etter overflatekurvatur, og reduserer dermed romlig bias under analysen av fMRI-mønstre. I motsetning til nabolag definert volumetrisk, dette resulterte i nabolag med en buet sylindrisk form som fulgte konturene av sulci og gyri av hver enkelt. Når søkelysstrukturen for hvert toppunkt ble konstruert og kartlagt til det funksjonelle bildeområdet, var mønstre av tilbakekalt aktivitet ved hver voxel som komponerte søkelyset, midtsentrert og skalert til deres standardavvik før de beregnet ulikhetsstrukturen (1 minus romlig korrelasjon) over alle parvise sammenligninger av tilbakekalte mønstre. De øvre trekantede former av Disse søkelys RDMs ble deretter hentet ut, rang-transformert, og sammenlignet ved hjelp av en regresjonsmodell til rang-transformert øvre trekantet form av ALLE RDM modeller(kollektiv, semantisk og kontekstuell). Resultatet av denne søkelys analyse opprettet en betakart, et volum der hver voxel inneholder en statistikk for søkelys sentrert på at voxel. Disse første nivå beta kart for hver modell ble normalisert Til Montreal Neurological Institute T1 mal og glattet ved hjelp av en 10 mm full bredde ved halv maksimal Gaussisk kjerne. Disse standard-plass deltaker beta kart ble sendt til en andre nivå ikke-parametrisk tilfeldig-effekter analyse I FSL versjon 5.0.1157. For å korrigere for flere sammenligninger ble beta-kartet på gruppenivå sendt til maksimal permutasjonstesting ved hjelp av terskelfri cluster enhancement58 (TFCE), som gir et godt kompromiss mellom den altfor følsomme klyngebaserte terskelverdien og den for konservative helhjernevokselbaserte korreksjonen. FOR å teste RDM – modellrelasjon og forskjeller ble tfce-kart deretter korrigert (Pcorrigert < 0,05) for familievis feilrate ved hjelp av standard permutasjonstester implementert I FSL med randomiseringsfunksjonen (10.000 permutasjoner). Resultatene av søkelys analyse er rapportert I Utvidet Data Fig. 1.
kollektivt minnekorpus beskrivelse og analyse
korpuset ble samlet av MATRICE project (http://www.matricememory.fr/?lang=en), en tverrfaglig og teknologisk plattform, hvis mål er å gi verktøy og teknologisk og teoretisk bakgrunn for å forstå forholdet mellom kollektivt og individuelt minne. De audiovisuelle klippene som opprinnelig komponerte korpuset ble lagret Ved National Audiovisual Institute, en av HOVEDPARTNERNE I MATRICE-prosjektet og et offentlig institutt som har som mål å arkivere alle audiovisuelle produksjoner som sendes på fransk fjernsyn eller radio. For denne studien inkluderte vi i vårt corpus alle tv – nyhetsbulletiner og rapporter (ikke inkludert radioprogrammer eller dokumentarer) kringkastet fra 1980 til 2010 med ANDRE Verdenskrig som felles tema, noe som førte til totalt 3.766 dokumenter. Vi fokuserer på denne perioden av tre grunner. Først overlapper 1980 til 2010 i stor grad med levetiden til våre deltakere. For det andre tilsvarer denne perioden etableringen av en ny fortelling for det franske kollektive minnet (det vil si et nytt «Ré av Mé»59). Dette inkluderte fremveksten og bekreftelsen Av Shoah-minnet, samt store forsøk som anerkjente deltakelsen av den franske staten og dens folk, og deres representanter på den tiden (for Eksempel Bousquet, Leguay, Touvier og Papon), i deportasjon og drap Av Jøder. For det tredje, takket være fremskritt innen automatisk talegjenkjenning og tilgjengeligheten av elektroniske tekster som samtidige språkmodeller ble bygget for å behandle data registrert etter 1980, ble de 3.766 lydfilene konvertert til XML-format ved hjelp av tale-til-tekst konverteringsalgoritmer utviklet av Laboratoire d ‘Informatique pour la M@canique et Les Sciences de L’ Ing Hryvnieur (LIMSI; Ingeniørvitenskap og Datavitenskapslab), en av HOVEDPARTNERNE I MATRICE-prosjektet.
når vi ble konvertert til tekst, ble vårt korpus først behandlet manuelt for å forkaste segmenter som ikke var relatert TIL Andre Verdenskrig (utelukkende med seksjoner dedikert til dette emnet). Under denne operasjonen ble de automatiske tale-til-tekst-transkripsjonene i tillegg korrigert av en menneskelig leser. Etter denne første forbehandlingen ble en egen XML-fil hentet ut for hvert dokument. Disse filene ble deretter behandlet med tekstlig dataanalyse metoder ved HJELP AV TXM software60 (http://textometrie.ens-lyon.fr/) forbundet Med TreeTagger morphosyntactic analyser61 (http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/). TXM tillater brukeren å annotere hver forekomst av et ord (det vil si token) til sin tilsvarende lemma (den kanoniske formen av et sett med ord) og å fortsette til en morphosyntactic merking av hvert ord i et corpus. Corpus Kan deretter utforskes Ved Hjelp Av corpus Query Language (CQL) forespørsler om å merke og hente bestemte grammatiske kategorier, skjemaer, lemmaer eller annen informasjon knyttet til ordet. En liste OVER cql-forespørsler ble først generert automatisk for hvert substantiv, verb eller adjektiv lemma i corpus. Sjeldne lemmaer( mindre enn ti forekomster), stoppord og vanlige verb (for eksempel «være» og «ha») ble fjernet i prosessen og ikke inkludert i senere analyser. For eksempel vil denne algoritmen gå gjennom corpus og produsere en unik cql-spørring (for eksempel (lemma = «fight»%c)) som svarer til enhver forekomst av verbet «fight» i corpus(det vil si «fight»,» fight «eller » fighting»). %C-modifikatoren innlemmet i denne forespørselen brukes til å nøytralisere karaktertilfellet av assimilerte lemma-former(det vil si «kamp», «Kamp» eller «KAMP»). En innledende liste på ca 6500 cql-forespørsler ble automatisk generert på denne måten. Denne listen ble manuelt kontrollert for å fjerne cql-forespørsler produsert ved feil transkripsjon, for å av og til gruppere bestemte forespørsler under en enkelt enhet (for eksempel (lemma = «drama» %c) / (lemma = «dramatisk»%c)), for å slå sammen bigrams når det er hensiktsmessig (for eksempel (lemma = «chief»%c) ()?(lemma = «stat»%c) for «statsoverhode») eller for å tilpasse seg forskjellige ortografiske former (for eksempel (lemma = «Gorbatchov «%c)|(lemma = «Gorbatchov» %c)). Etter denne første kontrollen og justeringen ble totalt 6,240-forespørsler igjen for å oppsummere 1,431,790-tokens som komponerte vårt corpus.
en lemma x-dokumentfrekvensmatrise som teller antall forekomster ble hentet ut og sendt til EN lda-analyse utført ved Hjelp Av Machine Learning For LanguagE Toolkit (MALLET; http://mallet.cs.umass.edu/topics.php). Emnemodeller26, 29, 30 anser at dokumenter genereres av blandinger av emner. I denne sammenheng tilsvarer et emne fordelingen av sannsynligheter over alle ord som er tilstede i alle dokumenter (hvor sannsynlig er et gitt ord å være knyttet til et emne). Fra dette perspektivet kan et dokument genereres ved å tildele en sannsynlighetsfordeling over emner. For hver forekomst i et dokument velges et emne avhengig av den tidligere emnesannsynlighetsfordelingen, og et ord trekkes fra det emnet. MALLET bruker Gibbs sampling algoritme for å invertere denne prosessen, dedusere sett av emner som var ansvarlig for å generere en samling av dokumenter og deres sannsynligheter over ord.
vi trente først emnemodeller på andre Verdenskrigs nyhetsbulletiner og rapporterer corpus ved hjelp AV MALLET train-topic engine (se Utvidet Data Fig. 2 for en illustrasjon av emnene opprettet med denne teknikken). Vi varierte antall emner tillatt fra 2 til 100, i trinn på 1, og satte alfa-parameteren til 50 / N-emner og start beta-parameteren til 0,1 (som foreslått i andre verk som modellerte et stort korpus av tekster for semantiske formål62). For hvert antall emner brukte vi 500 iterasjoner for å estimere ord-og dokumentemnets sannsynligheter. Vi brukte DERETTER KLUBBE inferencer verktøy for å passe LDA modellen Til Memorial bilder og anslå deres emne sannsynligheter. For dette formålet ble hvert bilde behandlet som et nytt dokument og merket med nøkkelord (også lemmatisert), som ble direkte avledet fra Minneteksten under bildene. I alt 449 lemmas ble brukt til å beskrive Minnesbildene. Av disse lemmaene ble 428 også funnet i listen over 6 240 lemmaer som beskriver corpus of news bulletins og reports. Emnet inferensiell prosess førte dermed til en sannsynlighetsfordelingsmatrise på 119 bilder x n emner, som beskriver den bakre sannsynligheten for et emne gitt et bilde.
ET 119 bilde x 119 BILDE RDM ble deretter beregnet for hvert antall estimerte emner ved å bruke avstandene mellom fordelingene av emnesannsynligheter for hvert par bilder (basert her på cosinusavstanden, som gir et symmetrisk mål på likheten mellom to emnevektorer). Men gitt tilfeldigheten Som Gibbs sampling algoritmen kan innføre under parameter estimering, vi gjentok hele prosessen ti ganger, fører TIL EN 3D 119 bilde x 119 bilde x 10 repetisjon RDM for hvert antall estimerte emner. Målingene av likheten mellom hjerne-Eller atferdsmessige RDMs og kollektive RDMs (beta-koeffisienter av regresjonsmodellen eller Spearmans korrelasjonskoeffisienter) ble i gjennomsnitt over de ti gjentakelsene av emnemodellering. For å oppsummere hele prosessen, for et gitt antall emner: (1) vi trente en emnemodell på fransk tv – nyhetsbulletiner og rapporter corpus; (2) vi passer denne emnemodellen Til Minnesbildene og deres bildetekster, og behandler hvert bilde som et nytt dokument; (3) en 119 bilde x N emnematrise, som beskriver den bakre sannsynligheten for et emne gitt et bilde, ble hentet ut og transformert til en 119 × 119 RDM; og (4) denne prosessen ble gjentatt ti ganger, og for hvert emnetall ble gjennomsnittlig likhet med hjerne eller atferdsmessige RDMs beregnet på tvers av de ti forekomstene.
Validering av den kollektive minnemodellen og valg av emnenummer
vi forsøkte å kvantifisere strukturen av delte representasjoner på tvers av enkeltpersoner og sammenlignet slike delte skjemaer med vår kollektive minnemodell. Denne prosedyren vil også tillate oss å selvstendig velge et optimalt antall emner for å beskrive den kollektive strukturen av bilder som best tilsvarer det delte minnet. Til dette formål utførte 54 fransktalende (23 menn, 31 kvinner) mellom 20 og 39 år (gjennomsnitt = 27,3 år; sd = 5,6) bildearrangeringsoppgaven. Denne oppgaven ble utført på nøyaktig samme 119 Minnebilder, men i motsetning til VÅRE MR-deltakere, som hadde besøkt Minnesmerket dagen før, var disse nye deltakerne helt ukjente Med Minnesmerket. Vi avledet 54 individuelle RDMs fra Euklidiske avstander mellom bildene. Vi utførte DERETTER DISTATIS33 for å fange den delte strukturen av representasjoner på tvers av disse kontrollpersonene. DISTATIS er ideelt egnet til å beregne den beste avtalen eller kompromisset på tvers av flere avstandsmatriser. Implementeringen I MATLAB AV DISTATIS finnes på https://www.utdallas.edu/~herve/, men kort sagt: (1) hver av de 54 Rdmene ble først omdannet til en kryssproduktmatrise etter dobbelt sentrering og normalisering til sin første egenverdi; (2) cosinuslikhetsstrukturen til alle parvise sammenligninger av de 54 normaliserte kryssproduktmatrisene ble beregnet ved HJELP AV RV-koeffisienten; (3) RV-koeffisientmatrisen som beskriver forholdene mellom RDMs ble sendt til egen-dekomponering, og kompromissmatrisen korresponderte med summen av de normaliserte kryssproduktmatrisene vektet av deres første egenverdi; (4) egen-dekomponeringen av kompromisset produserte faktorpoeng, som beskrev posisjonen til hver av de 119 bildene i Et n-dimensjonalt kompromissrom; og (5) avstandskorrelasjonsmatrisen til disse flerdimensjonale kompromissrommene korresponderte da med den beste avtalen på tvers av alle 54 individuelle Rdm-er avledet fra atferdsbildearrangementoppgaven. Denne avstandskorrelasjonsmatrisen kan ses som et delt skjema som reflekterer den felles semantiske organisasjonen på tvers av enkeltpersoner. De kollektive Rdm hentet fra corpus av tv – nyheter bulletiner og rapporter var lik strukturen av delt minne målt på tvers av kontrollpersoner (Fig. 2c). Denne likheten mellom kollektivt og delt minne ble i gjennomsnitt av hyller på fem emner, og nådde sitt maksimum når seks til ti emner ble inkludert under emneoppdagelse. Som et resultat ble alle etterfølgende analyser som involverte kollektivt eller semantisk minne utført ved hjelp av seks til ti emner (og målinger av likhet mellom hjerne-Eller atferdsmessige Rdmer og kollektive eller semantiske Rdmer ble gjennomsnittlig innenfor dette valgte antall emner).
Konstruksjon av en kontrollmodell av World War ii semantic domain
Vi brukte franske Wikipedia-artikler som refererte Til Andre Verdenskrig som en referansemodell for de spesifikke semantiske relasjonene mellom ord relatert til Andre Verdenskrig, og trente en emnemodell som vi deretter passer til Minnesbildene. Dette corpus (http://redac.univ-tlse2.fr/corpus/wikipedia.html) inkluderte 664,982 artikler redigert til juni 2008, blant annet 2,643 artikler var spesielt relatert til Andre Verdenskrig, og har tidligere blitt hentet fra dump fransk versjon Av Wikipedia-artikler (http://dumps.wikimedia.org/) og behandlet ved hjelp av samme morphosyntactic tagging verktøy61 brukes til å behandle vår corpus av franske tv-nyheter På Andre Verdenskrig. Når vi hadde importert corpus TIL TXM, brukte vi nøyaktig samme analysemetode som vi tidligere brukte til å konstruere modellen for kollektivt minne (se Kollektiv minne).memory corpus beskrivelse og analyse).
Rapporteringssammendrag
Ytterligere informasjon om forskningsdesign er tilgjengelig I Nature Research Reporting Summary knyttet til denne artikkelen.