| پادکـست ◄ نوروساینسِ زبان
| اپـــیــــزود ◄ پانزدهم
| مـیـزبـــان ◄ استفان ام. ویلسون
| گفتگـو بـا ◄ رودریگو براگا
| مــوضـوع ◄ بررسی یکپارچه شبکه‌های متعدد مربوط به زبان در نیمکره چپ
| مـــنـــبــــع ◄ Language Neuroscience Laboratory━━━━━━◉───────
↻ㅤ ◁ㅤ ㅤ❚❚ㅤ ㅤ▷ㅤㅤ ⇆
ارائه شده توسط ≫ مغز | زبان | شناخت |آدرس اینستگرام ≫ ⨠ @brainlingua

?تفاوت‌های عصبی در پردازش زبان اجتماعی و مجازی در طیف اوتیسمافراد دارای اختلال طیف اوتیسم اغلب حین به‌کارگیری زبان اجتماعی (social) و مجازی (figurative) (استعاره‌ای) با مشکل مواجه هستند. ازآنجایی‌که زبان اجتماعی غالبا مجازی است، تفکیک سازوکار شناختی و عصبی این مشکلات می‌تواند چالش‌برانگیز باشد. این چالش از این واقعیت ناشی می‌شود که زبان انتزاعی و استعاره اغلب حاوی محتوای اجتماعی است. مانند مشکلات پردازش رفتار اجتماعی، مشکلات درک زبان انتزاعی در اوتیسم به دو صورت رفتاری و عصبی یافت شده است. طی متاآنایزهای اخیر نشان داده شده است که مناطقی از شبکه معنایی مانند بخش میانی و کناری ناحیه آهیانه‌ای و همچنین نواحی گیجگاهی کناری به‌طور مداوم برای پردازش زبان حقیقی (literal) فعال می‌شوند، درحالی‌که یکدستی قابل‌ملاحظه‌ای در خصوص یافته‌های مربوط به نواحی فعال برای پردازش انواع مختلف زبان مجازی مانند استعاره (metaphor)، گواژه (irony) و طعنه (sarcasm) در سطح کورتکس گزارش نشده است. بااین‌حال، فعالیت دوطرفه‌ی چندین ناحیه ازجمله قشر پیشانی پایینی (IFG) برای پردازش زبان مجازی و قشر گیجگاهی جلویی (ATL) مربوط به پردازش زبان حقیقی مشاهده شده است. همچنین، یافته‌های اخیر نشان می‌دهد که شبکه‌ عصبی زیربنای معنا حداقل تا حدی با اساس عصبی پردازش معنا در افراد مبتلابه اوتیسم متمایز است. شبکه‌های پردازشی شناخت اجتماعی و درک زبان مانند لوب گیجگاهی جلویی (ATL)، قشر پیش-پیشانیِ شکمی میانی (vmPFC)، قشر سینگولیت پشتی (PCC) و قسمت پشتی شکنج گیجگاهی پشتی (pMTG) در بازیابی معنای زبانی همپوشانی دارد.
◽️@brainlinguaدر یک مطالعه، پژوهشگران انتظار داشتند طی دست‌کاری جنبه‌های اجتماعی/غیراجتماعی و مجازی/حقیقی با استفاده از عبارات دوکلمه‌ای (صفت-اسم)، مناطق متمایز اما همپوشانی فعال گردد. در طول ثبت تصاویر fMRI، شرکت‌کنندگان در دو گروه اوتیستیک (AUT) و غیر اوتیستیک (NAC) تکلیف قضاوت آشنایی با 192 عبارت را انجام دادند. نتایج آشکار ساخت که آسیب‌های اجتماعی یک معیار اساسی برای تشخیص AUT است و انتظار می‌رود تفاوت‌های عصبی در پردازش عبارات اجتماعی در مقایسه با عبارات غیراجتماعی وجود داشته باشد. درحالی‌که درواقع تفاوت‌های عددی بین گروه‌ها در نتایج کنتراست اجتماعی-غیراجتماعی در vmPFC وجود داشت، جالب‌توجه است که فعالیت مناطق PCC و dmPFC در هر دو گروه یافت شده است. الگوی کلی نتایج برای کنتراست مجازی-حقیقی بیانگر آن است که فعالیت بیشتر pMTG راست در گروه NAC نسبت به گروه AUT برای پردازش زبان مجازی مشاهده می‌گردد، که هم‌زمان با فعالیت دوطرفه PCC، از پایین به شکنج گیجگاهی پایینی و از بالا به AG گسترش می‌یابد. فعالیت بیشتر خوشه شامل قشر سینگولیت میانی و ناحیه حرکتی مکمل (SMA)، همراه با یک خوشه جداگانه در ATL راست در گروه AUT در ارتباط با پردازش عبارات اجتماعی و مجازی یافت شده است. سینگولیت میانی و SMA ازنظر عملکردی با شبکه بزرگ‌تری از نواحی پیشانی-آهیانه‌ای مرتبط هستند که در صورت نیاز به توجه به محرک‌های خارجی نسبت به حالت استراحت، فعال می‌شوند. فعالیت بیشتر ATL در گروه AUT تنها تفاوت مهم عصبی در سطح گروه مربوط به حالت اجتماعی-مجازی تلقی می‌شود. تفاوت‌ فعالیت ATL و pMTG گروه AUT نشان‌دهنده درگیری تغییریافته همولوگ‌های راست شبکه معنایی متعارف است که برای پردازش زبان اجتماعی و مجازی به کار گرفته می‌شود. در این خصوص، فعالیت بیشتر ATL این احتمال را افزایش می‌دهد که افراد اوتیستیک ممکن است عبارات را به روش طبقه‌بندی (taxonomic) پردازش کنند. پیامد این امر برای پژوهش آینده این است که یادگیری مطالب اجتماعی و مجازی در افراد مبتلابه اوتیسم در سنین مدرسه به‌صورت طبقه‌بندی و نه موضوعی ممکن است با سهولت بیشتری صورت گیرد.

⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |◽️@brainlingua

?تفاوت‌های عصبی در پردازش زبان اجتماعی و مجازی در طیف اوتیسم⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |◽️@brainlingua

#برش_کتاب
پردازش آهنگ واژگانی و فعالیت شبکه‌ی زبانِ تک/دو زبانه‌ها در سنین پاییندر یک پژوهش، با کمک fMRI در سطح واجی نشان داده شده است که برخی از جنبه‌های مربوط به بازنمایی واجی آموخته ‌شده در سنین پایین با گذشت زمان حتی بدون تداوم دریافت درونداد حفظ می‌شود. كودكان 9 تا 17 سال كه تا 13 ماهگی در چین زندگی می‌کردند و پس از آن به طور ویژه در معرض زبان فرانسوی قرار گرفته بودند، ملزم به انجام تکلیف تشخیص آهنگ واژگانی زبان چینی شدند. الگوی فعالیت مغزی ثبت‌ شده بسیار شبیه الگوی زود-دوزبانه چینی-فرانسوی بود و با الگوی تک‌زبانه‌های فرانسوی تفاوت داشت. یافته‌ی مشابهی از الگوهای فعالیت مغزی افرادی که در سنین پایین در معرض زبان چینی و فرانسوی قرار گرفته بودند در مقایسه با شرکت ‌کنندگانی که پس از سن 13 ماهگی هیچ‌گاه در معرض زبان چینی قرار نگرفته بودند، حین انجام تکلیف آهنگ واژگانی گزارش شده است. فعالیت شکنج پیشانی پایینی چپ در دوزبانه‌ها قابل مشاهده است، این در حالی است که در تک‌زبانه‌های فرانسوی، شکنج گیجگاهی بالایی راست بکار گرفته می‌شود.
*◽️@brainlinguaدرگیری نیمکره چپ مرتبط با پردازش آهنگ واژگانی در زبان‌های نواختی در ارتباط با گویشوران بومی چینیِ ماندارین و تایلندی در مقایسه با افراد غیر بومی در ادبیات مربوطه گزارش شده است. شباهت الگوی فعالیت مغزی این گروه با زود-دوزبانه‌ها نشان می‌دهد که واج‌های یادگرفته شده مربوط به آهنگ واژگان و بازنمایی آن در مغز حتی اگر این اطلاعات آگاهانه در دسترس نباشد، حفظ می‌گردد. در یک مطالعه، به ارتباط ویژگی‌های آهنگ واژه و شکلِ آن در دوزبانه‌ها پرداخته شده است. در این پژوهش، زبان چینی به عنوان زبان نواختی و انگلیسی نیز به عنوان زبان غیر نواختی در نظر گرفته شده است. نویسندگان با کمک تکنیک fMRI و انجام آنالیز اتصال عملکردی با استفاده از مدل علی پویا دریافتند که اگرچه پردازش گفتار در هر دو زبان توسط یک شبکه مشترک پیشانی-گیجگاهی پشتیبانی می‌شود، اما تفاوت‌هایی در ارتباط با الگوهای اتصال عملکردی آنها وجود دارد. همچنین تعامل بیشتری در دو سمت (چپ و راست) شکنج گیجگاهی جلویی برای زبان چینی در مقایسه با زبان انگلیسی مشاهده شده است.
*⇵◫ برگی از کتاب | #زبان_در_مغز_ما◲ به زودی |◰ ارائه شده توسط | مغز | زبان | شناخت |◳ انتشار مطلب با درج آیدی کانال بلامانع است |◱ آدرس صفحه اینستگرام |
◽️****@brainlingua

#برش_کتاب
پردازش آهنگ واژگانی و فعالیت شبکه‌ی زبانِ تک/دو زبانه‌ها در سنین پایین◫ برگی از کتاب | #زبان_در_مغز_ما◲ به زودی |◰ ارائه شده توسط | مغز | زبان | شناخت |◳ انتشار مطلب با درج آیدی کانال بلامانع است |◱ آدرس صفحه اینستگرام |
◽️****@brainlingua

? توانایی انسان-گونه‌ی ChatGPT در استفاده از زبان\#قسمت_دومبااین‌حال، ChatGPT برخلاف انسان‌ها، از اطلاعات بافت جمله برای حل ابهامات نحوی بهره نمی‌برد، و در هنگام انتقال اطلاعات قابل پیش‌بینی‌تر، شکل کوتاه‌تر یک کلمه را انتخاب نمی‌کند (البته تفاوت مشاهده شده آنچنان معنی‌دار نیست). ویژگی حساسیت به بافت ممکن است توضیح دهد که چگونه استفاده از یک کلمه دارای ابهام که اخیرا دریافت شده است بر بازنمایی آن تأثیر می‌گذارد، که به‌نوبه خود احتمال ایجاد لینک مرتبط با یک معنا یا معنای دیگر را متاثر می‌سازد؛ و بنابراین شبیه رفتار انسان می‌گردد. برای مثال، ChatGPT درونداد قدم زدن روی شیشه همراه با درخواست کمک را اغلب با زخمی شدن پا و نه قدم گذاشتن روی شیشه مرتبط می‌سازد؛ به این معنا که مانند انسان‌ها شواهدی را جمع‌آوری می‌کند و در استفاده بعدی بکار میگیرد. در یک جمله، 18 مکانیزم توجهی در معماری ترانسفورماتور ChatGPT بایستی اجرایی شود تا عمل وزن دهی بیشتر به مفعول در مقایسه با فاعل پیرو فعل تجربه‌گر-محرک (مانند ترسیدن)، و یا وزن دهی بیشتر به فاعل پیرو فعل محرک-تجربه‌گر، (مانند ترساندن) صورت گیرد. این قابلیت توضیح می‌دهد که چگونه می‌توان به مفعول در مقایسه با فاعل جمله بسته به نوع فعل به شکلی شبیه انسان اشاره کرد. نشان داده‌ شده است که LLM ها به‌طور قابل‌ملاحظه‌ای بازنمایی معنایی کلمات را برای تناسب با بافت اصلاح می‌کنند، که ممکن است به توضیح حساسیتِ انسان-مانندِ ChatGPT در بافت کمک کند. به‌طور مشابه، بازنمایی‌های معنایی حساس به بافت ممکن است باعث شود ChatGPT اشتباهات دستوری را نادیده بگیرد، به‌عنوان‌مثال، در جمله غیرمقبول "مادر به شمع دختر داد"، دختر را گیرنده قلمداد کند. همچنین قابل‌توجه است که ChatGPT احتمال قرارگیری موضوع معنایی پس از یک فعل را به‌روزرسانی می‌کند و چنین احتمالاتی را برای افعالی با ساختار موضوعی مشابه تقویت می‌کند. با این حساب، هنگامی‌که نقش معنایی "گیرنده" پس از یک فعل dative مانند show قرار می‌گیرد، ChatGPT احتمال اینکه همه افعال dative نقش معنایی گیرنده اتخاذ می‌کنند را افزایش می‌دهد و درنتیجه آماده‌سازی ساختاری مستقل از فعل ایجاد می‌شود. ChatGPT هنگام حل ابهام نحوی مربوط به جایگاه نحوی VP/NP در جمله The hunter killed the dangerous poacher with a rifle قادر نیست بافت را لحاظ کند. درصورتی‌که گفتمان چندین شکارچی متخلف را معرفی کرده باشد، احتمال بیشتری دارد که آزمودنی {انسان} عبارت دارای ابهام with a rifle را عامل بیان‌کننده dangerous poacher تفسیر می‌کند. همچنین شایان ذکر است که ChatGPT ممکن است چندین تفسیر متناظر با تحلیل‌های نحوی جایگزین داشته باشد (مثلا هم the hunter و هم the poach ممکن است the rifle داشته باشند)، بنابراین به دو سوال آیا dangerous poacher تفنگ دارد؟ و آیا the hunter تفنگ دارد؟ پاسخ «بله» بدهد. لازم به ذکر است که تفسیرهای متعدد ممکن است منعکس‌کننده توانایی ChatGPT در به‌روزرسانی بازنمودهای معنایی جملات دارای ابهام به‌واسطه سوال پرسیدن باشد.
◽️@brainlinguaدر انتها بایستی اضافه کرد، خانواده GPT از LLM ها در انجام طیف گسترده‌ای از تکالیف زبانی مانند خلاصه‌سازی، طبقه‌بندی متن، ترجمه و پاسخ به سؤال مهارت نشان داده است. با فرض اینکه ChatGPT بعید است دستورالعمل‌های صریح یا بازخورد انسانی در مورد این الگوهای استفاده از زبان دریافت کرده باشد، می‌توان به‌طور منطقی نتیجه گرفت که این توانایی‌ها زمانی پدیدار می‌شوند که یک ترانسفورماتور 20 با میلیاردها پارامتر بر روی صدها میلیارد واژه آموزش داده شود. اگر چنین استنتاجی معتبر باشد، این احتمال جالب‌توجه مطرح می‌شود که از LLM‌هایی مانند ChatGPT به‌عنوان مدل‌های زبانی توسط عصب زبان‌شناس‌ها و روان‌شناسان شناختی استفاده شود. عملکردهای شبیه انسان ChatGPT در انجام تکالیف زبانی نشان می‌دهد که این ربات گفتگو پردازش زبان را همانند انسان انجام می‌دهد، اما پاسخ به درخواست‌ها مستلزم تفکر یا قصدمندی نیست. ChatGPT مستعد "اشتباهات مهمل" است و همان‌طور که یافته‌ها نشان می‌دهد، به‌طور منظم متوجه اشتباهات دیگران نمی‌شود. بنابراین انسان‌ها موظف‌اند این ابزار را موشکافی کنند و در مورد نحوه استفاده از آن پاسخگو باشند.

⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |◽️@brainlingua

? توانایی انسان-گونه‌ی ChatGPT در استفاده از زبان\#قسمت_اولمدل‌های کلان زبانی (LLM) و ربات‌های گفتگوی مبتنی بر LLM مانند ChatGPT قادرند به سؤالات و دستورالعمل‌های یک متن دستوری و منسجم پاسخ دهند. موفقیت این مدل‌ها باعث شده است که شباهت عملکرد LLM ها به سیستم زبان انسان در کانون توجه پژوهشی قرار گیرد. برخی پژوهشگران عملکرد LLM ها به‌عنوان مدل‌های شناختی بالقوه جهت استفاده از زبان انسان را ستایش کرده‌اند، برخی دیگر با این استدلال که نحوه عملکرد LLM ها عمیقاً با نحوه استدلال و استفاده انسان‌ها از زبان متفاوت است، تردیدهای بی‌شماری ابراز کرده‌اند. بنابراین، مطالعه شباهت عملکرد LLMهایی مانند ChatGPT در استفاده از زبان با انسان، محققان را قادر می‌سازد تا درک بهتری از قابلیت‌ها و محدودیت‌های این مدل‌ها و تفاوت سازوکار پایه آن با شناخت انسان کسب کنند. این رهاورد همچنین می‌تواند در خصوص نقش LLM در بازتاب چگونگی یادگیری، درک و تولید زبان توسط انسان یاری رساننده باشد. خانواده GPT از LLM ها در بسیاری از آزمون‌های بسندگی زبان، مانند پر کردن جای خالی کلمات در متن، تفسیر معنایی کلمات و درک ساختار دستوری جمله عملکرد خوبی نشان داده است. انجام این تکالیف امروزه معیار چگونگی درک و تولید زبان توسط انسان‌ها شناخته نمی‌شود، بنابراین محققان انجام آزمایش‌های روان‌شناختی برای به دست آوردن درک عمیق‌تری از این عوامل مصنوعی پیچیده را پیشنهاد کرده‌اند. در طول بیش از نیم‌قرن تحقیق روان-زبان‌شناختی، الگوهای عادتی متعددی شناسایی شده است که به شکل‌دهی درک ما از نحوه درک و تولید زبان کمک می‌کند. برای مثال، افراد کلمات بی‌معنی با صدای متفاوت را با مصداق‌های (referent) مختلف مرتبط می‌سازند، ساختار جمله‌ها و معانی کلمات را مجدداً به کار می‌برند، خطاها و اجزای بی‌معنی گفتار را نادیده می‌گیرند و زبان را به‌گونه‌ای تفسیر و تولید می‌کنند که برای مخاطبشان مناسب باشد. در این راستا، طی مطالعه‌ای از 12 آزمایش عصب زبان‌شناختی معتبر جهت بررسی میزان شباهت عملکرد ChatGPT به انسان‌ها در درک و تولید زبان، از آوا گرفته تا ساختار جملات و تشخیص هویت شنودگر استفاده شده است.
◽️@brainlinguaربات‌های گفتگوی مبتنی بر LLM مانند ChatGPT با تقطیع متن به توکن‌ها (token) به سوالات و درخواست‌ها پاسخ می‌دهد و بر اساس صدها میلیارد توکنی که بر اساس آن‌ها آموزش دیده است، پیش‌بینی می‌کند کدام توکن را کجا بکار بگیرد. علیرغم موفقیت چشمگیر در عرصه مهندسی و همچنین تلاش‌هایی که در خصوص عملکرد ChatGPT (یعنی محاسبه بردار احتمالات توکن‌های کلمه و استفاده از این احتمالات برای تعیین تولید پاسخ به یک توکن در یک زمان معین) انجام شده است، نحوه بازنمایی و فرآیندهای شناختی آن یک جعبه سیاه باقی مانده است. شواهد به‌دست‌آمده آشکار می‌سازد که در 10 مورد از 12 آزمایش استفاده شده، ChatGPT الگوهای انسانی را در درک و تولید زبان تکرار می‌کند. به عبارتی، صورت (form) واژگانی را با ویژگی‌های معنایی (meaning) خاص مرتبط می‌کند، بازنمود‌های واژگانی- معنایی و نحوی را بر اساس ورودی‌های اخیر به‌روزرسانی می‌کند، به‌احتمال خطا در هنگام محاسبه جملات غیرمقبول و تشخیص کلمات نادرست حساس است، گفتمان را به‌طور منسجم مطابق با معنای افعال ادامه می‌دهد، مفهوم جمله را استنباط می‌کند و در طول فرآیند تولید و دستیابی به معنای کلمه، نسبت به واکنش شنودگر حساس است.

ادامه در پست بعدی ?

⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |
◽️****@brainlingua

#پست_ویژه

? توانایی انسان-گونه‌ی ChatGPT در استفاده از زبان⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |
◽️****@brainlingua

تاثیر آواها و صداهای محیطی بر توانایی شنیداری و گفتاریآیا اساس عصبی مغز انسان بسته به محیطی که در آن رشد می‌کند به شکل متفاوتی ساختار خواهد یافت؟

گفتگو با : ادی چانگ - دانشگاه کالیفرنیا، سان‌فرانسیسکوCredits: Huberman Lab⇖ ارائه شده توسط ‖ مغز | زبان | شناخت |
⇙ آدرس صفحه اینستگرام |⇒@brainlingua

(3)⪢ نگاشت واژگان (گفتاری) به معنا به واسطه نواحی گیجگاهی میانی و پایینی⪢
در بخش اول، سیستم متشکل از نواحی لوب گیجگاهی مسئول اجرای فرآیندهای یکپارچه سازی اطلاعات حین پردازش واژگان در مقایسه با شبه واژگان و در بخش دوم، ارتباط بازنمودهای شنیداری-حرکتیِ گفتار به وسیله نواحی گیجگاهی-آهیانه‌ای مورد بررسی قرار گرفت. در این بخش، نواحی گیجگاهی شبکه پردازش واژگان را بررسی می‌کنیم. گویشور زبان پی دستیابی به معنای موردنظر گوینده از واژگان گفتاری است. کشف و بررسی اساس عصبی و عملکردی این توانایی و تمایز آن با بازنمودهای معنایی چالش‌برانگیز بوده است. متاآنالیز تصویربرداری عملکردی معروف بایندر (2009)، یک شبکه معنایی متشکل از لوب گیجگاهی جانبی و لوب آهیانه‌ای پایینی ازجمله مسیرهای جلویی و پشتی را پیشنهاد می‌کند. در این شبکه، فعالیت بخش‌های پشتی MTG در طول پردازش معنایی واژگان کنشی (action) و فعالیت مناطق گیجگاهی پایینی و نواحی دوکی‌شکل در صورت نیاز به دسترسی به ویژگی‌های ادراکی واژگان گفتاری یا نوشتاری مشاهده می‌شود. یک سؤال کلیدی این است که " آیا بازنمایی‌های معنایی بدنمند (embodied) مستقیما به‌واسطه بازنمایی‌های ادراکی مربوطه (مثلاً از مناطق گیجگاهی بالایی، در مورد کلمات گفتاری) یا اینکه از طریق یک مرکز معنایی آمودال واقع در قسمت شکمی لوب گیجگاهی جلویی شکمی قابل‌دسترسی است؟ "
▣ @brainlinguaشواهد تصویربرداری عصبی، اختلال عصبی روان‌شناختی در افراد مبتلابه تحلیل عصبی کانونی نواحی گیجگاهی شکمی (به‌طور خاص، زوال عقل معنایی) و همچنین اختلالات معنایی مشاهده‌شده پس از اعمال rTMS به مناطق مشابه بازگو کننده مشارکت لوب گیجگاهی جلویی در پردازش معنایی است. بااین‌حال، یکی از جنبه‌های قابل‌توجه این مشاهدات این است که سهم معنایی مشاهده‌شده این نواحی عام-دامنه است؛ به این معنی که تمام مودالیتی‌های ورودی (نوشتاری و گفتاری، تصاویر، و غیره) و خروجی (نام‌گذاری، نقاشی، قضاوتِ شباهت) تحت تاثیر قرار می‌گیرد. بنابراین، این مرکز معنایی ممکن است مسئول پیوند دادن (و حفظ پیوندهای بین) بازنمایی‌های توزیع‌شده‌ی کد کننده صورت و معنای (form and meaning) کلمات گفتاری باشد. در مقابل، بخش‌های پشتی (تر) MTG و ITG به‌طور خاص با پردازش معنایی کلمات گفتاری مرتبط است. این یافته می‌تواند افزایش فعالیت مشاهده‌شده برای کلمات گفتاری در مقایسه با شبه واژه‌ها را توضیح دهد. شواهد حاصل از مطالعات تصویربرداری با استفاده از دست‌کاری آماده‌سازی معنایی (semantic priming) نیز کاهش فعالیت عصبی در نواحی گیجگاهی پشتی برای جفت کلماتی که ازنظر معنایی مرتبط هستند را نشان می‌دهد. این پاسخ U شکل معکوس (inverted U-shape response) —که فعالیت عصبی برای کلمات در مقایسه با شبه واژه‌ها و کاهش پاسخ به کلماتی که نیاز پردازشی کمتری دارند را نشان می‌دهد، با فعالیت مورد انتظار ناحیه‌ای که در دسترسی به بازنمودهای معنایی دخیل است، مطابقت دارد.
▣ @brainlinguaافزون بر موارد بالا، جملات با ابهام زیاد نیازمند فرآیندهای معنایی اضافی برای فعال کردن چندین معانی ممکن از کلمات مبهم و انتخاب معانی مناسب در متن هستند. در مقایسه با جملات همسان و کم ابهام، درک این جملات باعث فعالیت بیشتر در بخش پشتی شکنج گیجگاهی میانی و پایینی و همچنین مناطق دوکی‌شکل و پیشانی پایینی مجاور می‌شود. ترکیب‌های مشابهی از پاسخ لوب گیجگاهی پشتی و پیشانی پایینی در واکنش به جملاتی که ابهامات واژگانی منجر به انتخاب نحوی و معنایی می‌شود و همچنین برای جملاتی که زمان ایجاد ابهام و ابهام‌زدایی بعدی در آن‌ها متفاوت است، به دست آمده است. داده‌های عصب‌روان‌شناختی از بیماران آسیب‌دیده مغزی نیز حاکی از اختلال در درک واژگان {گفتاری} پس از ضایعه در بخش‌های پشتی MTG و ITG و در برخی موارد شرایط عصبی مانند زوال عقل معنایی است. ارتباط فعالیت بخش پشتی لوب گیجگاهی با پردازش معنایی در طول بیهوشی درجه‌بندی‌شده که طی آن درک مختل می‌گردد، گزارش شده است. {داروی} پروپوفول فعالیت نواحی گیجگاهی پشتی را کاهش می‌دهد. این در حالی است که فعالیت ITG پشتی در شرکت‌کنندگان نیمه-بیهوش که قادر به قضاوت معنایی دقیقِ واژگان {گفتاری} هستند، کاهش اندکی را بازتاب می‌دهد. چنین یافته‌هایی از نقش مناطق پایینی پشتی لوب گیجگاهی در دستیابی به بازنمایی معنایی کلمات شنیده شده پشتیبانی می‌کند.

⌝⌜ ارائه شده توسط ‖ مغز | زبان | شناخت |
◎ انتشار مطلب با درج آیدی کانال بلامانع است |⌟⌞ آدرس صفحه اینستگرام |
▣ @brainlingua