♻️ارتباطات بخش های مختلف دو نیمکره مغز در افراد #خلاق، بیش از افراد عادی است.

Bayesian Inference and Testing of Group Differences in Brain Networks

❇️پژوهشگران دانشگاه دوک کارولینای شمالی 🇺🇸 و دانشگاه پاودا 🇮🇹 در پژوهش های جدید خود دریافتند افرادی که سطوح بالای #خلاقیت دارند، نسبت به افراد عادی، #ارتباطات بیشتری بین دو #نیمکره #راست و #چپ مغز خود دارند.

📚🔍در این پژوهش که بر دانشجویان داوطلب با کمک MRI و اجرای مجموعه وسیعی از پرسشنامه های سنجش خلاقیت و #عملکرد (#حل_مسئله، #تفکر_واگرا، ارائه پاسخ های پرشمار برای یک #مسئله، رسم شکل، و ...) انجام شد، بررسی های نشان دادند افسانه «خلاقیت در نیمکره راستِ فعال است» صحیح نیست؛ خلاقیت بر اساس ارتباط مستمر و وسیع دو نیمکره مغز برای پردازش موضوعات و یافتن راه حل های بیشتر برای موضوعات شکل می گیرد.

📹به منظور تحلیل دقیق فعالیت های مغزی، #اسکن های 1 گیگابایتی #MRI از مغز داوطلبان تهیه شد.

🔍نتایج تحلیل های ابتدای نشانگر هیچ تفاوتی بین مردان و زنان و یا افراد در پردازش های مغزی نبود. اما مقایسه 15 درصد بالایی و پایینی (از منظر نمرات خلاقیت) با هم تفاوت های اساسی در ارتباطات نواحی مغزی را آشکار نمود.

📝نتایج پژوهش نشان دادند در افرادی که بسیار خلاقند 68 نقطه مستقل از مغز در دو نیمکره با هم مرتبطند (بیشتر این نقاط در لوب های #پیشانی واقعند).

🔆این تیم پژوهشی در حال حاضر در تلاش برای بررسی تفاوت های مغزی در حوزه #هوش (#IQ) هستند.


✅🛂نکته: این پژوهش اولین پژوهش کاربرد تحلیل های ترکیبی پیشرفته ریاضی برای مدلسازی فعالیت و ارتباط نواحی مختلف مغز با یکدیگر و نشانگر ضرورت کاربرد روش های آماری و نوین بجای وابستگی به روش های معمول و رایج آماری و شاخص های دم دستی گرایش به میانگین (کتب آمار و روش تحقیق فعلی) است.

Abstract
#Network data are #increasingly collected along with other variables of interest. Our motivation is drawn from #neurophysiology studies measuring brain connectivity networks for a sample of individuals along with their membership to a low or high creative reasoning group. It is of paramount importance to develop statistical methods for #testing of global and local changes in the structural interconnections among brain regions across groups. We develop a #general #Bayesian procedure for inference and testing of group differences in the #network #structure, which relies on a nonparametric representation for the conditional probability mass function associated with a #network-valued random variable. By #leveraging a mixture of low-rank factorizations, we allow simple global and local hypothesis testing adjusting for multiplicity. An efficient #Gibbs sampler is defined for #posterior #computation. We provide theoretical results on the flexibility of the model and assess testing performance in simulations. The approach is applied to provide novel insights on the relationships between human brain networks and creativity.

لینک منبع 👇🏻(further reading)👇🏻
http://projecteuclid.org/download/pdfview_1/euclid.ba/1479179031

✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).

📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani

♻️تاثیر #هیجان و #شناخت ها بر #همدلی

#Testing alternative models of #dispositional #empathy: The #Affect-to-Cognition (#ACM) versus the #Cognition-to-Affect (#CAM) model

پژوهشگران دانشگاه آمستردام 🇳🇱 در گزارشی که به تازگی منتشر شده است به بررسی مدلی های مختلف تبیین همدلی پرداختند.

🔬در این پژوهش #پیمایشی 3095 نفر داوطلب شرکت داشتند و واکنش های #بین‌فردی #شناختی و #عاطفی آنها ارزیابی شد.

📚محاسبات #SEM و #RMSEA و #SRMR نشان دادند تفاوت در همدلی افراد ناشی از مولفه‌های هیجانی و شناختی است. فراخوانی عواطف مقدم بر فرآیندهای شناختی است. دغدغه‌های همدلانه و #دیسترس #فردی تاثیر منفی بر شناخت افراد دارند. مهمتر اینکه، تقدم اثر هیجانات بر شناخت در همدلی، در #فرهنگ‌ها، #جنس‌ها، و #سنین مختلف یکسان است.

🔆به این ترتیب، برای ترغیب و افزایش همدلی در افراد مختلف، لازم است مولفه‌های هیجانی را تحریک نمود.

لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.paid.2017.09.036

✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).

📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://t.me/DrAmirMohammadShahsavarani