(Продолжение)
P. S. На скрине представлен фрагмент моего диалога с ChatGPT, в котором я прошлась по различным вариациям одного уже реализованного мной алгоритма и, зная “правильный” ответ, смотрела, как ИИ будет реагировать на различные предложения по его модификациям. На скрине я задаю краткий уточняющий вопрос по одному свойству алгоритма и в ответ получаю прозрачное теоретическое объяснение и сопровождающий код на Python.
P. P. S. Если вы тоже используете ChatGPT в своей профессиональной деятельности (даже если она не связана с наукой), пишите в комментарии, какие функции вам пригодились.
P. S. На скрине представлен фрагмент моего диалога с ChatGPT, в котором я прошлась по различным вариациям одного уже реализованного мной алгоритма и, зная “правильный” ответ, смотрела, как ИИ будет реагировать на различные предложения по его модификациям. На скрине я задаю краткий уточняющий вопрос по одному свойству алгоритма и в ответ получаю прозрачное теоретическое объяснение и сопровождающий код на Python.
P. P. S. Если вы тоже используете ChatGPT в своей профессиональной деятельности (даже если она не связана с наукой), пишите в комментарии, какие функции вам пригодились.
#podcast
Подкаст “Кортекс” продолжает свою деятельность. В этот раз мы с Настей записали выпуск, в котором попытались определить грань между человеком и остальными видами, а также нащупать сугубо человеческие качества мозга и психики. В качестве спойлера: чем дольше мы записывали выпуск, тем больше мы обрушивали критику на саму постановку вопроса об “уникальности” человеческой природы, который, тем не менее, ложится в основу многих допущений, принятых в “народной” психологии.
Приятного прослушивания!
Подкаст “Кортекс” продолжает свою деятельность. В этот раз мы с Настей записали выпуск, в котором попытались определить грань между человеком и остальными видами, а также нащупать сугубо человеческие качества мозга и психики. В качестве спойлера: чем дольше мы записывали выпуск, тем больше мы обрушивали критику на саму постановку вопроса об “уникальности” человеческой природы, который, тем не менее, ложится в основу многих допущений, принятых в “народной” психологии.
Приятного прослушивания!
Сложность упрощения науки
#metascience
На днях поучаствовала в эфире, который был организован Лабораторией научного кино. Побеседовали с режиссером Юлией Киселевой о базовых принципах науки и о том, как в рамках популяризации обеспечить простоту восприятия для зрителя, но при этом не жертвовать научной точностью. Наиболее интенсивная часть обсуждения пришлась на секцию с вопросами, которая отсутствует в данном видео, поэтому позволю себе изложить некоторые дополнительные мысли в этом посте.
На текущий момент мне кажется, что проблема соблюдения баланса между доступностью и научностью может решаться двумя параллельными путями:
1. Автор научно-популярного материала не должен впадать в чрезмерное упрощение, а также — что еще опаснее — проекцию локальных фактов на слишком глобальные выводы. К сожалению, иногда это происходит автоматически и этим грешат даже крупные корифеи. В качестве наследия такой глобализации мы до сих пор имеем мифы о право/левополушарном мышлении, триедином мозге, о невозможности восстановления нервных клеток. Поэтому выбирая между мозаичной горстью fun facts о локальных экспериментах или красиво звучащим глобальным выводом без должной экспериментальной поддержки, я предпочту первое, пусть и рискуя казаться нудным агностиком 🙂
2. Со стороны зрителей должна повышаться осведомленность об азах критического мышления и том, чем является и не является научное знание:
- об отличиях карты и территории, т. е. том, что ученые не взаимодействуют с изучаемыми феноменами напрямую, что все ограничивается используемыми методами измерения и операционализации и что существуют ill-posed problems без уникального решения;
- об ошибках первого и второго рода;
- о том, что теория и ее интерпретация — это разные вещи (привет из квантовой физики);
- о том, как важна репликация экспериментов и с каким кризисом этих репликаций сталкиваются некоторые дисциплины сейчас;
- о том, что через несколько веков некоторые текущие научные воззрения будут казаться нам смешными — точно так же, какими нам кажутся научные взгляды прошлого;
- о том, что нейрокорреляты порой не намного информативнее поведенческих коррелятов (это уже моя личная душевная боль как нейроученого);
- о первичных и вторичных источниках;
- о том, как мыслить в терминах вероятностей;
- и о важности вопроса о том, почему вы верите в то, во что вы верите.
Подозреваю, что отсутствие этой осведомленности наносит гораздо больший ущерб, чем неизбежные неточности жанра научной популяризации, потому что в ряде случаев зрители вынуждены погружаться в нюансы научной темы, не обладая инструментарием научного осмысления как такового. Когда-то на заре моего собственного приближения к науке мне в этом очень помогли треды из блога о рациональности и научных принципах LessWrong (англоязычная версия, русскоязычная версия).
Если возвращаться к научной популяризации то, возможно, цель тотального просвещения слишком иллюзорна. Возможно, научная популяризация — не основное блюдо, а аперитив. Возможно , гораздо важнее рассказать “историю”, обеспечивающую зрителя или читателя ориентирами, которые при необходимости он сможет использовать уже для самостоятельного погружения в тему.
P. S. Из-за спешки в видео обозначила индекс Хирша как соотношение количества публикаций и количества цитирований, случайно упростив этот концепт, хоть ни в коем случае не подразумевала его как дробь. Если вдаваться в детали, то индекс Хирша равен x, если x публикаций процитировали как минимум x раз. Недочет исправлен, моя научно-популярная совесть чиста 🙂
#metascience
На днях поучаствовала в эфире, который был организован Лабораторией научного кино. Побеседовали с режиссером Юлией Киселевой о базовых принципах науки и о том, как в рамках популяризации обеспечить простоту восприятия для зрителя, но при этом не жертвовать научной точностью. Наиболее интенсивная часть обсуждения пришлась на секцию с вопросами, которая отсутствует в данном видео, поэтому позволю себе изложить некоторые дополнительные мысли в этом посте.
На текущий момент мне кажется, что проблема соблюдения баланса между доступностью и научностью может решаться двумя параллельными путями:
1. Автор научно-популярного материала не должен впадать в чрезмерное упрощение, а также — что еще опаснее — проекцию локальных фактов на слишком глобальные выводы. К сожалению, иногда это происходит автоматически и этим грешат даже крупные корифеи. В качестве наследия такой глобализации мы до сих пор имеем мифы о право/левополушарном мышлении, триедином мозге, о невозможности восстановления нервных клеток. Поэтому выбирая между мозаичной горстью fun facts о локальных экспериментах или красиво звучащим глобальным выводом без должной экспериментальной поддержки, я предпочту первое, пусть и рискуя казаться нудным агностиком 🙂
2. Со стороны зрителей должна повышаться осведомленность об азах критического мышления и том, чем является и не является научное знание:
- об отличиях карты и территории, т. е. том, что ученые не взаимодействуют с изучаемыми феноменами напрямую, что все ограничивается используемыми методами измерения и операционализации и что существуют ill-posed problems без уникального решения;
- об ошибках первого и второго рода;
- о том, что теория и ее интерпретация — это разные вещи (привет из квантовой физики);
- о том, как важна репликация экспериментов и с каким кризисом этих репликаций сталкиваются некоторые дисциплины сейчас;
- о том, что через несколько веков некоторые текущие научные воззрения будут казаться нам смешными — точно так же, какими нам кажутся научные взгляды прошлого;
- о том, что нейрокорреляты порой не намного информативнее поведенческих коррелятов (это уже моя личная душевная боль как нейроученого);
- о первичных и вторичных источниках;
- о том, как мыслить в терминах вероятностей;
- и о важности вопроса о том, почему вы верите в то, во что вы верите.
Подозреваю, что отсутствие этой осведомленности наносит гораздо больший ущерб, чем неизбежные неточности жанра научной популяризации, потому что в ряде случаев зрители вынуждены погружаться в нюансы научной темы, не обладая инструментарием научного осмысления как такового. Когда-то на заре моего собственного приближения к науке мне в этом очень помогли треды из блога о рациональности и научных принципах LessWrong (англоязычная версия, русскоязычная версия).
Если возвращаться к научной популяризации то, возможно, цель тотального просвещения слишком иллюзорна. Возможно, научная популяризация — не основное блюдо, а аперитив. Возможно , гораздо важнее рассказать “историю”, обеспечивающую зрителя или читателя ориентирами, которые при необходимости он сможет использовать уже для самостоятельного погружения в тему.
P. S. Из-за спешки в видео обозначила индекс Хирша как соотношение количества публикаций и количества цитирований, случайно упростив этот концепт, хоть ни в коем случае не подразумевала его как дробь. Если вдаваться в детали, то индекс Хирша равен x, если x публикаций процитировали как минимум x раз. Недочет исправлен, моя научно-популярная совесть чиста 🙂
VK Видео
ЛНК 2.0: Встреча с Дарией Клеевой, аспиранткой, научным сотрудником НИУ ВШЭ и Сколтеха.
На встрече мы говорили о том, что такое наука, научное здание, научный процесс, эксперименты и методы, гипотезы и теории. Как сделать сложную науку простой для зрителя, не исказив научное знание? С чего начать общение с ученым и как найти достоверные источники?…
Прислушайтесь к своему сердцу через мозг
(Запоздалый пост, который мог бы появиться 14 февраля)
#neuro
_
Публикация: Zhang, Y., Zhang, J., Xie, M., Ding, N., Zhang, Y., & Qin, P. (2023). Dual interaction between heartbeat-evoked responses and stimuli. NeuroImage, 266, 119817.
Недавно опубликованная статья в Neuroimage раскрывает интересные взаимодействия между сердцебиением и слуховым восприятием. А если быть точнее, то между сигналом от сердцебиения, обрабатываемым мозгом, и реакцией мозга на внешние звуки.
Эксперимент
Сердце взаимодействует с мозгом, отправляя сигналы через афферентные нервы. В момент удара сердца в мозге возникает закономерный отклик (heartbeat-evoked response, HER). Это не артефакт ЭКГ, знакомый тем, кто занимается обработкой данных ЭЭГ или МЭГ, а именно ответ, генерируемый/регистрируемый корой.
В описываемом исследовании участникам предлагали прослушать ряд имен. Среди этих имен было и собственное имя участника, восприятие которого порождало соответствующий хорошо регистрируемый ответ. В части исследования после каждой пробы участники также определяли, свое или чужое имя они слышали на фоне белого шума.
Результаты
Анализ слуховых ответов и сердечных ответов не просто выявил связь между ними, а показал ее двунаправленность:
- С одной стороны, слуховой ответ модулировал сердечный таким образом, что тот был более выражен в ответ на имя участника (см. график А, SON — имя участника, UN — незнакомое имя). Cоответствующая активность возникала в широком промежутке от 200 до 1200 мс после звукового стимула независимо, поскольку не пересекалась с зонами, вовлеченными именно в слуховую обработку имени.
- С другой стороны, сердечный ответ, возникающий еще до (!) звукового стимула, влиял на то, обозначит ли участник услышанное имя как свое или чужое (см. график B). Это было выявлено за счет различия в престимульном сердечном ответе в пределах 152-184 мс после пика ЭКГ.
Более широкий контекст
Реакция на собственное имя является примером self-related processing (обработки информации, связанной с самим собой). Модуляция этого процесса через взаимодействие сердечного ответа (и иных интероцептивных ответов) с другими сенсорными ответами может потенциально происходить и в более сложных сценариях наподобие иллюзии резиновой руки. Можно поспекулировать и на тему нейропротезирования, но пока что это поспешно.
С методической точки зрения важно обратить внимание на то, что звуковой стимул (имя участника) порождал два независимых ответа — один, связанный с перцептивной обработкой, и второй, связанный с изменением ответа на сердечную активность. Предыдущие исследования, изучавшие ответ на имя участника, не учитывали независимость этих процессов и могли смешивать “слуховую” и “сердечную” активацию (в особенности это касается фМРТ-исследований с низким временным разрешением).
Остается открытым вопрос о нейрональных путях, отвечающих за обнаруженную двунаправленную связь. Разброс областей и времени активации сердечного ответа намекает на то, что физиологических источников у него может быть немало, в частности:
- барорецепторы в кровеносных сосудах, потенциально связанные с медленными сердечными потенциалами;
- афферентные нейроны у стенки сердца, потенциально связанные с быстрыми сердечными потенциалами;
- или непосредственный нейроваскулярный ответ в коре.
Для уточнения этих источников, возможно, потребуются методы обратного моделирования, выходящие за пределы коры головного мозга, или инвазивный подход.
(Запоздалый пост, который мог бы появиться 14 февраля)
#neuro
_
Публикация: Zhang, Y., Zhang, J., Xie, M., Ding, N., Zhang, Y., & Qin, P. (2023). Dual interaction between heartbeat-evoked responses and stimuli. NeuroImage, 266, 119817.
Недавно опубликованная статья в Neuroimage раскрывает интересные взаимодействия между сердцебиением и слуховым восприятием. А если быть точнее, то между сигналом от сердцебиения, обрабатываемым мозгом, и реакцией мозга на внешние звуки.
Эксперимент
Сердце взаимодействует с мозгом, отправляя сигналы через афферентные нервы. В момент удара сердца в мозге возникает закономерный отклик (heartbeat-evoked response, HER). Это не артефакт ЭКГ, знакомый тем, кто занимается обработкой данных ЭЭГ или МЭГ, а именно ответ, генерируемый/регистрируемый корой.
В описываемом исследовании участникам предлагали прослушать ряд имен. Среди этих имен было и собственное имя участника, восприятие которого порождало соответствующий хорошо регистрируемый ответ. В части исследования после каждой пробы участники также определяли, свое или чужое имя они слышали на фоне белого шума.
Результаты
Анализ слуховых ответов и сердечных ответов не просто выявил связь между ними, а показал ее двунаправленность:
- С одной стороны, слуховой ответ модулировал сердечный таким образом, что тот был более выражен в ответ на имя участника (см. график А, SON — имя участника, UN — незнакомое имя). Cоответствующая активность возникала в широком промежутке от 200 до 1200 мс после звукового стимула независимо, поскольку не пересекалась с зонами, вовлеченными именно в слуховую обработку имени.
- С другой стороны, сердечный ответ, возникающий еще до (!) звукового стимула, влиял на то, обозначит ли участник услышанное имя как свое или чужое (см. график B). Это было выявлено за счет различия в престимульном сердечном ответе в пределах 152-184 мс после пика ЭКГ.
Более широкий контекст
Реакция на собственное имя является примером self-related processing (обработки информации, связанной с самим собой). Модуляция этого процесса через взаимодействие сердечного ответа (и иных интероцептивных ответов) с другими сенсорными ответами может потенциально происходить и в более сложных сценариях наподобие иллюзии резиновой руки. Можно поспекулировать и на тему нейропротезирования, но пока что это поспешно.
С методической точки зрения важно обратить внимание на то, что звуковой стимул (имя участника) порождал два независимых ответа — один, связанный с перцептивной обработкой, и второй, связанный с изменением ответа на сердечную активность. Предыдущие исследования, изучавшие ответ на имя участника, не учитывали независимость этих процессов и могли смешивать “слуховую” и “сердечную” активацию (в особенности это касается фМРТ-исследований с низким временным разрешением).
Остается открытым вопрос о нейрональных путях, отвечающих за обнаруженную двунаправленную связь. Разброс областей и времени активации сердечного ответа намекает на то, что физиологических источников у него может быть немало, в частности:
- барорецепторы в кровеносных сосудах, потенциально связанные с медленными сердечными потенциалами;
- афферентные нейроны у стенки сердца, потенциально связанные с быстрыми сердечными потенциалами;
- или непосредственный нейроваскулярный ответ в коре.
Для уточнения этих источников, возможно, потребуются методы обратного моделирования, выходящие за пределы коры головного мозга, или инвазивный подход.
#podcast
Подкаст “Кортекс” пополнился новым выпуском. На этот раз мы с Настей обсудили загадочных и не очень обитателей ЖКТ и их взаимодействие с нашим мозгом.
Таймкоды:
00:00:00 - Всем привет!
00:03:30 - Ось желудок-мозг
00:09:17 - Как мозг взаимодействует с ЖКТ?
00:17:11 - Кто живет у нас в желудке и что они там делают?
00:23:20 - Откуда они там берутся: генетика
00:26:03 - Откуда они там берутся: пренатальное развитие и грудное вскармливнаие
00:28:48 - Микробиота на различных стадиях развития человека
00:37:10 - Связь микробиоты с заболеваниями
00:47:13 - Могут ли пробиотики и диета вылечить депрессию?
00:53:05 - Влияние спорта на микробиоту
00:56:53 - Выводы: опасное благополучие молодых дисциплин и оверхайп
Приятного прослушивания!
Подкаст “Кортекс” пополнился новым выпуском. На этот раз мы с Настей обсудили загадочных и не очень обитателей ЖКТ и их взаимодействие с нашим мозгом.
Таймкоды:
00:00:00 - Всем привет!
00:03:30 - Ось желудок-мозг
00:09:17 - Как мозг взаимодействует с ЖКТ?
00:17:11 - Кто живет у нас в желудке и что они там делают?
00:23:20 - Откуда они там берутся: генетика
00:26:03 - Откуда они там берутся: пренатальное развитие и грудное вскармливнаие
00:28:48 - Микробиота на различных стадиях развития человека
00:37:10 - Связь микробиоты с заболеваниями
00:47:13 - Могут ли пробиотики и диета вылечить депрессию?
00:53:05 - Влияние спорта на микробиоту
00:56:53 - Выводы: опасное благополучие молодых дисциплин и оверхайп
Приятного прослушивания!
В поисках золотого стандарта обработки данных МЭГ и ЭЭГ (пост об узконаправленной профессиональной боли)
#neuroimaging #resources
Все время работы в сфере нейровизуализации я сталкиваюсь с тем, что почти у каждого исследователя – своя кухня обработки данных активности мозга. Более того, с накоплением опыта я сама изменяю свои внутренние критерии принятия того или иного решения в обработке, делая их менее и менее субъективными.
На семинарах по анализу МЭГ/ЭЭГ я специально показываю своим студентам ситуации, в которых тот или иной подход или метод анализа не срабатывает или выдает искаженные результаты. Эти примеры демонстрируют, что, к сожалению, пока не разработан золотой стандарт по выбору универсальных параметров обработки, соблюдающих баланс между частотными и временными характеристиками, между шумом и значимым сигналом, между точностью локализации активности мозга и ее пространственной ограниченностью и т. д. Отсутствие этого золотого стандарта вносит свой вклад в кризис репликации результатов исследований.
Тем не менее, существуют публикации, которые содержат ряд рекомендаций или наблюдений по обработке данных и проведению исследований, которые могут оказаться полезными:
1. FLUX: пайплайн по анализу МЭГ
В пайплайне задаются параметры снижения шума с учетом конфигурации сенсоров, избавления от артефактов, построения пространства кортикальных источников достаточного разрешения для реконструкции их активности. В пайплайне делается акцент на анализе мощности именно осцилляторной активности, поэтому в качестве способа решения обратной задачи используется пространственная фильтрация на основе кросс-спектральной матрицы с использованием DICS-бимформера. Скрипты пайплайна для MNE Python и FieldTrip находятся в открытом доступе. С одной стороны, пайплайн не изобилует деталями и некоторые результаты реконструкции активности источников на первый взгляд не кажутся "чистыми", но, с другой стороны, за каждым шагом и параметром стоит эксплицитно обозначенная логика. Пайплайн вполне можно использовать для самообразования или в качестве отправной точки для анализа данных, в которых важны осцилляторные характеристики сигнала. Также отдельно ценно, что в конце каждого скрипта авторы прилагают текст с примером того, как излагать параметры каждого этапа в публикациях или при пре-регистрации исследования для возможности последующей репликации.
2. PREP: пайплайн по анализу ЭЭГ
Этот пайплайн касается предобработки ЭЭГ с большим акцентом на работе с плохими каналами (для ЭЭГ это более актуально, чем для МЭГ) и с выбором устойчивого референта. Доступны скрипты на MATLAB и плагин для тулбокса EEGLAB (выбор, как мне кажется, не самый оптимальный, потому что у EEGLAB меньше степеней свободы, чем у Brainstorm или FieldTrip).
3. Сопоставление бимформеров в разных тулбоксах
В этой публикации с использованием симуляций и реальных данных сопоставляются результаты пространственной фильтрации с помощью бимформеров в основных тулбоксах: MNE Python, Brainstorm, FieldTrip и DAiSS. Для любителей MNE Python результаты неутешительные, потому что для высоких значений соотношения сигнал-шум ошибка локализации источников при использовании этого тулбокса оказалась высока. Самым устойчивым оказался Brainstorm, хотя в ряде ситуаций пространственное разрешение результатов было не самым лучшим. Код с пайплайнами доступен по этой ссылке.
#neuroimaging #resources
Все время работы в сфере нейровизуализации я сталкиваюсь с тем, что почти у каждого исследователя – своя кухня обработки данных активности мозга. Более того, с накоплением опыта я сама изменяю свои внутренние критерии принятия того или иного решения в обработке, делая их менее и менее субъективными.
На семинарах по анализу МЭГ/ЭЭГ я специально показываю своим студентам ситуации, в которых тот или иной подход или метод анализа не срабатывает или выдает искаженные результаты. Эти примеры демонстрируют, что, к сожалению, пока не разработан золотой стандарт по выбору универсальных параметров обработки, соблюдающих баланс между частотными и временными характеристиками, между шумом и значимым сигналом, между точностью локализации активности мозга и ее пространственной ограниченностью и т. д. Отсутствие этого золотого стандарта вносит свой вклад в кризис репликации результатов исследований.
Тем не менее, существуют публикации, которые содержат ряд рекомендаций или наблюдений по обработке данных и проведению исследований, которые могут оказаться полезными:
1. FLUX: пайплайн по анализу МЭГ
В пайплайне задаются параметры снижения шума с учетом конфигурации сенсоров, избавления от артефактов, построения пространства кортикальных источников достаточного разрешения для реконструкции их активности. В пайплайне делается акцент на анализе мощности именно осцилляторной активности, поэтому в качестве способа решения обратной задачи используется пространственная фильтрация на основе кросс-спектральной матрицы с использованием DICS-бимформера. Скрипты пайплайна для MNE Python и FieldTrip находятся в открытом доступе. С одной стороны, пайплайн не изобилует деталями и некоторые результаты реконструкции активности источников на первый взгляд не кажутся "чистыми", но, с другой стороны, за каждым шагом и параметром стоит эксплицитно обозначенная логика. Пайплайн вполне можно использовать для самообразования или в качестве отправной точки для анализа данных, в которых важны осцилляторные характеристики сигнала. Также отдельно ценно, что в конце каждого скрипта авторы прилагают текст с примером того, как излагать параметры каждого этапа в публикациях или при пре-регистрации исследования для возможности последующей репликации.
2. PREP: пайплайн по анализу ЭЭГ
Этот пайплайн касается предобработки ЭЭГ с большим акцентом на работе с плохими каналами (для ЭЭГ это более актуально, чем для МЭГ) и с выбором устойчивого референта. Доступны скрипты на MATLAB и плагин для тулбокса EEGLAB (выбор, как мне кажется, не самый оптимальный, потому что у EEGLAB меньше степеней свободы, чем у Brainstorm или FieldTrip).
3. Сопоставление бимформеров в разных тулбоксах
В этой публикации с использованием симуляций и реальных данных сопоставляются результаты пространственной фильтрации с помощью бимформеров в основных тулбоксах: MNE Python, Brainstorm, FieldTrip и DAiSS. Для любителей MNE Python результаты неутешительные, потому что для высоких значений соотношения сигнал-шум ошибка локализации источников при использовании этого тулбокса оказалась высока. Самым устойчивым оказался Brainstorm, хотя в ряде ситуаций пространственное разрешение результатов было не самым лучшим. Код с пайплайнами доступен по этой ссылке.
(Продолжение)
4. Сопоставление стандартных обратных операторов
В этой публикации находится полезное сопоставление пространственных характеристик результатов, получаемых с использованием стандартных обратных операторов: MNE, dSPM, sLORETA, eLORETA, и MxNE. Одним из результатов стало наблюдение, что соотношение сигнал-шум влияло на результаты и что для получения релевантных результатов его значение должно быть как минимум 0.1, для получения хороших результатов – к 3, а с 10 положительный вклад не наблюдается явным образом.
5. Общие рекомендации по проведению МЭГ-исследования и публикации результатов
В статье содержатся полезные чек-листы, которые следует учитывать при регистрации МЭГ, на каждом основном этапе обработки и при изложении результатов. Также есть полезные рекомендации, в частности, по количеству эпох записи для разных типов мозговых ответов, по межстимульным интервалам, по применению фильтров, коррекции бейзлайна, по подводным камням обратных операторов, по анализу функциональной связности и т. д.
6. Проблемы ЭЭГ- и МЭГ-исследований
В данной публикации перечислены проблемы, которые приводят к снижению репродуцируемости такого рода исследований. К ним относятся ручной выбор каналов или областей интереса в пространстве источников, отсутствие поправок на множественные сравнения, неосторожное обращение с метриками функциональной связности и т. д.
Когда остановиться? – этот вопрос возникает публикации с описанием рекомендаций по обработке данных в MNE Python. Действительно, "подкручивать" анализ данных, добиваясь чего-то вразумительного или притягивая результаты к желаемой гипотезе, можно бесконечно. Один из способов этого избежать – это пре-регистрация исследования. Другой способ – использовать количественные критерии качества данных и результатов анализа, которые не зависят от гипотезы. Если же опираться на практические стратегии, то авторы рекомендуют:
1. Знать источники шума в своих данных.
2. Осторожно обращаться с сигналами, которые нас не интересуют (например, не всегда обязательно максимально сильно подавлять физиологические артефакты, если метод дальнейшего анализа к ним не чувствителен).
3. Зрительно изучать данные на каждом этапе обработки, даже если пайплайн полностью автоматический.
4. Учитывать недетерминированные шаги обработки (например, разложение на независимые компоненты, которое может давать различные результаты на каждой итерации) и максимально избегать ручной обработки там, где это возможно, для увеличения репродуцируемости результатов.
5. В процессе периода обработки данных из одной парадигмы – не менять версии программного обеспечения, поскольку изменение некоторых функций в обновленных версиях может влиять на результат.
6. Использовать адекватные статистические подходы, не забывать про непараметрический тесты, multivariate decoding и использование анатомических лейблов для снижения размерности анализа в пространстве источников.
P. S. Пост получился не очень научно-популярным (вернее, очень непопулярным), но я знаю, что мой Телеграм-канал читают и собратья по нейроимиджинговому несчастью, и этот материал может с ними резонировать. Для тех же, кто не занимается нейронаукой, все равно рекомендую почитать приведенные материалы, потому что они как раз являются хорошим примером демистификации этой дисциплины и показывают, что везде есть свои ограничения.
4. Сопоставление стандартных обратных операторов
В этой публикации находится полезное сопоставление пространственных характеристик результатов, получаемых с использованием стандартных обратных операторов: MNE, dSPM, sLORETA, eLORETA, и MxNE. Одним из результатов стало наблюдение, что соотношение сигнал-шум влияло на результаты и что для получения релевантных результатов его значение должно быть как минимум 0.1, для получения хороших результатов – к 3, а с 10 положительный вклад не наблюдается явным образом.
5. Общие рекомендации по проведению МЭГ-исследования и публикации результатов
В статье содержатся полезные чек-листы, которые следует учитывать при регистрации МЭГ, на каждом основном этапе обработки и при изложении результатов. Также есть полезные рекомендации, в частности, по количеству эпох записи для разных типов мозговых ответов, по межстимульным интервалам, по применению фильтров, коррекции бейзлайна, по подводным камням обратных операторов, по анализу функциональной связности и т. д.
6. Проблемы ЭЭГ- и МЭГ-исследований
В данной публикации перечислены проблемы, которые приводят к снижению репродуцируемости такого рода исследований. К ним относятся ручной выбор каналов или областей интереса в пространстве источников, отсутствие поправок на множественные сравнения, неосторожное обращение с метриками функциональной связности и т. д.
Когда остановиться? – этот вопрос возникает публикации с описанием рекомендаций по обработке данных в MNE Python. Действительно, "подкручивать" анализ данных, добиваясь чего-то вразумительного или притягивая результаты к желаемой гипотезе, можно бесконечно. Один из способов этого избежать – это пре-регистрация исследования. Другой способ – использовать количественные критерии качества данных и результатов анализа, которые не зависят от гипотезы. Если же опираться на практические стратегии, то авторы рекомендуют:
1. Знать источники шума в своих данных.
2. Осторожно обращаться с сигналами, которые нас не интересуют (например, не всегда обязательно максимально сильно подавлять физиологические артефакты, если метод дальнейшего анализа к ним не чувствителен).
3. Зрительно изучать данные на каждом этапе обработки, даже если пайплайн полностью автоматический.
4. Учитывать недетерминированные шаги обработки (например, разложение на независимые компоненты, которое может давать различные результаты на каждой итерации) и максимально избегать ручной обработки там, где это возможно, для увеличения репродуцируемости результатов.
5. В процессе периода обработки данных из одной парадигмы – не менять версии программного обеспечения, поскольку изменение некоторых функций в обновленных версиях может влиять на результат.
6. Использовать адекватные статистические подходы, не забывать про непараметрический тесты, multivariate decoding и использование анатомических лейблов для снижения размерности анализа в пространстве источников.
P. S. Пост получился не очень научно-популярным (вернее, очень непопулярным), но я знаю, что мой Телеграм-канал читают и собратья по нейроимиджинговому несчастью, и этот материал может с ними резонировать. Для тех же, кто не занимается нейронаукой, все равно рекомендую почитать приведенные материалы, потому что они как раз являются хорошим примером демистификации этой дисциплины и показывают, что везде есть свои ограничения.
#анонс
Возвращаясь к научной популяризации: уже в этот вторник, 21 марта, в 20:00, в рамках 1L Лаборатории на Складе №3 состоится уникальное событие — пройдет открытая запись подкаста “Кортекс”, который ведем я и моя коллега Настя.
Во время записи мы поговорим о нейротехнологиях — о том, как они воплощаются в чисто научной и в коммерческой сфере, об их технических и фундаментальных ограничениях. В ходе обсуждения мы постараемся выяснить, насколько “всесильной” является нейронаука и не заходит ли она в тупик в своих прикладных воплощениях. После завершения записи предусмотрена сессия с ответами на вопросы слушателей, поэтому будем очень рады всех видеть!
Место проведения: Место: г. Москва, Малая Семёновская улица, д. 5, стр. 2.
Как добраться: от станции метро «Электрозаводская» (один выход) пять минут пешком до арт-кластера «Гамма» (вход через арку и налево, в угол здания), подняться на второй этаж, далее — налево.
Возвращаясь к научной популяризации: уже в этот вторник, 21 марта, в 20:00, в рамках 1L Лаборатории на Складе №3 состоится уникальное событие — пройдет открытая запись подкаста “Кортекс”, который ведем я и моя коллега Настя.
Во время записи мы поговорим о нейротехнологиях — о том, как они воплощаются в чисто научной и в коммерческой сфере, об их технических и фундаментальных ограничениях. В ходе обсуждения мы постараемся выяснить, насколько “всесильной” является нейронаука и не заходит ли она в тупик в своих прикладных воплощениях. После завершения записи предусмотрена сессия с ответами на вопросы слушателей, поэтому будем очень рады всех видеть!
Место проведения: Место: г. Москва, Малая Семёновская улица, д. 5, стр. 2.
Как добраться: от станции метро «Электрозаводская» (один выход) пять минут пешком до арт-кластера «Гамма» (вход через арку и налево, в угол здания), подняться на второй этаж, далее — налево.
Секрет успеха французских аспирантов
#аспирантское
Публикация: Corsini, A., Pezzoni, M., & Visentin, F. (2022). What makes a productive Ph. D. student?. Research Policy, 51(10), 104561.
Недавно были опубликованы результаты анализа факторов, которые влияли на публикационную активность 77143 аспирантов из Франции, закончивших аспирантуру между 2004 и 2014 годами по STEM-направлениям (естественные науки, технология, инженерия и математика).
Выяснилось, что:
- У ваших статей будет больше цитирований и у вас будет больше соавторов, если ваш научный руководитель – женщина. Наиболее выраженной эта закономерность оказывается в области инженерии, где научных руководителей-женщин меньше всего.
- У вас будет больше публикаций, цитирований и соавторов, если ваш научный руководитель находится в середине развития своей карьеры. По параметру количества публикаций оптимальная длительность карьеры научного руководителя должна быть в среднем 9.74 лет. Возможно, если ваш научный руководитель еще сам пребывает в процессе становления, вы будете ощущать больше ответственности за свою работу и не полагаться слепо на авторитет.
- У вас будет меньше публикаций, цитирований и соавторов, если менторский опыт вашего руководителя слишком большой. Этот неочевидный результат может интерпретироваться следующим образом: неопытные научные руководители могут быть более склонны оказывать поддержку своим студентам, в т. ч. и эмоциональную.
- Если ваш научный руководитель располагает грантом, это предсказуемым образом положительно скажется на цитировании ваших публикаций.
- Пребывание в больших группах коллег и студентов негативно скажется на вашей публикационной активности, предположительно из-за невозможности сфокусированного менторства со стороны научного руководителя. Исключение составляют математические дисциплины, в которых количество цитирований коррелирует с количеством коллег. Без привязки к дисциплинарной направленности, в соответствии с некоторыми оценками, если у руководителя больше 4 студентов, это снижает прогресс в их работе над диссертацией.
- Если статьи ваших коллег высоко цитируются, это будет оказывать положительное влияние на ваши публикации.
Результаты любопытные, но пока не очевидно, насколько хорошо они ложатся на реалии получения PhD в области нейронауки в России. Если вы аспирант или были им, поделитесь в комментариях своими наблюдениями относительно того, что и как в вашем PhD-опыте влияло на вашу публикационную активность и общую продуктивность!
#аспирантское
Публикация: Corsini, A., Pezzoni, M., & Visentin, F. (2022). What makes a productive Ph. D. student?. Research Policy, 51(10), 104561.
Недавно были опубликованы результаты анализа факторов, которые влияли на публикационную активность 77143 аспирантов из Франции, закончивших аспирантуру между 2004 и 2014 годами по STEM-направлениям (естественные науки, технология, инженерия и математика).
Выяснилось, что:
- У ваших статей будет больше цитирований и у вас будет больше соавторов, если ваш научный руководитель – женщина. Наиболее выраженной эта закономерность оказывается в области инженерии, где научных руководителей-женщин меньше всего.
- У вас будет больше публикаций, цитирований и соавторов, если ваш научный руководитель находится в середине развития своей карьеры. По параметру количества публикаций оптимальная длительность карьеры научного руководителя должна быть в среднем 9.74 лет. Возможно, если ваш научный руководитель еще сам пребывает в процессе становления, вы будете ощущать больше ответственности за свою работу и не полагаться слепо на авторитет.
- У вас будет меньше публикаций, цитирований и соавторов, если менторский опыт вашего руководителя слишком большой. Этот неочевидный результат может интерпретироваться следующим образом: неопытные научные руководители могут быть более склонны оказывать поддержку своим студентам, в т. ч. и эмоциональную.
- Если ваш научный руководитель располагает грантом, это предсказуемым образом положительно скажется на цитировании ваших публикаций.
- Пребывание в больших группах коллег и студентов негативно скажется на вашей публикационной активности, предположительно из-за невозможности сфокусированного менторства со стороны научного руководителя. Исключение составляют математические дисциплины, в которых количество цитирований коррелирует с количеством коллег. Без привязки к дисциплинарной направленности, в соответствии с некоторыми оценками, если у руководителя больше 4 студентов, это снижает прогресс в их работе над диссертацией.
- Если статьи ваших коллег высоко цитируются, это будет оказывать положительное влияние на ваши публикации.
Результаты любопытные, но пока не очевидно, насколько хорошо они ложатся на реалии получения PhD в области нейронауки в России. Если вы аспирант или были им, поделитесь в комментариях своими наблюдениями относительно того, что и как в вашем PhD-опыте влияло на вашу публикационную активность и общую продуктивность!
Корреляции ЭЭГ-коррелятов
#neuroimaging
Публикация: Päeske, L., Uudeberg, T., Hinrikus, H. et al. Correlation between electroencephalographic markers in the healthy brain. Sci Rep 13, 6307 (2023).
Когда записи активности мозга (например, ЭЭГ) попадают в руки тех, кто их обрабатывает, велик соблазн, не имя продуманной гипотезы, свести весь анализ к поисковой стратегии и вычислить на основе этих данных огромное количество всевозможных маркеров. Есть маркеры, обладающие очевидной информативностью: например, когда мы закрываем глаза, в затылочных отведениях на ЭЭГ увеличивается выраженность альфа-ритма (8-12 Гц). Или, например, когда регистрируется ЭЭГ у пациента с эпилепсией, велика вероятность наблюдать в данных наличие межсудорожных разрядов (острых пиков с волной). Есть маркеры менее очевидные, не обязательно базирующиеся на прямых допущениях о физиологии мозга. К этим маркерам относятся показатели из теории информации или метрики нелинейность. По своему опыту могу сказать, что прибегание к таким маркерам часто может мотивироваться ситуацией, когда, например, исследуемое заболевание не вызывает очевидных изменений в ЭЭГ на уровне спектральной плотности мощности (PSD) и других стандартных оценок.
Многообразие того, что можно вычислить на основе ЭЭГ, порождает вопрос о том, насколько получаемые маркеры независимы и может ли оказаться избыточным использование некоторых из них. Позавчера в Scientific Reports вышла статья, отвечающая на этот вопрос.
Что было сделано
У 80 здоровых добровольцев записали ЭЭГ с 30 электродов в состоянии покоя. На основе полученных записей вычислили следующие маркеры:
1. Частотные маркеры:
- PSD, спектральная плотность мощности;
- Среднее PSD внутри стандартных частотных диапазонов (тета, альфа, бета, гамма).
2. Маркеры динамики внутри каждого канала (привожу только названия, по своей сути они отражают нелинейные характеристики временного ряда):
- HFD, фрактальная размерность Хигучи;
- DFA, показатель детрендированного флуктуационного анализа;
- LZC, cложность Лемпеля — Зива;
3. Маркеры связности между каналами:
- SL, синхронизированная вероятность;
- MI, взаимная информация;
- MSC, реальная часть когерентности (квадратичная когерентность);
- ImC, мнимая часть когерентности.
Результаты
В итоге получилось 12 маркеров и, соответственно, 66 пар их сопоставления. Больше половины пар маркеров (37 из 66) продемонстрировали значимую корреляцию. При этом корреляция между маркерами внутри одной из трех категорий не ниже, чем между маркерами из разных категорий. Фрактальная размерность Хигучи, синхронизированная вероятность, взаимная информация и мощность альфа-ритма характеризовались наибольшим числом корреляций с другими маркерами.
Интересна отрицательная корреляция между динамическими показателями (категория 2) и частотными показателями (категория 1, кроме мощности гамма-ритма). Поскольку динамические показатели не зависят от масштаба данных, эта корреляция должна объясняться механизмами, не связанными с мощностью сигнала или конкретной осцилляторной компоненты.
В исследовании маркеры вычислялись без привязки к расположению сенсоров, и это необходимо учесть в последующих репликациях.
Итоги
С одной стороны, исследование указывает на зависимые группы маркеров, что важно само по себе как методический результат. С другой стороны, показатели, для которых обнаружилась высокая корреляция со многими другими, потенциально могут использоваться как универсальные диагностические маркеры, раз они чувствительны сразу к нескольким характеристикам сигнала.
#neuroimaging
Публикация: Päeske, L., Uudeberg, T., Hinrikus, H. et al. Correlation between electroencephalographic markers in the healthy brain. Sci Rep 13, 6307 (2023).
Когда записи активности мозга (например, ЭЭГ) попадают в руки тех, кто их обрабатывает, велик соблазн, не имя продуманной гипотезы, свести весь анализ к поисковой стратегии и вычислить на основе этих данных огромное количество всевозможных маркеров. Есть маркеры, обладающие очевидной информативностью: например, когда мы закрываем глаза, в затылочных отведениях на ЭЭГ увеличивается выраженность альфа-ритма (8-12 Гц). Или, например, когда регистрируется ЭЭГ у пациента с эпилепсией, велика вероятность наблюдать в данных наличие межсудорожных разрядов (острых пиков с волной). Есть маркеры менее очевидные, не обязательно базирующиеся на прямых допущениях о физиологии мозга. К этим маркерам относятся показатели из теории информации или метрики нелинейность. По своему опыту могу сказать, что прибегание к таким маркерам часто может мотивироваться ситуацией, когда, например, исследуемое заболевание не вызывает очевидных изменений в ЭЭГ на уровне спектральной плотности мощности (PSD) и других стандартных оценок.
Многообразие того, что можно вычислить на основе ЭЭГ, порождает вопрос о том, насколько получаемые маркеры независимы и может ли оказаться избыточным использование некоторых из них. Позавчера в Scientific Reports вышла статья, отвечающая на этот вопрос.
Что было сделано
У 80 здоровых добровольцев записали ЭЭГ с 30 электродов в состоянии покоя. На основе полученных записей вычислили следующие маркеры:
1. Частотные маркеры:
- PSD, спектральная плотность мощности;
- Среднее PSD внутри стандартных частотных диапазонов (тета, альфа, бета, гамма).
2. Маркеры динамики внутри каждого канала (привожу только названия, по своей сути они отражают нелинейные характеристики временного ряда):
- HFD, фрактальная размерность Хигучи;
- DFA, показатель детрендированного флуктуационного анализа;
- LZC, cложность Лемпеля — Зива;
3. Маркеры связности между каналами:
- SL, синхронизированная вероятность;
- MI, взаимная информация;
- MSC, реальная часть когерентности (квадратичная когерентность);
- ImC, мнимая часть когерентности.
Результаты
В итоге получилось 12 маркеров и, соответственно, 66 пар их сопоставления. Больше половины пар маркеров (37 из 66) продемонстрировали значимую корреляцию. При этом корреляция между маркерами внутри одной из трех категорий не ниже, чем между маркерами из разных категорий. Фрактальная размерность Хигучи, синхронизированная вероятность, взаимная информация и мощность альфа-ритма характеризовались наибольшим числом корреляций с другими маркерами.
Интересна отрицательная корреляция между динамическими показателями (категория 2) и частотными показателями (категория 1, кроме мощности гамма-ритма). Поскольку динамические показатели не зависят от масштаба данных, эта корреляция должна объясняться механизмами, не связанными с мощностью сигнала или конкретной осцилляторной компоненты.
В исследовании маркеры вычислялись без привязки к расположению сенсоров, и это необходимо учесть в последующих репликациях.
Итоги
С одной стороны, исследование указывает на зависимые группы маркеров, что важно само по себе как методический результат. С другой стороны, показатели, для которых обнаружилась высокая корреляция со многими другими, потенциально могут использоваться как универсальные диагностические маркеры, раз они чувствительны сразу к нескольким характеристикам сигнала.
#podcast
В нашем с Настей подкасте “Кортекс” новый выпуск. Мы коснулись некоторых органичений нейротехнологий и показали, что ЭЭГ регистрирует далеко не все, нейрообратная связь — не панацея, а нейроинтерфейсы иногда представляют не самое лаконичное решение для целей улучшения когнитивных функций. Ракурсы обсуждения этой темы разнообразны, и некоторые из них не рассматривались в этом выпуске. В частности, мы не обсуждали тему развития современных функциональных протезов, их комфорта для использования, сложностей с созданием тактильной обратной связи и т. д., что было недавно освещено в данном видео. Также за рамками обсуждения остались аспекты инженерных разработок электродов, стимуляторов и прочих составляющих аппаратуры. Но даже несмотря на то что наше обсуждение покрыло лишь часть возможных нюансов, выводы формулируются просто:
1. “Совершенное применение несовершенных средств” дает свои плоды: современные нейротехнологии далеко не совершенны, но их эффективность в сфере коррекции ряда заболеваний нельзя отрицать;
2. Эффективность нейротехнологий для neuroenhancement в норме менее очевидна;
3. Нейрохайп — зло, лучше называть вещи своими именами.
Следующий выпуск будет посвящен этическим аспектам использования нейротехнологий, так что эту тему мы пока не закрываем.
В нашем с Настей подкасте “Кортекс” новый выпуск. Мы коснулись некоторых органичений нейротехнологий и показали, что ЭЭГ регистрирует далеко не все, нейрообратная связь — не панацея, а нейроинтерфейсы иногда представляют не самое лаконичное решение для целей улучшения когнитивных функций. Ракурсы обсуждения этой темы разнообразны, и некоторые из них не рассматривались в этом выпуске. В частности, мы не обсуждали тему развития современных функциональных протезов, их комфорта для использования, сложностей с созданием тактильной обратной связи и т. д., что было недавно освещено в данном видео. Также за рамками обсуждения остались аспекты инженерных разработок электродов, стимуляторов и прочих составляющих аппаратуры. Но даже несмотря на то что наше обсуждение покрыло лишь часть возможных нюансов, выводы формулируются просто:
1. “Совершенное применение несовершенных средств” дает свои плоды: современные нейротехнологии далеко не совершенны, но их эффективность в сфере коррекции ряда заболеваний нельзя отрицать;
2. Эффективность нейротехнологий для neuroenhancement в норме менее очевидна;
3. Нейрохайп — зло, лучше называть вещи своими именами.
Следующий выпуск будет посвящен этическим аспектам использования нейротехнологий, так что эту тему мы пока не закрываем.
Подпороговое сокрытие данных нейровизуализации: когда статистики не достаточно
#neuroimaging #metascience
Публикация: Taylor, P. A., Reynolds, R. C., Calhoun, V., Gonzalez-Castillo, J., Handwerker, D. A., Bandettini, P. A., ... & Chen, G. (2023). Highlight Results, Don't Hide Them: Enhance interpretation, reduce biases and improve reproducibility. Neuroimage, 120138.
В Neuroimage появилась публикация, призывающая приводить в статьях все результаты исследования, даже те, которые не характеризуются статистической значимостью или находятся ниже заданного порога. На текущий момент это не является типичной практикой: очень часто в тексте публикации "выживает" лишь небольшая часть того, что действительно было получено при обработке данных. Это затрудняет репликацию исследований и проведение мета-анализов, а также приводит к искажениям в интерпретации со стороны читателей и самих авторов.
На графике представлен пример двух вариантов визуализации результатов. В первом случае (A) демонстрируются только кластеры, соответствующие статистически значимой активации, во втором случае – вся карта активации и выделенные значимые кластеры. Во втором случае (B) заметно, что мощность активации во многих незначимых кластерах близка к мощности значимых кластеров, поэтому игнорировать такую активацию полностью в рамках интерпретации, как произошло в первом случае, было бы ошибочно.
Также при демонстрации исключительно "надпороговых" результатов возникают и иные проблемы:
- Бинаризация активности мозга, несмотря на то что в реальности он не работает в режиме "ON/OFF";
- Отсутствие отрицания нулевой гипотезы не означает ее подтверждение, поэтому мы не можем быть на 100% уверены в том, что в "подпороговых" регионах отсутствует эффект, так что исключать эти регионы было бы статистически некорректным;
- Исключение из графиков "подпороговых" результатов не позволяет сформировать понимание причины того, почему они оказались ниже порога, что именно происходит с распределением мощности сигнала в этих регионах;
- "Подпороговые" регионы могут явно демонстрировать наличие артефактов, которые не очевидны при их исключении из графиков.
В статье представлены примеры по визуализации на основе открытого датасета фМРТ, объясняющие возможные расхождения в результатах, получаемых в предыдущих публикациях по этому датасету, а также общие полезные практические рекомендации.
#neuroimaging #metascience
Публикация: Taylor, P. A., Reynolds, R. C., Calhoun, V., Gonzalez-Castillo, J., Handwerker, D. A., Bandettini, P. A., ... & Chen, G. (2023). Highlight Results, Don't Hide Them: Enhance interpretation, reduce biases and improve reproducibility. Neuroimage, 120138.
В Neuroimage появилась публикация, призывающая приводить в статьях все результаты исследования, даже те, которые не характеризуются статистической значимостью или находятся ниже заданного порога. На текущий момент это не является типичной практикой: очень часто в тексте публикации "выживает" лишь небольшая часть того, что действительно было получено при обработке данных. Это затрудняет репликацию исследований и проведение мета-анализов, а также приводит к искажениям в интерпретации со стороны читателей и самих авторов.
На графике представлен пример двух вариантов визуализации результатов. В первом случае (A) демонстрируются только кластеры, соответствующие статистически значимой активации, во втором случае – вся карта активации и выделенные значимые кластеры. Во втором случае (B) заметно, что мощность активации во многих незначимых кластерах близка к мощности значимых кластеров, поэтому игнорировать такую активацию полностью в рамках интерпретации, как произошло в первом случае, было бы ошибочно.
Также при демонстрации исключительно "надпороговых" результатов возникают и иные проблемы:
- Бинаризация активности мозга, несмотря на то что в реальности он не работает в режиме "ON/OFF";
- Отсутствие отрицания нулевой гипотезы не означает ее подтверждение, поэтому мы не можем быть на 100% уверены в том, что в "подпороговых" регионах отсутствует эффект, так что исключать эти регионы было бы статистически некорректным;
- Исключение из графиков "подпороговых" результатов не позволяет сформировать понимание причины того, почему они оказались ниже порога, что именно происходит с распределением мощности сигнала в этих регионах;
- "Подпороговые" регионы могут явно демонстрировать наличие артефактов, которые не очевидны при их исключении из графиков.
В статье представлены примеры по визуализации на основе открытого датасета фМРТ, объясняющие возможные расхождения в результатах, получаемых в предыдущих публикациях по этому датасету, а также общие полезные практические рекомендации.
Ученый и поэт
#poetry_of_science
Пока поглощена подготовкой к кандидатскому экзамену, анализом данных и правками к статьям, “Голубь Скиннера” пустует. Но в день рождения А. С. Пушкина позволю себе оставить здесь ссылку на неформальную публикацию теме междисциплинарности c прозрачным названием “Poetry and Neuroscience: An Interdisciplinary Conversation”. Этот текст представляет собой диалог-эссе между нейроученым и поэтом. В нем они делятся своим пониманием того, что такое эксперимент, шум, эмоции и другие понятия (даже использование голоса в ораторском искусстве).
Хоть представленный текст воспринимается как поток, а не набор тезисов, из которых можно выделить основную идею, запомнилась мысль о том, что в поэзии стирается грань между экспериментом и данными, получаемыми в результате его проведения, — в поэзии результаты являются экспериментом. И еще их не нужно реплицировать, скорее наоборот, — какой читатель оценит репликацию репликации?..
Оставив поэтичное настроение в стороне, все же отмечу, что междисциплинарные “высказывания”, оформленные представителями очень далеких направлений, крайне редко бывают содержательными и часто напоминают игру разума ради игры разума. А редкие исключения могут давать толчок к зарождению новых важных трендов в науке (как это случилось во время когнитивной революции в середине прошлого века). Однако дополнительные рефлексии по поводу междисциплинарности оставлю на будущие посты.
#poetry_of_science
Пока поглощена подготовкой к кандидатскому экзамену, анализом данных и правками к статьям, “Голубь Скиннера” пустует. Но в день рождения А. С. Пушкина позволю себе оставить здесь ссылку на неформальную публикацию теме междисциплинарности c прозрачным названием “Poetry and Neuroscience: An Interdisciplinary Conversation”. Этот текст представляет собой диалог-эссе между нейроученым и поэтом. В нем они делятся своим пониманием того, что такое эксперимент, шум, эмоции и другие понятия (даже использование голоса в ораторском искусстве).
Хоть представленный текст воспринимается как поток, а не набор тезисов, из которых можно выделить основную идею, запомнилась мысль о том, что в поэзии стирается грань между экспериментом и данными, получаемыми в результате его проведения, — в поэзии результаты являются экспериментом. И еще их не нужно реплицировать, скорее наоборот, — какой читатель оценит репликацию репликации?..
Оставив поэтичное настроение в стороне, все же отмечу, что междисциплинарные “высказывания”, оформленные представителями очень далеких направлений, крайне редко бывают содержательными и часто напоминают игру разума ради игры разума. А редкие исключения могут давать толчок к зарождению новых важных трендов в науке (как это случилось во время когнитивной революции в середине прошлого века). Однако дополнительные рефлексии по поводу междисциплинарности оставлю на будущие посты.
#podcast
Вышло продолжение предыдущего выпуска подкаста “Кортекс”. В прошлом выпуске мы с Настей говорили о методических и концептуальных ограничениях нейротехнологий, а в этом — об этике. В ходе обсуждения стало ясно, что скорее всего, нейротехнологии в текущем их виде не бросают нам никаких уникальных этических вызовов.
А если когда-нибудь и начнут бросать, то оценивать их через лекало современного устройства общества кажется несколько бессмысленным. И, конечно, во многом иллюзия этических угроз возникает из-за громких заявлений производителей девайсов и представлений самих пользователей о том, к каким процессам их мозга эти девайсы имеют доступ.
Приятного прослушивания!
Вышло продолжение предыдущего выпуска подкаста “Кортекс”. В прошлом выпуске мы с Настей говорили о методических и концептуальных ограничениях нейротехнологий, а в этом — об этике. В ходе обсуждения стало ясно, что скорее всего, нейротехнологии в текущем их виде не бросают нам никаких уникальных этических вызовов.
А если когда-нибудь и начнут бросать, то оценивать их через лекало современного устройства общества кажется несколько бессмысленным. И, конечно, во многом иллюзия этических угроз возникает из-за громких заявлений производителей девайсов и представлений самих пользователей о том, к каким процессам их мозга эти девайсы имеют доступ.
Приятного прослушивания!
Артефакты и размер эффекта
#resources #statistics
Нашла отличный интерактивный тулбокс от Matthew B. Jané по визуализации статистических артефактов, которые искажают размер эффекта. Сопровождающие теоретические материалы с формулами и кодом можно найти здесь. В этих материалах рассматриваются такие артефакты, как небольшая величина выборки, ошибки измерения, понижающие показатели связи между факторами, а также ограничения доступного диапазона величин. Для каждого случая предлагаются способы коррекции возникших искажений.
Один из простейших примеров работы тулбокса (см. скрин): демонстрация того, как недостаточный объем выборки приводит к заниженным показателям корреляции и завышенным показателям стандартизованной разницы средних.
#resources #statistics
Нашла отличный интерактивный тулбокс от Matthew B. Jané по визуализации статистических артефактов, которые искажают размер эффекта. Сопровождающие теоретические материалы с формулами и кодом можно найти здесь. В этих материалах рассматриваются такие артефакты, как небольшая величина выборки, ошибки измерения, понижающие показатели связи между факторами, а также ограничения доступного диапазона величин. Для каждого случая предлагаются способы коррекции возникших искажений.
Один из простейших примеров работы тулбокса (см. скрин): демонстрация того, как недостаточный объем выборки приводит к заниженным показателям корреляции и завышенным показателям стандартизованной разницы средних.
Секреты "безуспешного успеха"
#psychology
Публикация: Dixon, L. J., Hornsey, M. J., & Hartley, N. (2023). “The Secret” to Success? The Psychology of Belief in Manifestation. Personality and Social Psychology Bulletin, 01461672231181162.
Давно не было постов по психологии. На днях вышла статья с результатами трех исследований феномена, упоминанием которого уже долгие годы изобилуют закоулки различных соцсетей. Это – всевозможные манифестации, аффирмации, позитивные мысли, визуализации и прочие техники, призванные привлечь в вашу жизнь успех и счастье либо за счет вашего собственного личностного роста, либо за счет воздействия внешних факторов (или "космических сил").
Если отринуть иронию и скепсис, возникновение этого феномена не так далеко лежит от "эффекта Пигмалиона": высокие ожидания окружающих в ряде случаев могут приводить к улучшению показателей деятельности человека – например, успеваемости учеников в школе. (На самом деле валидность экспериментов, подтверждающих "эффект Пигмалиона", являлась предметом споров, но на текущий момент можно считать, что он все-таки срабатывает, просто не универсально).
Проводя параллель с такого рода "социологическими" самосбывающимися пророчествами, можно было бы предположить, что манифестации, определяя ожидания человека уже от самого себя, позволяют ему ставить крупные цели, следовать им и достигать успеха. Но так ли это на самом деле?
По результатам исследований выяснилось следующее:
1. Треть участников оказалась "манифестаторами", т. е. такая система взглядов – не редкость.
2. "Манифестаторы" воспринимают себя более успешными на текущий момент времени и в будущем.
3. Парадокс: по объективным показателям успеха (уровню дохода или образования) "манифестаторы" не превосходят "не-манифестаторов".
4. Вера "манифестаторов" в достижение целей не зависела от объективного разрыва между целью и уровнем ее достижения.
5. С психотерапевтической точки зрения бывает полезно осуществлять "рефрейминг" своих провалов, настраивая себя на позитивный лад, но соблюдать баланс тоже важно. Чрезмерный оптимизм, нереалистичность постановки целей, отрицание ошибок не играют "манифестаторам" на руку: они более склонны принимать рискованные решения, чаще оказываются банкротами и т. д.
Как выяснилось, высокие ожидания высоким ожиданиям рознь. Чтобы случайно не уподобиться инфлюенсерам из индрустрии успеха, остановлю себя от глубокомысленных выводов или советов и вместо этого ограничусь мемами.
#psychology
Публикация: Dixon, L. J., Hornsey, M. J., & Hartley, N. (2023). “The Secret” to Success? The Psychology of Belief in Manifestation. Personality and Social Psychology Bulletin, 01461672231181162.
Давно не было постов по психологии. На днях вышла статья с результатами трех исследований феномена, упоминанием которого уже долгие годы изобилуют закоулки различных соцсетей. Это – всевозможные манифестации, аффирмации, позитивные мысли, визуализации и прочие техники, призванные привлечь в вашу жизнь успех и счастье либо за счет вашего собственного личностного роста, либо за счет воздействия внешних факторов (или "космических сил").
Если отринуть иронию и скепсис, возникновение этого феномена не так далеко лежит от "эффекта Пигмалиона": высокие ожидания окружающих в ряде случаев могут приводить к улучшению показателей деятельности человека – например, успеваемости учеников в школе. (На самом деле валидность экспериментов, подтверждающих "эффект Пигмалиона", являлась предметом споров, но на текущий момент можно считать, что он все-таки срабатывает, просто не универсально).
Проводя параллель с такого рода "социологическими" самосбывающимися пророчествами, можно было бы предположить, что манифестации, определяя ожидания человека уже от самого себя, позволяют ему ставить крупные цели, следовать им и достигать успеха. Но так ли это на самом деле?
По результатам исследований выяснилось следующее:
1. Треть участников оказалась "манифестаторами", т. е. такая система взглядов – не редкость.
2. "Манифестаторы" воспринимают себя более успешными на текущий момент времени и в будущем.
3. Парадокс: по объективным показателям успеха (уровню дохода или образования) "манифестаторы" не превосходят "не-манифестаторов".
4. Вера "манифестаторов" в достижение целей не зависела от объективного разрыва между целью и уровнем ее достижения.
5. С психотерапевтической точки зрения бывает полезно осуществлять "рефрейминг" своих провалов, настраивая себя на позитивный лад, но соблюдать баланс тоже важно. Чрезмерный оптимизм, нереалистичность постановки целей, отрицание ошибок не играют "манифестаторам" на руку: они более склонны принимать рискованные решения, чаще оказываются банкротами и т. д.
Как выяснилось, высокие ожидания высоким ожиданиям рознь. Чтобы случайно не уподобиться инфлюенсерам из индрустрии успеха, остановлю себя от глубокомысленных выводов или советов и вместо этого ограничусь мемами.
Такие разные коннектомы: новый обзор
#neuroscience
Публикация: Seguin, C., Sporns, O., & Zalesky, A. (2023). Brain network communication: concepts, models and applications. Nature Reviews Neuroscience, 1-18.
На днях был опубликован обзор, в котором систематизированы важные концепты коннектомики и сетевой нейронауки.
По своим свойствам коннектом – это small-world network, т. е. в этой сети пары далеких элементов разделены небольшим количеством промежуточных связей. Долгое время предполагалось, что нейронный сигнал распространяется по кратчайшим путям этой сети (shortest path assumption). По такой логике области мозга, анатомически связанные трактами белой материи, должны быть сильно связаны и функционально благодаря прямой передаче сигнала.
Но эксперименты показали, что это не совсем так. С одной стороны, структурная и функциональная связность действительно в среднем коррелируют. А с другой – области мозга, которые не связаны анатомически напрямую, тоже могут активно взаимодействовать. Более того, соблюдение ранее упомянутого критерия кратчайшего пути потребовало бы знания всей топологии сети. Но в случае с мозгом, сети которого децентрализованы, это не очень реалистичный сценарий: вряд ли индивидуальные нейроны или их группы обладают полной информацией о сети, в которой они находятся.
Раз принцип кратчайшего пути не срабатывает, то между структурным коннектомом (информацией об анатомических связях областей мозга) и функциональной связностью (информацией о том, насколько активность одной области мозга синхронизуется с другой) не хватает дополнительного звена. Этим звеном стали модели сетевой коммуникации – общие принципы распространения сигнала внутри структурного коннектома, которые и порождают те показатели функциональной связности, которые мы наблюдаем.
Семейства этих моделей, подробно описанные в обзоре, следующие:
1. Протоколы маршрутизации (routing protocols): нейрональные сигналы избирательно продвигаются по единственным надежным путям с низкой задержкой по времени и небольшими метаболическими затратами. Например, начиная с одного элемента сети, сигнал может перемещаться к соседнему, который наиболее близок к целевому элементу.
2. Процессы распространения: сигналы передаются диффузно, например, по принципу random walks или распространяясь сразу на несколько других элементов сети. Это увеличивает затрачиваемые ресурсы времени и энергии, но при этом позволяет ограничиваться информацией лишь о локальных связях. Кстати, в исследованиях по предсказанию функциональной связности на основе фМРТ с использованием структурного коннектома диффузные модели сработали лучше моделей кратчайшего пути.
3. Параметрические модели, реализующие гибридные стратегии предыдущих двух семейств.
Почему дальнейшая валидация этих групп моделей важна? Во-первых, их можно использовать для предсказания функциональных изменений вследствие нарушения структурного коннектома из-за травм, атрофии или хирургического вмешательства. Во-вторых, информацию о структурном коннектоме и о путях распространения сигнала в нем можно использовать для детального моделирования эффектов нейростимуляции, которая при фокальном воздействии на одну область может приводить к полисинаптическому ответу в анатомически не связанных областях.
Это не последний пост про структурные и функциональные связи в мозге и связь между ними (no pun intended): именно этой темой, пусть и несколько с другого ракурса, я занимаюсь в рамках своей диссертации. Обычно я не высказываюсь о ней научно-популярно из-за того, что, наверное, как и для многих аспирантов, диссертация становится чем-то многострадально-сакральным, о чем имеет смысл рассказывать либо все в мельчайших подробностях и перегружать читателя/слушателя, либо ничего. Но постараюсь найти баланс.
#neuroscience
Публикация: Seguin, C., Sporns, O., & Zalesky, A. (2023). Brain network communication: concepts, models and applications. Nature Reviews Neuroscience, 1-18.
На днях был опубликован обзор, в котором систематизированы важные концепты коннектомики и сетевой нейронауки.
По своим свойствам коннектом – это small-world network, т. е. в этой сети пары далеких элементов разделены небольшим количеством промежуточных связей. Долгое время предполагалось, что нейронный сигнал распространяется по кратчайшим путям этой сети (shortest path assumption). По такой логике области мозга, анатомически связанные трактами белой материи, должны быть сильно связаны и функционально благодаря прямой передаче сигнала.
Но эксперименты показали, что это не совсем так. С одной стороны, структурная и функциональная связность действительно в среднем коррелируют. А с другой – области мозга, которые не связаны анатомически напрямую, тоже могут активно взаимодействовать. Более того, соблюдение ранее упомянутого критерия кратчайшего пути потребовало бы знания всей топологии сети. Но в случае с мозгом, сети которого децентрализованы, это не очень реалистичный сценарий: вряд ли индивидуальные нейроны или их группы обладают полной информацией о сети, в которой они находятся.
Раз принцип кратчайшего пути не срабатывает, то между структурным коннектомом (информацией об анатомических связях областей мозга) и функциональной связностью (информацией о том, насколько активность одной области мозга синхронизуется с другой) не хватает дополнительного звена. Этим звеном стали модели сетевой коммуникации – общие принципы распространения сигнала внутри структурного коннектома, которые и порождают те показатели функциональной связности, которые мы наблюдаем.
Семейства этих моделей, подробно описанные в обзоре, следующие:
1. Протоколы маршрутизации (routing protocols): нейрональные сигналы избирательно продвигаются по единственным надежным путям с низкой задержкой по времени и небольшими метаболическими затратами. Например, начиная с одного элемента сети, сигнал может перемещаться к соседнему, который наиболее близок к целевому элементу.
2. Процессы распространения: сигналы передаются диффузно, например, по принципу random walks или распространяясь сразу на несколько других элементов сети. Это увеличивает затрачиваемые ресурсы времени и энергии, но при этом позволяет ограничиваться информацией лишь о локальных связях. Кстати, в исследованиях по предсказанию функциональной связности на основе фМРТ с использованием структурного коннектома диффузные модели сработали лучше моделей кратчайшего пути.
3. Параметрические модели, реализующие гибридные стратегии предыдущих двух семейств.
Почему дальнейшая валидация этих групп моделей важна? Во-первых, их можно использовать для предсказания функциональных изменений вследствие нарушения структурного коннектома из-за травм, атрофии или хирургического вмешательства. Во-вторых, информацию о структурном коннектоме и о путях распространения сигнала в нем можно использовать для детального моделирования эффектов нейростимуляции, которая при фокальном воздействии на одну область может приводить к полисинаптическому ответу в анатомически не связанных областях.
Это не последний пост про структурные и функциональные связи в мозге и связь между ними (no pun intended): именно этой темой, пусть и несколько с другого ракурса, я занимаюсь в рамках своей диссертации. Обычно я не высказываюсь о ней научно-популярно из-за того, что, наверное, как и для многих аспирантов, диссертация становится чем-то многострадально-сакральным, о чем имеет смысл рассказывать либо все в мельчайших подробностях и перегружать читателя/слушателя, либо ничего. Но постараюсь найти баланс.
Голодные судьи против статистики
#psychology #resources #statistics
На очень полезном ресурсе по статистике Д. Лакенса приведен пример того, как можно пойти на поводу у слишком красивых результатов.
Нередко в качестве иллюстрации того, как сильно наши решения зависят от косвенных факторов, упоминается исследование, в котором обнаружилось, что судьи выносят более жесткие приговоры до обеда, чем после обеда. Напрашивается простая интерпретация: справедливости не существует, когда ты голоден (не обессудьте – клише). Однако не все так просто.
Во-первых, обратимся к графику из статьи. Он показывает пропорцию решений в пользу подсудимых в течение всего дня (общее количество анализируемых дней составило 50). Мы видим, что в самом начале дня судьи отпускали на волю 65 % подсудимых, а затем этот показатель резко падал до нуля. После перерыва показатель cнова возвращался к 65 % и так же быстро падал. После второго перерыва ситуация повторялась. Такая повторяемость и такие резкие спады выглядят очень подозрительно.
Во-вторых, выяснилось, что размер эффекта у наблюдаемых тенденций чрезмерно высокий. Напомню, что хоть мы все подспудно и гонимся на значимыми p-values, они констатируют лишь наличие эффекта, а его размер нужно количественно оценивать дополнительно. Например, если разница в среднем росте между детьми и подростками составит 60 см, то это станет размером эффекта. Поделив эту разность на стандартное отклонение, мы получим стандартизованную оценку (Cohen's d, d Коэна). Если d=1, то это значит, что две группы отличаются на одно стандартное отклонение. d=0.2 считают малым размером эффекта, d=0.5 – средним, d>0.8 – большим.
В исследовании про судей размер эффекта составил d=1.96! В психологических экспериментах такие размеры эффекта едва ли достижимы. В частности, Лакенс приводит пример исследования, в котором d=2 соответствует различию в росте 21-летнего взрослого мужчины и женщины в Нидерландах. Оно составляет 13 сантиметров, что весьма ощутимо. Если же переключаться на размеры эффекта в психологии, то близкие значения d Коэна могли достигаться лишь в тех случаях, когда независимая и зависимая переменные составляли чуть ли не тавтологию (например, взаимодействие харизмы и лидерства, социальной девиации и исключения из общества и т. д.)
Таким образом, обнаруженный эффект явно не может объясняться такими опосредованными механизмами, как голод и усталость. Было бы это так, мы бы наблюдали этот огромный эффект напрямую в виде хаоса и ментальных провалов в предобеденное время. Впрочем, если обращаться к нашему внутрилабораторному опыту, иногда это похоже на правду, но точно не дотягивает до d=1.96.
Наиболее вероятным объяснением полученных результатов может являться то, что рассмотрение дел в суде в каждой из сессий производилось не в случайном порядке: например, "простые" дела, в результате которых подсудимый с большой вероятностью заслуживал освобождение, могли рассматриваться первыми.
Это наглядный пример того, что красивая статистика без правдоподобной интерпретации, соответствующей ей, приводит к заблуждениям. И такие примеры могут послужить поводом к включению в эксперименты 'maximum positive controls' – экспериментальных условий, которые задают верхнюю границу возможного размера эффекта в заданной парадигме.
#psychology #resources #statistics
На очень полезном ресурсе по статистике Д. Лакенса приведен пример того, как можно пойти на поводу у слишком красивых результатов.
Нередко в качестве иллюстрации того, как сильно наши решения зависят от косвенных факторов, упоминается исследование, в котором обнаружилось, что судьи выносят более жесткие приговоры до обеда, чем после обеда. Напрашивается простая интерпретация: справедливости не существует, когда ты голоден (не обессудьте – клише). Однако не все так просто.
Во-первых, обратимся к графику из статьи. Он показывает пропорцию решений в пользу подсудимых в течение всего дня (общее количество анализируемых дней составило 50). Мы видим, что в самом начале дня судьи отпускали на волю 65 % подсудимых, а затем этот показатель резко падал до нуля. После перерыва показатель cнова возвращался к 65 % и так же быстро падал. После второго перерыва ситуация повторялась. Такая повторяемость и такие резкие спады выглядят очень подозрительно.
Во-вторых, выяснилось, что размер эффекта у наблюдаемых тенденций чрезмерно высокий. Напомню, что хоть мы все подспудно и гонимся на значимыми p-values, они констатируют лишь наличие эффекта, а его размер нужно количественно оценивать дополнительно. Например, если разница в среднем росте между детьми и подростками составит 60 см, то это станет размером эффекта. Поделив эту разность на стандартное отклонение, мы получим стандартизованную оценку (Cohen's d, d Коэна). Если d=1, то это значит, что две группы отличаются на одно стандартное отклонение. d=0.2 считают малым размером эффекта, d=0.5 – средним, d>0.8 – большим.
В исследовании про судей размер эффекта составил d=1.96! В психологических экспериментах такие размеры эффекта едва ли достижимы. В частности, Лакенс приводит пример исследования, в котором d=2 соответствует различию в росте 21-летнего взрослого мужчины и женщины в Нидерландах. Оно составляет 13 сантиметров, что весьма ощутимо. Если же переключаться на размеры эффекта в психологии, то близкие значения d Коэна могли достигаться лишь в тех случаях, когда независимая и зависимая переменные составляли чуть ли не тавтологию (например, взаимодействие харизмы и лидерства, социальной девиации и исключения из общества и т. д.)
Таким образом, обнаруженный эффект явно не может объясняться такими опосредованными механизмами, как голод и усталость. Было бы это так, мы бы наблюдали этот огромный эффект напрямую в виде хаоса и ментальных провалов в предобеденное время. Впрочем, если обращаться к нашему внутрилабораторному опыту, иногда это похоже на правду, но точно не дотягивает до d=1.96.
Наиболее вероятным объяснением полученных результатов может являться то, что рассмотрение дел в суде в каждой из сессий производилось не в случайном порядке: например, "простые" дела, в результате которых подсудимый с большой вероятностью заслуживал освобождение, могли рассматриваться первыми.
Это наглядный пример того, что красивая статистика без правдоподобной интерпретации, соответствующей ей, приводит к заблуждениям. И такие примеры могут послужить поводом к включению в эксперименты 'maximum positive controls' – экспериментальных условий, которые задают верхнюю границу возможного размера эффекта в заданной парадигме.
Атомные привычки
#productivity #readinglist
Мои отношения с селф-хелп литературой неоднозначные. Ни одна книга этого жанра не перевернула мою жизнь – возможно, тому виной мои собственные упрямство, научный снобизм и большее доверие граблям, на которые мне иногда везет наступать. Тем не менее, по давней настоятельной рекомендации, прочитала книгу "Атомные привычки" Джеймса Клира и осталась довольна тем, как в доступной и ненавязчивой форме изложена система закрепления полезных привычек. Некоторые наблюдения автора тесно переплетаются с моим личным опытом, поэтому решила поделиться ими здесь.
- Мотивация и самоконтроль переоценены.
Энергетика "Just Do It" очень хороша. С таким настроением я раньше хваталась за новые проекты, что давало ощущение чистого листа и индульгенцию на тупики в других проектах. Но, как бы сильно я ни любила науку, вдохновение рано или поздно сходит на нет, положительное подкрепление в виде значимых результатов появляется не сразу, и на выходе остается фрустрация или скука. На первых порах это ошибочно может восприниматься как признак того, что ты занимаешься чем-то не тем. Со временем пришло понимание, что перепады внутренней мотивации естественны и полагаться исключительно на нее в формировании полезных привычек было бы наивно. Можно (и нужно) продолжать функционировать даже тогда, когда интерес падает.
- Не надо противостоять искушению, когда его можно заранее избежать.
Внутренней мотивации и самоконтроля недостаточно. Сегодня на волне энтузиазма мне может казаться, что последующие несколько недель я каждый день буду править свою статью по диссертации, не забывать про side projects, а еще перед работой бегать по 4 км. Но, поскольку мой мозг довольно импульсивный, на следующий день его может выбить из колеи какая-нибудь мелочь, и вместо продуктивности и здорового образа жизни может случиться падение в копинг-стратегии в виде прокрастинации, выполнения не приоритетных задач, приема вредной пищи и т. д. Но риски этого можно минимизировать, если я еще на берегу позабочусь о внешней среде в соответствии с законами, которые приведены в описываемой книге. Эти законы не пытаются обуздать хватающийся за сиюминутные стимулы мозг, а делают его нашим союзником.
- Законы формирования привычек, минимизирующие усилия для их выполнения:
1. Придайте очевидности. Привязывайте привычки к заметным внешним стимулам: ко времени и месту, к другим уже устоявшимся привычкам или к конкретным объектам (например, книге, предварительно размещенной у кровати, если вы хотите привыкнуть читать каждый вечер).
2. Добавьте привлекательности. Сочетайте необходимые действия с желаемыми (например, пробежку с прослушиванием подкаста), окружите себя людьми, чье поведение вам близко.
3. Упростите. Лучшее – враг хорошего. Ежедневные правки статьи по одной странице в день с большей вероятностью приведут к результату, чем выжидание удачного момента, когда можно исправить ее разом; 10 минут пробежки гораздо лучше, чем полное ее отсутствие, и т. д. На первых порах действие как таковое важнее филигранности.
4. Привнесите удовольствие. Многие привычки сопряжены с далекими целями. Мозг ценит настоящее сильнее, чем будущее. После одной пробежки мой мозг не заметит, что в глобальном смысле в моем организме что-то поменялось. После написания части статьи защита кандидатской не станет казаться ближе. Поэтому имеет смысл сразу вознаграждать себя за выполненные действия.
Для неэффективных привычек все законы действуют наоборот (подробнее см. таблицу).
- Идентичность важнее.
Цели достигаются, меняются или теряют актуальность. Важнее сфокусироваться на том, кем вы хотите быть, чем на конкретных результатах. Несколько лет назад я мечтала публиковать статьи в журналах Q1 – эта мечта сбылась, и не раз, но культивация в себе идентичности ученого гораздо шире. И не думаю, что когда-нибудь этот процесс завершится.
Совсем лаконичные выводы: система привычек важнее и стабильнее целей, не боритесь с собой в моменте, позаботьтесь о себе будущем 💚.
#productivity #readinglist
Мои отношения с селф-хелп литературой неоднозначные. Ни одна книга этого жанра не перевернула мою жизнь – возможно, тому виной мои собственные упрямство, научный снобизм и большее доверие граблям, на которые мне иногда везет наступать. Тем не менее, по давней настоятельной рекомендации, прочитала книгу "Атомные привычки" Джеймса Клира и осталась довольна тем, как в доступной и ненавязчивой форме изложена система закрепления полезных привычек. Некоторые наблюдения автора тесно переплетаются с моим личным опытом, поэтому решила поделиться ими здесь.
- Мотивация и самоконтроль переоценены.
Энергетика "Just Do It" очень хороша. С таким настроением я раньше хваталась за новые проекты, что давало ощущение чистого листа и индульгенцию на тупики в других проектах. Но, как бы сильно я ни любила науку, вдохновение рано или поздно сходит на нет, положительное подкрепление в виде значимых результатов появляется не сразу, и на выходе остается фрустрация или скука. На первых порах это ошибочно может восприниматься как признак того, что ты занимаешься чем-то не тем. Со временем пришло понимание, что перепады внутренней мотивации естественны и полагаться исключительно на нее в формировании полезных привычек было бы наивно. Можно (и нужно) продолжать функционировать даже тогда, когда интерес падает.
- Не надо противостоять искушению, когда его можно заранее избежать.
Внутренней мотивации и самоконтроля недостаточно. Сегодня на волне энтузиазма мне может казаться, что последующие несколько недель я каждый день буду править свою статью по диссертации, не забывать про side projects, а еще перед работой бегать по 4 км. Но, поскольку мой мозг довольно импульсивный, на следующий день его может выбить из колеи какая-нибудь мелочь, и вместо продуктивности и здорового образа жизни может случиться падение в копинг-стратегии в виде прокрастинации, выполнения не приоритетных задач, приема вредной пищи и т. д. Но риски этого можно минимизировать, если я еще на берегу позабочусь о внешней среде в соответствии с законами, которые приведены в описываемой книге. Эти законы не пытаются обуздать хватающийся за сиюминутные стимулы мозг, а делают его нашим союзником.
- Законы формирования привычек, минимизирующие усилия для их выполнения:
1. Придайте очевидности. Привязывайте привычки к заметным внешним стимулам: ко времени и месту, к другим уже устоявшимся привычкам или к конкретным объектам (например, книге, предварительно размещенной у кровати, если вы хотите привыкнуть читать каждый вечер).
2. Добавьте привлекательности. Сочетайте необходимые действия с желаемыми (например, пробежку с прослушиванием подкаста), окружите себя людьми, чье поведение вам близко.
3. Упростите. Лучшее – враг хорошего. Ежедневные правки статьи по одной странице в день с большей вероятностью приведут к результату, чем выжидание удачного момента, когда можно исправить ее разом; 10 минут пробежки гораздо лучше, чем полное ее отсутствие, и т. д. На первых порах действие как таковое важнее филигранности.
4. Привнесите удовольствие. Многие привычки сопряжены с далекими целями. Мозг ценит настоящее сильнее, чем будущее. После одной пробежки мой мозг не заметит, что в глобальном смысле в моем организме что-то поменялось. После написания части статьи защита кандидатской не станет казаться ближе. Поэтому имеет смысл сразу вознаграждать себя за выполненные действия.
Для неэффективных привычек все законы действуют наоборот (подробнее см. таблицу).
- Идентичность важнее.
Цели достигаются, меняются или теряют актуальность. Важнее сфокусироваться на том, кем вы хотите быть, чем на конкретных результатах. Несколько лет назад я мечтала публиковать статьи в журналах Q1 – эта мечта сбылась, и не раз, но культивация в себе идентичности ученого гораздо шире. И не думаю, что когда-нибудь этот процесс завершится.
Совсем лаконичные выводы: система привычек важнее и стабильнее целей, не боритесь с собой в моменте, позаботьтесь о себе будущем 💚.
Атласы для нейроисследователей и врачей
#resources #tools
Некоторое время назад я публиковала пост со ссылками на ресурсы с автоматическим объединением результатов нейроисследований по соотнесению психологических параметров и данных фМРТ, а также вызванных потенциалов, выделенных на основе ЭЭГ.
Дополнением к этим коллекциям могут стать онлайн-атласы, которые можно использовать для тренировки "насмотренности":
1. EEG Atlas. В этом атласе можно выбрать возрастную группу, состояние сознания (бодрствование, сон, кома), степень ЭЭГ-нарушений, указать наличие конкретных паттернов (межсудорожные спайки, моторные ритмы и т. д. ) и получить пример ЭЭГ-сегмента с выделенными паттернами, соответствующими запросу. В интерактивном режиме можно менять монтаж ЭЭГ. В ряде примеров дополнительно доступны аннотация из истории болезни пациента или описание свойств самих наблюдаемых паттернов.
2. EEGpedia: ЭЭГ-википедия с описаниями и примерами клинических, стандартных физиологических паттернов и артефактов. Дополнительно есть раздел с квизом, в котором по одному примеру ЭЭГ нужно определить диагноз (правда, судя по всему, этот раздел не особо обновляется).
3. Central XNAT: база, в которой по ключевым словам и параметрам можно найти примеры МРТ, ПЭТ или КТ и изучить их во встроенном просмотрщике.
4. Radiology Masterclass: галерея КТ мозга с интерактивными аннотациями для различных диагнозов. Там же есть квиз для самопроверки.
5. NeuroVault: открытый репозиторий фМРТ- и ПЭТ-карт.
6. ACMEGS: образовательные примеры по МЭГ нескольких пациентов.
#resources #tools
Некоторое время назад я публиковала пост со ссылками на ресурсы с автоматическим объединением результатов нейроисследований по соотнесению психологических параметров и данных фМРТ, а также вызванных потенциалов, выделенных на основе ЭЭГ.
Дополнением к этим коллекциям могут стать онлайн-атласы, которые можно использовать для тренировки "насмотренности":
1. EEG Atlas. В этом атласе можно выбрать возрастную группу, состояние сознания (бодрствование, сон, кома), степень ЭЭГ-нарушений, указать наличие конкретных паттернов (межсудорожные спайки, моторные ритмы и т. д. ) и получить пример ЭЭГ-сегмента с выделенными паттернами, соответствующими запросу. В интерактивном режиме можно менять монтаж ЭЭГ. В ряде примеров дополнительно доступны аннотация из истории болезни пациента или описание свойств самих наблюдаемых паттернов.
2. EEGpedia: ЭЭГ-википедия с описаниями и примерами клинических, стандартных физиологических паттернов и артефактов. Дополнительно есть раздел с квизом, в котором по одному примеру ЭЭГ нужно определить диагноз (правда, судя по всему, этот раздел не особо обновляется).
3. Central XNAT: база, в которой по ключевым словам и параметрам можно найти примеры МРТ, ПЭТ или КТ и изучить их во встроенном просмотрщике.
4. Radiology Masterclass: галерея КТ мозга с интерактивными аннотациями для различных диагнозов. Там же есть квиз для самопроверки.
5. NeuroVault: открытый репозиторий фМРТ- и ПЭТ-карт.
6. ACMEGS: образовательные примеры по МЭГ нескольких пациентов.
