MARC

 008250123s2024        us                              c    eng  d
■001000017163491
■00520250211152715
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384016571
■035    ▼a(MiAaPQ)AAI31488985
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a150
■1001  ▼aYu,  Yuhua.▼0(orcid)0000-0003-4878-4628
■24510▼aDynamics  of  Oscillatory  Processes  Underlying  Creative  Problem-Solving  and  Rest:  An  Investigation  With  Hidden  Brain  State  Modeling
■260    ▼a[Sl]▼bNorthwestern  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a123  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Beeman,  Mark.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2024.
■520    ▼aCreative  problem-solving  is  a  hallmark  of  high-level  cognitive  achievement  in  humans.  To  derive  novel  solutions  and  solve  new  problems,  people  engage  a  variety  of  cognitive  resources  in  a  temporally  organized  way.  Previous  literature  has  demonstrated  the  importance  of  temporal  dynamics  of  brain  activities  in  studying  neural  substrates  of  complex  cognitive  functions.  The  current  thesis  project  examined  temporal  dynamics  of  neural  oscillations  by  extracted  hidden  brain  states  from  EEG  data  using  a  hidden  Markov  model.  In  the  first  two  studies,  the  brain  state  modeling  approach  was  developed  and  validated  on  two  datasets  recorded  when  participants  solved  different  verbal  puzzles.  The  trial-by-trial  decoding  afforded  by  the  model  depicted  the  unfolding  and  interaction  of  oscillation  processes  (brain  states)  during  problem-solving,  thereby  associating  their  temporal  dynamics  with  behavioral  outcomes.  Notably,  alpha-band  synchronization  was  robustly  associated  with  insight  problem-solving  across  different  tasks.  The  third  study  extended  the  brain  state  modeling  approach  to  resting-state  EEG  data.  Results  suggested  that  brain  states  during  rest  could  be  reliably  identified,  cognitively  meaningful,  and  mostly  stable  within  individuals.  Brain  states  extracted  from  resting  sessions  overlapped  with  those  extracted  from  problem-solving  sessions.  Furthermore,  the  study  provided  preliminary  evidence  that  brain  states  during  rest  were  predictive  of  individual  differences  in  cognitive  performance  and  problem-solving  tendencies.  Overall,  the  findings  from  these  studies  offer  significant  insights  into  the  dynamic  oscillatory  processes  involved  in  creative  problem-solving  and  task-free  rest.  They  demonstrated  the  utility  of  the  brain  state  modeling  approach  in  revealing  the  temporal  dynamics  of  neural  activities.  This  approach  holds  the  potential  for reconciling  findings  from  previous  EEG  studies  and  generating  new  hypotheses  to  further  our  understanding  of  complex  cognitive  functions.
■590    ▼aSchool  code:  0163.
■650  4▼aPsychology
■650  4▼aMental  health
■650  4▼aHealth  sciences
■650  4▼aBioinformatics
■650  4▼aBehavioral  psychology
■650  4▼aCognitive  psychology
■653    ▼aBrain  state
■653    ▼aCreativity
■653    ▼aEEG  data  
■653    ▼aHidden  Markov  model
■653    ▼aOscillation
■653    ▼aProblem-solving
■690    ▼a0621
■690    ▼a0566
■690    ▼a0347
■690    ▼a0633
■690    ▼a0715
■690    ▼a0384
■71020▼aNorthwestern  University▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163491▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books