MARC

 008250123s2024        us                              c    eng  d
■001000017164105
■00520250211152832
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346571452
■035    ▼a(MiAaPQ)AAI31560675
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a153
■1001  ▼aKarakose-Akbiyik,  Seda.▼0(orcid)0000-0001-6720-8859
■24510▼aAgents,  Objects,  and  Actions:  Investigations  Into  the  Neural  Representation  of  Dynamic  Information
■260    ▼a[Sl]▼bHarvard  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a190  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Caramazza,  Alfonso.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2024.
■520    ▼aMaking  sense  of  dynamic  scenes  is  essential  for  navigating  our  world.  Traditionally,  research  on  dynamic  scene  processing  has  distinguished  between  animate  agents  and  inanimate  objects,  often  using  the  movement  of  inanimate  objects  as  a  baseline  to  reveal  the  unique  processes  and  representations  related  to  animate  agents.  In  this  thesis,  I  adopted  an  alternative  approach  by  highlighting  that  animate  agents  are  also  physical  entities  governed  by  the  same  physical  laws  as  inanimate  objects.  While  animate  agents  have  internal  mechanisms  that  allow  them  to  initiate  their  own  movement  or  react  to  external  physical  forces,  their  movement  dynamics  can,  at  a  certain  level  of  analysis,  be  equated  to  those  of  inanimate  objects.  By  mapping  the  shared  neural  representations  that  span  both  domains,  this  approach  can  better  delineate  the  distinct  neural  representations  that  arise  due  to  their  inherent  differences.Following  these  considerations,  in  Chapter  I,  I  show  that  a  set  of  frontoparietal  and  posterior  temporal  brain  regions,  commonly  studied  in  relation  to  human  action  recognition,  host  a  shared  neural  code  for  capturing  structurally  similar  movements  of  humans  and  inanimate  objects.  In  Chapter  II,  I  replicate  these  findings  and  examine  how  agentive  and  physical  forces  behind  motion  events  shape  their  neural  representation.  I  find  that  these  regions  encode  a  shared  neural  code  for  the  physics  and  kinematics  of  dynamic  events,  regardless  of  animacy  or  the  nature  of  the  forces  driving  them.  I  also  find  that  regions  such  as  the  right  posterior  superior  temporal  sulcus  and  temporoparietal  junction  are  more  sensitive  to  actions  of  animate  agents  compared  to  movements  of  objects,  even  when  the  structural  and  kinematic  properties  of  movement  are  matched  across  the  two. Chapters  I  and  II  focus  on  the  structural  similarities  between  motion  events  involving  animate  agents  and  inanimate  entities.  These  chapters  identify  a  neural  representation  that  capture  both  animate  and  inanimate  movement  dynamics  within  a  wide  array  of  frontoparietal  and  posterior  temporal  brain  regions.  In  Chapter  III,  I  investigate  whether  these  regions  have  subcomponents  with  differential  sensitivity  to  animate  or  inanimate  movement  by  using  data  analytical  approaches  that  can  reveal  differences  in  nearby  anatomical  structures,  within  individuals.  Additionally,  I  use  analyses  of  intrinsic functional  connectivity  to  situate  the  neural  responses  to  animate  and  inanimate  movement  within  the  brain's  functional  network  architecture.  Building  on  the  findings  of  Chapters  I  and  II,  Chapter  III  finds  that  brain  regions  that  are  involved  in  analyzing  the  physical  and  kinematic  aspects  of  movement  establish  a  network  of  interconnected  areas  in  precentral  and  postcentral  structures  and  anterior  lateral  occipitotemporal  cortex.  In  contrast,  brain  regions  more  attuned  to  agentive  or  animate  dynamics  of  movement  form  a  distinct  network,  often  adjacent  to  regions  involved  in  the  general  analysis  of  dynamic  scenes.  This  network  encompasses  not  only  the  right  posterior  temporal  sulcus  and  temporoparietal  junction,  as  often  cited  in  the  literature,  but  also  includes  a  range  of  other  frontoparietal  regions.Collectively,  this  thesis  contributes  to  our  knowledge  of  the  neural  basis  of  dynamic  scene  understanding.  By  identifying  neural  activity  patterns  that  capture  both  the  shared  and  distinct  aspects  of  dynamic  scenes  that  involve  animate  and  inanimate  entities,  it  provides  a  unified  framework  for  studying  the  complex  neural  processes  that  underlie  the  perception  and  interpretation  of  dynamic  information.
■590    ▼aSchool  code:  0084.
■650  4▼aCognitive  psychology
■650  4▼aNeurosciences
■650  4▼aBioinformatics
■650  4▼aInformation  technology
■653    ▼aInternal  mechanisms
■653    ▼aDynamic  scenes
■653    ▼aPhysical  entities  
■653    ▼aAnimate  agents
■653    ▼aAnimacy  
■690    ▼a0633
■690    ▼a0317
■690    ▼a0489
■690    ▼a0715
■71020▼aHarvard  University▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164105▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서