Nguyen, M., Vanderwal, T., & Hasson, U. (2019). Shared understanding of narratives is correlated with shared neural responses. NeuroImage, 184, 161-170. https://doi.org/https://doi.org/10.1016/j.neuroimage.2018.09.010
摘要: 人类有一种惊人的能力，即使是从最稀少和最抽象的叙述中，也能推断出意义。与此同时，叙述形式的灵活性与其解释中固有的模糊性相匹配。大脑是如何在对抽象和模糊故事（narratives）的解释中表现出细微的、特殊的差异的呢？在这项功能磁共振成像研究中，被试要么观看一部7分钟的动画（通过几何图形的运动描绘一个复杂的故事），要么听对动画中社会互动的叙述。采用被试间表征相似性分析方法，比较不同被试之间对故事理解的相似性和神经相似性，发现两个人对抽象形状动画的理解越相似，他们在默认模式网络(DMN)和额顶网络(fronto-parietal network)区域的神经反应越相似。此外，这些相似的神经反应是跨模态不变的: 当被试对故事的理解越相似，视觉呈现的动画和对该动画的口语阐述会引起语言区域和 DMN 相关区域更相似的神经反应。总之，这些结果表明，高层次的区域网络不仅对自然条件下理解故事的个体差异敏感，而且对故事呈现模态的巨大差异具有弹性。
1本文要研究的是什么问题？研究背景是什么（或：如何引出要研究的问题的）？为什么要做这样的研究（实验目的）?
研究问题：
对于不同模态的交流形式（视觉呈现or语音呈现），大脑如何表征复杂、模棱两可的故事的意义，是否具有跨模态一致性。
问题提出的逻辑：
（1）提出研究问题：大脑如何表征不同交流形式下的复杂、模棱两可的故事的意义；
（2）以往研究显示，对故事的理解会诱发被试间在DMN中相似的神经反应,并且是由故事的意义诱发，而非阐述的形式）；
（3）但以往研究中故事的意义都是十分明确的，因此当故事意义模棱两可时是否会产生相似的神经反应目前不清楚。
（4）因此本研究将以抽象的、模棱两可的故事为材料，综合使用被试间相关（intersubject correlation）和被试间表征相似性分析（intersubject RSA）对这个问题进行探讨。
2本研究采用了什么样的实验设计（列出因变量、自变量、控制变量、（你认为）可能存在的干扰变量）？实验设计的逻辑是什么（如何通过实验设计达到研究目的）? 本研究通过什么研究方法来实现以上的实验设计？如果有多个小实验的话，它们之间及各与主题间的逻辑关系如何？
实验设计：
（1）两个条件：
①Movie Group：被试观看几何图形形成的具有互动信息的动画；
②Audio Group：听上述动画的语音解释版本。
（2）关注指标：
①被试对故事理解的相似性，使用Latent Semantic Analysis（LSA）计算，分析被试之间对故事理解的语义一致性；
②被试间神经反应的相似性（ISC）
实验假设：
（1）被试对抽象故事的理解越相似，其DMN中的神经反应也越相似；
（2）当被试对不同形式（视觉动画、语音解释）呈现的故事的理解相似时，其在DMN中的神经反应也应是相似的。
3本研究结果是什么，推论是什么？本研究结果和推论有什么科学意义？
结果：
（1）Movie Group中，当被试之间对动画理解越相似（LSA值相近），被试之间在DMN相关脑区中的神经反应越相似（ISC越强）；
（2）当Movie Group中被试对故事的理解与Audio Group中被试的理解相似时（LSA值相近），两组被试之间的ISC也越高；
（3）被试间RSA也发现，当被试间对故事的理解越一致时，其DMN相关脑区（PMC、角回、STG、dmPFC）和额顶网络（SMG、dlPFC）中的神经反应的模式也越一致。
推论：
（1）大脑DMN中高级脑区会表征个体对互动信息的理解的差异，理解越相似，神经模式越相似；
（2）DMN中等高级脑区对故事的表征依赖于其内容，与呈现形式无关。
4 研究采用的被试（要详细）、刺激材料、实验任务（同样的材料，不同任务可引发不同的认知过程）、实验程序（主要是一个trial实验流程图、总trial数等，流程图如果没有，请根据文献自行制作）和记录参数是什么？
（1）被试：
①Movie Group中36名被试；
②Audio Group中18名被试。
（2）实验刺激
①Movie Group：被试观看的是一段7分钟的动画，动画中是由几何图形代表互动的个体，动画中没有口语对话；
②Audio Group：被试听上述动画的语音故事版本，描述该动画中发生的时间和人物的互动，仅语音呈现，无视觉信息。
（3）实验流程
被试在进行fMRI扫描时，观看视觉呈现的动画或是听语音故事版本，结束后要求被试尽可能回忆出动画或语音故事的内容。
（4）行为指标计算
被试回忆内容的相似性：Latent Semantic Analysis（LSA），一种计算文本之间语义空间相似性的方法。
（5）被试间相关ISC
①Movie组中，基于LSA相似性将36名被试分为两个亚组（单个被试LSA值接近36名被试LSA平均值的为高相似亚组，共18名，其余18名为低相似组）；分别计算两个亚组的ISC（每名被试在每个voxel中于其余被试神经活动的相关，分两个亚组进行）；使用t检验比较亚组间的ISC差异。
②计算跨模态组的ISC：根据与Audio组中18名被试LSA的相似性，将Movie组中的36名被试分为两个亚组，与Audio组LSA相近的18名被试为高相似亚组，其余为低相似亚组；分别计算两个亚组的ISC（每名被试在每个voxel中于其余被试神经活动的相关，分两个亚组进行）；使用t检验比较亚组间的ISC差异。
（6）被试间表征相似性分析
①建立被试间的LSA相似性矩阵；
②建立被试间神经反应的相似性矩阵；
③通过斯皮尔曼相关计算两个矩阵的相关性，相关性越高，表明对故事理解更相似的被试也有更相似的神经反应。
