指標
探索戦略
「ラットはズルができる！」戦略の分析でそれを見抜きます。
元のノートは、動物はプラットフォームの場所を覚える代わりに、壁から一定の距離で泳ぐといった「探索戦略を学習しうる」と警告していました。泳ぎを1回ずつ戦略で分類すると、動物が課題をどう解いたか、そしてそれが訓練でどう変わるかがわかります。
なぜ重要か
チェイニングは、壁からプラットフォームまでの距離で旋回することで、空間地図なしにプラットフォームを見つける方法です。
詳しく見る
チェイニングは非空間的で自己中心的な戦略を反映しており、潜時がよく見えるときにも起こりえます。プローブ試行でチェイニングする動物は同じ半径を保つので、標的象限の時間は偶然レベル付近にとどまり、通過はたまたま起こるものになります。
十分な訓練のあとのチェイニングはふつう空間学習の障害を示しますが、強い空間的手がかりが足りないことや、学習がまだ初期段階であることを意味する場合もあります。試行を通じて旋回とチェイニングを追えば、非空間的な戦略から空間的な戦略への移行を描けます。チェイニングが続くなら、遠位手がかりを見直す理由になります。
プール旋回とチェイニング
チェイニングは、壁から一定の距離、だいたいプラットフォームまでの距離で旋回することで、よい潜時と両立しうる非空間的で手続き的な戦略です。
詳しく見る
チェイニングのあるプローブでは、標的象限の時間は偶然レベル付近にとどまり、通過はたまたま起こるものになります。プール旋回は、プールの中心を囲む完全な周回を数え、引き返しても回数には影響しません。学習の初期にはチェイニングはよく見られます。
十分な訓練のあとのプローブでチェイニングが見られるなら、空間学習が損なわれているか欠けているか、空間的手がかりが足りないことが示唆されます。試行を通じて旋回とチェイニングを追って空間的な探索への移行を描き、チェイニングが続くなら設備（遠位手がかり）を見直してください。
よくある質問
HVSは探索戦略と行動をどのように自動で識別しますか？
機械学習や経路の画像ではなく、時刻付きの位置データに適用する、あらかじめ定めた透明な定量的ルールで識別します。1）行動には、直接経路、最初の空間的意図、目標に集中した探索、目標の走査、チェイニング、広範囲の探索、壁沿い行動、不活動があります。2）一覧にするには、書き出しで'Main behaviors'を選びます。3）アップグレードすると既存の試行にも適用されます。
詳しく見る
探索戦略とは、被験体が目標を探す全体的なやり方のことで、たとえばまっすぐ向かう、近くを走査する、プラットフォームの距離でプールを回るチェイニング、壁にへばりつく、などです。HVS Imageは、時刻付きの位置に適用する、あらかじめ定めた透明なルールでこれらを識別します。ルールはためらい、停止、方向づけの段階をとらえ、ヒトのVRとげっ歯類のデータで開発されました。行動は、現在の目標、プローブでの学習した位置、以前の目標、ほかのキャリブレーション位置を基準に評価されます。結果は経路図、画面上のまとめ、.csvの書き出し（試行ごとに指標とラベルの1行）に表示されます。近位手がかりを動かしたときの他者中心／自己中心の識別は追加機能です。
さらに詳しく
ルールは学習済みの分類器ではなく明示的なしきい値なので、同じ試行には常に同じラベルが付き、方法の項で報告できます。Direct Pathの技術的定義doi:10.5281/zenodo.21870806と、不活動の定義doi:10.5281/zenodo.21797205を引用してください。自動ルールは最近のもので、査読を経た検証論文はまだありません。
プール旋回の指標で、旋回をほかの探索パターンと見分けるには？
解析画面の'Advanced'でPool Circlingにチェックを入れ、SUMとCSTを作り直します。1）試行ごと：ダブルクリックして'OK'、'Full Analysis'でプール旋回、時計回り、反時計回りが表示されます。2）経路長に対する周回数の比で、旋回をジグザグや象限の探索と区別できます。
詳しく見る
SUMの行は'Circling'、'Clckwise'、'Anticlck'です（名前はバージョンによって異なります）。旋回にチェックを入れて作ったSUMで、'Export Results / Setup Custom' > '2. Define'から含めてください。プール旋回はプールの中心を囲む完全な周回を数え、引き返しても回数には影響しません。
さらに詳しく
チェイニング（壁からだいたいプラットフォームまでの距離で旋回すること）は、現在ではDirect Pathの分類とともに自動で識別されます。
チェイニングはどう解釈すればよいですか？
チェイニングは、壁から一定の距離、だいたいプラットフォームまでの距離で旋回することで、よい潜時と両立しうる非空間的で手続き的な戦略です。十分な訓練のあとのプローブでチェイニングが見られるなら、空間学習が損なわれているか欠けているか、空間的手がかりが足りないことが示唆されます。
詳しく見る
チェイニングのあるプローブでは、標的象限の時間は偶然レベル付近にとどまり、通過はたまたま起こるものになります。試行を通じて旋回とチェイニングを追い、空間的な探索への移行を描いてください。学習の初期にはチェイニングはよく見られます。
さらに詳しく
チェイニングが続くなら、設備（遠位手がかり）を見直してください。
HVS Imageは、ここで説明した戦略の1つである旋回とチェイニングを解説しています。
出典
- Garthe et al. (2009). Adult-Generated Hippocampal Neurons Allow the Flexible Use of Spatially Precise Learning Strategies. PLoS ONE 4(5):e5464. doi:10.1371/journal.pone.0005464