탐색 전략

“랫은 속임수를 쓸 수 있다!” 전략 분석으로 그것을 잡아냅니다.

원래 노트는 동물이 플랫폼 위치를 학습하는 대신 벽에서 일정한 거리를 두고 헤엄치는 것 같은 “탐색 전략을 학습할 수 있다”고 경고했습니다. 각 수영을 전략별로 분류하면 동물이 과제를 어떻게 풀었는지, 그리고 그것이 훈련에 따라 어떻게 바뀌는지 알 수 있습니다.

왜 중요한가

체이닝은 벽에서 플랫폼까지의 거리를 두고 맴도는 것으로, 공간 지도 없이 플랫폼을 찾는 방법입니다.

체이닝은 비공간적, 자기 중심적 전략을 반영하며 잠복기가 좋아 보일 때도 나타날 수 있습니다. 프로브 시행에서 체이닝하는 동물은 같은 반지름을 유지하므로, 목표 사분면 시간은 우연 수준 근처에 머물고 교차는 우연히 일어납니다.

충분히 훈련한 뒤의 체이닝은 대개 공간 학습 장애를 나타내지만, 강한 공간 단서가 부족하거나 학습이 초기 단계라는 뜻일 수도 있습니다. 시행에 걸쳐 맴돌기와 체이닝을 추적하면 비공간 전략에서 공간 전략으로의 전환을 그려 볼 수 있으며, 체이닝이 계속된다면 원위 단서를 재검토할 이유가 됩니다.

수조 맴돌기와 체이닝

체이닝은 벽에서 일정한 거리, 대략 플랫폼까지의 거리를 두고 맴도는 것으로, 좋은 잠복기와 공존할 수 있는 비공간적, 절차적 전략입니다.

체이닝이 있는 프로브에서는 목표 사분면 시간이 우연 수준 근처에 머물고 교차는 우연히 일어납니다. 수조 맴돌기는 수조 중심을 둘러싸는 완전한 바퀴를 세며, 되돌아가는 것은 횟수에 영향을 주지 않습니다. 학습 초기에는 체이닝이 흔합니다.

충분히 훈련한 뒤 프로브에서 체이닝이 보이면 공간 학습이 손상되었거나 없거나, 공간 단서가 부족함을 시사합니다. 시행에 걸쳐 맴돌기와 체이닝을 추적해 공간 탐색으로의 이동을 그려 보고, 체이닝이 계속되면 설정(원위 단서)을 재검토하세요.

자주 묻는 질문

HVS는 탐색 전략과 행동을 어떻게 자동으로 식별하나요?

기계 학습이나 경로 이미지가 아니라, 시간 기록이 있는 위치 데이터에 적용하는 미리 정의된 투명한 정량 규칙으로 식별합니다. 1) 행동에는 직접 경로, 초기 공간 의도, 목표 집중 탐색, 목표 훑기, 체이닝, 넓은 범위 탐색, 벽 붙기 행동, 비활동이 있습니다. 2) 목록을 보려면 내보내기에서 'Main behaviors'를 선택하세요. 3) 업그레이드하면 기존 시행에도 적용됩니다.

탐색 전략은 대상이 목표를 찾는 전반적인 방식입니다. 예를 들어 곧장 향하기, 근처 훑기, 플랫폼 거리에서 수조를 도는 체이닝, 벽에 붙기 등입니다. HVS Image는 시간 기록이 있는 위치에 적용하는 미리 정의된 투명한 규칙으로 이를 식별합니다. 규칙은 망설임, 멈춤, 방향 잡기 단계를 포착하며 인간 VR과 설치류 데이터로 개발되었습니다. 행동은 현재 목표, 프로브에서의 학습 위치, 이전 목표, 보정된 다른 위치를 기준으로 평가됩니다. 결과는 경로 그림, 화면 요약, .csv 내보내기(시행마다 지표와 라벨이 있는 한 행)에 나타납니다. 근위 단서를 옮긴 상태에서의 타자 중심/자기 중심 식별은 추가 기능입니다.

더 깊이 알아보기

규칙은 학습된 분류기가 아니라 명시적인 임계값이므로, 같은 시행은 언제나 같은 라벨을 받고 방법 부분에 보고할 수 있습니다. Direct Path 기술 정의 doi:10.5281/zenodo.21870806과 비활동 정의 doi:10.5281/zenodo.21797205를 인용하세요. 자동 규칙은 최근 것이며 아직 동료 심사를 거친 검증 논문은 없습니다.

수조 맴돌기 지표로 맴돌기를 다른 탐색 패턴과 구별하려면 어떻게 하나요?

분석 화면의 'Advanced'에서 Pool Circling을 체크한 다음 SUM과 CST를 다시 만드세요. 1) 시행별: 두 번 클릭, 'OK', 'Full Analysis'를 누르면 수조 맴돌기, 시계 방향, 반시계 방향이 나옵니다. 2) 경로 길이에 대한 바퀴 수의 비율로 맴돌기를 지그재그나 사분면 탐색과 구별할 수 있습니다.

SUM 행은 'Circling', 'Clckwise', 'Anticlck'입니다(이름은 버전에 따라 다름). 맴돌기를 체크하고 만든 SUM에서 'Export Results / Setup Custom' > '2. Define'으로 포함시키세요. 수조 맴돌기는 수조 중심을 둘러싸는 완전한 바퀴를 세며, 되돌아가는 것은 횟수에 영향을 주지 않습니다.

더 깊이 알아보기

체이닝(벽에서 대략 플랫폼까지의 거리를 두고 맴돌기)은 이제 Direct Path 분류와 함께 자동으로 식별됩니다.

체이닝은 어떻게 해석해야 하나요?

체이닝은 벽에서 일정한 거리, 대략 플랫폼까지의 거리를 두고 맴도는 것으로, 좋은 잠복기와 공존할 수 있는 비공간적, 절차적 전략입니다. 충분히 훈련한 뒤 프로브에서 체이닝이 보이면 공간 학습이 손상되었거나 없거나, 공간 단서가 부족함을 시사합니다.

체이닝이 있는 프로브에서는 목표 사분면 시간이 우연 수준 근처에 머물고 교차는 우연히 일어납니다. 시행에 걸쳐 맴돌기와 체이닝을 추적해 공간 탐색으로의 이동을 그려 보세요. 학습 초기에는 체이닝이 흔합니다.

더 깊이 알아보기

체이닝이 계속되면 설정(원위 단서)을 재검토하세요.

HVS Image는 여기서 설명한 전략 중 하나인 맴돌기와 체이닝을 설명합니다.

출처

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

실수를 발견하셨거나 더 나은 출처를 알고 계신가요? 알려 주세요. 바로잡고 정정 페이지에 그 사실을 밝히겠습니다.