Une activité multi-tâches multimédias plus élevée est associée à une densité de matière grise plus faible dans le cortex antérieur cingulaire (2014)

Citation: Loh KK, Kanai R (2014) Une activité multi-tâches multimédias supérieure est associée à une densité de matière grise inférieure dans le cortex antérieur. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Rédacteur en chef: Katsumi Watanabe, Université de Tokyo, Japon

reçu: Février 25, 2014; Accepté: August 8, 2014; Publié le: 24 septembre 2014

Droits d'auteur: © 2014 Loh, Kanai. Ceci est un article en accès libre distribué selon les termes de la Licence Creative Commons Attribution, qui autorise une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'auteur et la source d'origine soient crédités.

Financement: Le financement de ce projet provenait d'une subvention PRESTO de l'Agence japonaise pour la science et la technologie. Les bailleurs de fonds n'ont joué aucun rôle dans la conception de l'étude, la collecte et l'analyse des données, la décision de publication ou la préparation du manuscrit.

Intérêts concurrents: Les auteurs ont déclaré qu'ils n'existaient pas de conflit d'intérêts.

Introduction

Multitâche multimédia, ou la consommation simultanée de plusieurs formes de médias, est de plus en plus répandue dans la société moderne et a été associé à une diminution des capacités de contrôle cognitif ainsi que des impacts psychosociaux négatifs tels que la dépression et l'anxiété sociale , bien-être social négatif et mauvais rendement scolaire . Cependant, à ce stade, nous en savons peu sur les processus neuronaux associés au traitement multitâche par les médias. La présente étude a examiné les relations entre l'activité multitâche des médias et la variabilité de la structure cérébrale. La recherche a démontré que la structure du cerveau peut être altérée par une exposition prolongée à de nouveaux environnements ainsi que la formation et l'expérience , . De plus, la variabilité régionale de la substance grise et blanche, évaluée par la morphométrie à base de voxel (VBM), permet de prédire de manière fiable les différences individuelles dans une gamme de fonctions cognitives (voir ci-dessous). pour un examen). Sur la base des conclusions ci-dessus, nous avons émis l’hypothèse que des engagements différentiels dans le multitâche multimédia refléteraient également les différences dans les structures cérébrales régionales.

Dans l’enquête en cours, le Media-Multitasking Index (MMI, ) est adopté comme une mesure du trait multimédia-multitâche. Les scores MMI ont été systématiquement associés à la performance individuelle dans les tâches de contrôle cognitif , , . En tant que tels, ils constituent un corrélat comportemental fiable avec la variabilité de la structure du cerveau. Nous nous attendions à ce que le score MMI d'un individu reflète les différences de structure cérébrale, en particulier dans les régions de contrôle cognitif et multitâche. Les recherches antérieures ont convergé sur le rôle des régions corticales préfrontales dans le contrôle cognitif , , , . Basé sur une étude de lésion réalisée par , les régions distinctes sont impliquées dans les aspects dissociables du multitâche: les cingulats antérieurs et postérieurs sont impliqués dans la mémoire rétrospective et les régions préfrontales sont impliquées dans la mémoire prospective et la planification. En tant que tels, nous nous attendions à trouver des associations entre l’activité multitâche des médias et la variabilité structurelle dans ces régions. L’activité multitâche dans les médias est étroitement liée aux traits de personnalité (neuroticisme et extraversion). ), qui à leur tour sont prédictifs des différences structurelles dans le cerveau . En tant que tel, l'association entre le multitâche des médias et la structure du cerveau pourrait être confondue par ces différences de traits. Pour étudier cette possibilité, les relations entre le MMI et les cinq grands traits de personnalité sont également examinées.

Nous avons obtenu des scores MMI, des mesures du trait de personnalité Big Five et des analyses par imagerie par résonance magnétique (IRM) chez des adultes en bonne santé 75 relativement familiarisés avec les technologies des ordinateurs et des médias. Pour examiner la relation entre l'activité multitâche des médias et la variabilité de la structure cérébrale, nous avons tout d'abord mis en corrélation les scores d'IHM individuels avec la densité de la matière grise régionale au niveau du cerveau entier via un VBM optimisé. . Nous avons également examiné les corrélations entre les cinq grands traits et les scores MMI. Afin de mieux comprendre la signification fonctionnelle des différences structurelles obtenues, nous avons analysé l'activité cérébrale au repos afin d'élucider les associations entre les scores MMI et la connectivité fonctionnelle dans le cerveau.

Méthodologie

Participants

Les adultes en bonne santé 75 (âge moyen = 24.6, SD = 5.0, hommes 38) recrutés dans le groupe de participants en psychologie de l’University College London (UCL) ont pris part à la présente étude après avoir donné leur consentement écrit éclairé. L'étude a été approuvée par le comité d'éthique local de l'UCL (code d'application de l'éthique: 2213 / 002). Nous avons sélectionné des participants parmi des étudiants et des membres du personnel universitaire connaissant bien les ordinateurs et les technologies multimédias. Ils ont été remboursés en espèces pour leur participation. Parmi les participants à 75 ayant participé à l'étude VBM, les données IRMf ont été recueillies auprès d'un sous-ensemble de participants à 40. Le sexe, l'âge, le niveau d'éducation et les scores au MMI ne différaient pas significativement entre les deux échantillons (Tableau 1).

Télécharger :  

• PPT

  Diaporama PowerPoint

• PNG

  image plus grande (37KB)

• TIFF

  image originale (190KB)

Tableau 1. Comparaisons entre les caractéristiques démographiques et les scores MMI des participants impliqués dans les analyses VBM et les analyses de connectivité fonctionnelle.

doi: 10.1371 / journal.pone.0106698.t001

Questionnaire sur le multitâche multimédia modifié

Une version modifiée du questionnaire multitâche pour les médias a été administré à tous les participants. Le MMI fournissait une mesure stable de l'activité multitâches des médias de caractères. Le questionnaire comprenait deux sections principales: la première section répertoriait les types de supports communs 12 et les participants indiquaient le nombre total d'heures par semaine consacrées à l'utilisation de chaque support. Dans la version modifiée utilisée dans la présente étude, les types de support 10 ont été retenus de : Médias imprimés, télévision, vidéo sur ordinateur, musique, appels vocaux sur mobile ou téléphone, messagerie instantanée, messagerie par SMS, courrier électronique, navigation Web et autres applications informatiques. L'élément «jeux vidéo ou informatiques» a été modifié pour inclure les jeux sur téléphones mobiles. L'item «audio non musical» a été remplacé par «utiliser les sites de réseaux sociaux». Les modifications ont été apportées pour mieux refléter les tendances actuelles de la consommation de médias. La deuxième section consistait en une matrice dans laquelle les participants indiquaient à quel point ils utilisaient simultanément tous les autres types de supports comme ils utilisaient un support principal. La quantité d'utilisation simultanée a été indiquée sur une échelle de 1 à 4 (1 = «Jamais», 2 = «Peu de temps», 3 = «Quelques fois» et 4 = «La plupart du temps»). Les réponses des participants ont d'abord été recodées comme suit: «Jamais» = 0, «De temps en temps» = 0.33, «Quelques fois» = 0.67 et «La plupart du temps» = 1. La sommation des réponses recodées pour chaque support principal donne le nombre moyen de supports utilisés simultanément lors de l'utilisation d'un support principal. Le MMI a été calculé sur la base de la formule suivante: Où m_i est le nombre moyen de supports utilisés simultanément lors de l'utilisation du support principal, i; h_i est le nombre d'heures par semaine consacrées à l'utilisation du support principal, i; et h_{la totalité de votre cycle de coaching doit être payée avant votre dernière session.} est le nombre total d'heures par semaine consacrées à tous les types de supports.

Big Five Inventaire

Le Big Five Inventory (BFI; ) a fourni une mesure brève et fiable des éléments 44 pour les cinq facteurs de la personnalité: extraversion (éléments 8), agréable (éléments 9), conscience (éléments 9), neuroticisme (éléments 8) et ouverture à l'expérience (éléments 10). Nous avons adopté le BFI pour examiner les associations entre le MMI et les cinq grands traits de personnalité de notre échantillon.

Acquisition de données IRM

Un scanner 1.5 T Siemens Avanto (Siemens Medical, Erlangen, Allemagne) a été utilisé pour acquérir des images structurelles haute résolution pondérées en T1 pour chaque participant (MPRAGE; 1 mm³ voxels cubiques; Tranches 160; TR = 2730 ms; TE = 3.57 ms). Les données d'IRM fonctionnelles ont été acquises à l'aide de séquences d'imagerie écho-écho (EPI) pondérées T2 * croissantes sensibles au contraste BOLD. Chaque acquisition consistait en tranches obliques 32, résolution 3.0 × 3.0 mm, épaisseur 2.0 mm avec fente 1.0 mm. Les coupes du PEV ont été inclinées individuellement pour chaque sujet afin de réduire les artefacts de susceptibilité de la cavité nasale et de maximiser la couverture des régions orbitofrontales et du cortex pariétal postérieur, tout en sacrifiant la couverture sur le pôle temporal. En tant que telle, l'orientation finale variait entre 8 ° et 16 °. L'intervalle de temps entre deux acquisitions successives de la même tranche était de 2528 ms avec un angle de retournement de 90 degrés et une durée d'écho de 44 ms. Le champ de vision était 192 × 192 mm. La résolution numérique dans le plan était de pixels 64 × 64 avec une dimension de pixel de 3.0 × 3.0 mm. Toutes les données ont été acquises avec une bobine de tête de canal 32. Au cours de l'IRM fonctionnelle, les participants ont été priés de rester immobiles, de garder les yeux ouverts et de ne penser à rien en particulier. Une exécution consistait en acquisitions de volumes 180 et les volumes initiaux 6 ont été écartés de l'analyse pour éviter toute confusion liée à l'aimantation instable. L’analyse IRMf au repos a pris environ 7.5 minutes.

Analyse de morphométrie à base de Voxel (VBM)

Morphométrie à base de Voxel (VBM; ) est une technique d’analyse de neuroimagerie couramment utilisée qui permet l’analyse statistique au niveau voxel d’images IRM pré-traitées. Les balayages structurels haute résolution pondérés T1 ont été analysés avec VBM via la cartographie paramétrique statistique (SPM8, département Wellcome de neurologie cognitive). Les images ont d'abord été segmentées pour la matière grise et blanche. Un enregistrement anatomique difféomorphe par algèbre de Lie exponentiée (DARTEL) a ensuite été réalisé pour co-enregistrer les images de la matière grise. Pour que le volume de matière grise régionale soit maintenu après l'enregistrement, les images enregistrées ont été modulées par le déterminant jacobien des champs d'écoulement calculés par DARTEL. Les images de matière grise enregistrées ont été lissées avec un noyau gaussien (pleine largeur à mi-hauteur = 10 mm), puis transformées et normalisées en fonction de l'espace stéréotaxique de l'Institut neurologique de Montréal (MNI) pour une analyse de régression multiple plus poussée.

Une analyse de régression multiple a été réalisée sur les images normalisées de la matière grise avec les scores MMI comme régresseur principal. L'âge, le sexe et le volume total du cerveau ont été inclus en tant que covariables sans intérêt pour toutes les régressions. Pour détecter les voxels dans lesquels la densité de la matière grise régionale était corrélée aux scores MMI, nous avons adopté un seuil strict de p <05 avec une erreur familiale corrigée.

Analyse de connectivité fonctionnelle

Pour effectuer l’analyse de connectivité fonctionnelle, nous avons utilisé la version 13 de la boîte à outils de connectivité fonctionnelle Conn.http://www.nitrc.org/projects/conn; ) combiné aux procédures de prétraitement de SPM8. Les étapes de prétraitement, énumérées dans l’ordre, incluaient une correction pour la synchronisation des tranches, un réalignement des données de série temporelle sur le premier volume (correction de mouvement), le co-enregistrement de séries chronologiques d’IRM fonctionnelles sur l’IRM structurelle correspondante, la segmentation d’images en tissus séparés. types tels que la matière grise, la substance blanche et le liquide céphalo-rachidien (LCR), normalisation au gabarit standard de l’INM et lissage spatial avec un filtre gaussien (FWHM = 8 mm). Les données de la série temporelle ont ensuite été filtrées par bande passante selon 0.01 Hz – 0.1 Hz.

Pour l'analyse de la connectivité fonctionnelle basée sur les graines, nous avons utilisé un seul cluster significatif trouvé dans l'analyse VBM en tant que région d'intérêt (ROI) des graines. La série chronologique moyenne extraite du ROI a été utilisée comme régresseur dans un modèle de régression multiple à une analyse au niveau individuel. Afin de minimiser l’influence des facteurs de confusion, les régresseurs pour les six paramètres de correction de mouvement issus du prétraitement ont été inclus. En outre, les signaux BOLD moyens pour la matière grise, la substance blanche et le LCR ont été extraits des masques créés à partir de la procédure de segmentation et ont également été inclus en tant que régresseurs afin de minimiser les variances associées à ces signaux globaux. Les corrélations temporelles entre le signal de retour sur investissement et le reste du cerveau ont été calculées et les corrélations avec le retour sur investissement de la graine ont été converties en scores Z à l'aide de la transformation de Fisher pour les analyses de signification de second niveau.

Avec l’image statistique transformée en Z, nous avons d’abord déterminé les régions du cerveau montrant une connectivité fonctionnelle avec la ROI de la graine en utilisant un seuil de voxel de p_{FWE corrigé}<0.05. Par la suite, nous avons utilisé un seuil moins strict de p<0.001 (non corrigé) comme masque pour capturer les régions connectées à l'ACC pour une analyse de deuxième niveau dans laquelle nous visions à trouver des régions du cerveau corrélées aux scores MMI. Nous avons inclus l'âge, le sexe et les volumes intracrâniens totaux comme covariables et avons adopté un seuil de p <0.05 avec erreur familiale corrigée pour le volume défini par le masque initial. La raison du masquage initial était de s'assurer que notre analyse était limitée aux régions du cerveau présentant une activité corrélée avec la région de la graine. Même si nous trouvions une corrélation avec des différences individuelles en dehors de ces régions, de telles conclusions refléteraient probablement de fausses corrélations. Nous avons adopté un seuil moins strict pour le masquage afin d'augmenter la puissance de nos analyses de second niveau.

Les données d'imagerie traitées ainsi que les ensembles de données contenant les variables pour les analyses de VBM et de régression de connectivité fonctionnelle sont rendus publics sur: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Résultats

L’analyse VBM a révélé une association négative entre les scores MMI et la densité de la matière grise dans le cortex cingulaire antérieur (Figure 1; ACC; t (70) = 5.16, P_{FWE corrigé} <05, taille du cluster = 158 voxels × 1.5³ = 533 mm³; coordonnée MNI de crête: x = 12, y = 41, z = 3). Aucune autre région du cerveau n'a montré de corrélation significative avec les scores MMI. Ainsi, un multitâche multimédia plus important était associé à de plus petits volumes de matière grise dans l'ACC. Cependant, les analyses corrélationnelles entre les scores MMI et BFI ont révélé une association hautement significative entre les scores Extraversion et MMI (Tableau 2; r = 0.347, p = 0.002). En tant que tel, nous avons suspecté que l’association de la substance grise MMI-ACC observée pourrait être confondue par les différences individuelles des scores d’extraversion. Compte tenu de cela, nous avons répété l'analyse VBM précédente en contrôlant davantage les scores BFI en tant que covariables supplémentaires. Nous avons effectué une régression multiple (avec la densité de la matière grise comme variable dépendante) incluant MMI et tous les scores des cinq grands traits comme facteurs prédictifs avec les covariables démographiques. Une relation négative significative a été observée entre le MMI et le volume de matière grise dans la région ACC identique (t (65) = 5.08, P_{FWE corrigé}<05, taille du cluster = 74 voxels × 1.5³ = 250 mm³; coordonnée MNI de crête: x = 12, y = 40, z = 3). Ceci suggère qu'il existe une association unique entre le MMI et la densité de matière grise dans l'ACC, indépendamment des variations dans les cinq grands traits de personnalité.

Télécharger :  

• PPT

  Diaporama PowerPoint

• PNG

  image plus grande (475KB)

• TIFF

  image originale (768KB)

Figure 1. Les analyses de régression VBM ont révélé que les scores MMI étaient significativement associés à la densité de matière grise dans l’ACC (t (70) = 5.16, P_{FWE corrigé} <0.05, taille du cluster = 158 voxels x 1.5³ = 533 mm³; coordonnée MNI de crête: x = 12, y = 41, z = 3).

La densité de matière grise ajustée dans le pic voxel (axe des ordonnées) était corrélée négativement (r = −0.54, p<0.001) avec scores MMI (axe X).

doi: 10.1371 / journal.pone.0106698.g001

Télécharger :  

• PPT

  Diaporama PowerPoint

• PNG

  image plus grande (20KB)

• TIFF

  image originale (126KB)

Tableau 2. Corrélations entre les scores d'index multitâche des médias et les scores du Big Five Inventory.

doi: 10.1371 / journal.pone.0106698.t002

Afin de mettre en lumière la signification fonctionnelle de nos résultats VBM, nous avons cherché à identifier, via des analyses de connectivité fonctionnelle, les régions du cerveau présentant une connectivité significative avec la région d'intérêt (RCI) obtenue par l'ACC. Cette analyse a révélé que l’activité dans le retour sur investissement de l'ACC obtenu était corrélée à plusieurs régions du cerveau généralement caractérisées par le réseau en mode par défaut, y compris les jonctions bilatérales temporo-pariétales (TPJ; hémisphère droit, x = 48, y = −64, z = 36, p_{FWE corrigé}<0.05; hémisphère gauche, x = −44, y = −70, z = 36) et précuneus (x = 4, y = −68, z = 30, p_{FWE corrigé}<0.05) parmi d'autres régions (Tableau 3). Ces résultats suggèrent que le retour sur investissement de l'ACC que nous avons trouvé avec l'analyse VBM est susceptible de tomber dans le DMN. Ensuite, nous avons étudié plus avant si les scores MMI étaient associés à la connectivité entre nos régions ROI ACC et DMN. Des analyses de régression ont été effectuées sur les corrélations transformées en z entre les régions ACC et DMN avec le MMI en tant que prédicteur principal et l'âge, le sexe et le volume cérébral total en tant que covariables. Aucune association significative n’a émergé à p_{FWE corrigé}<0.05. Cependant, à un seuil moins strict de p_{non corrigée}<0.001, des scores MMI plus élevés étaient associés à une connectivité plus faible entre le retour sur investissement de l'ACC et le précuneus (Figure 2; precuneus; t (40) = 5.22, p_{non corrigée}<0.001, taille de cluster = 159 mm³; Coordonnée MNI crête: x = 10, y = −50, z = 18). Nous soulignons que nos résultats en matière de connectivité ont été obtenus à un seuil moins strict et n’ont fourni que peu de preuves nous permettant de tirer des conclusions sur les associations MMI et de connectivité fonctionnelle. En tant que tel, cet ensemble de conclusions a uniquement servi à l'interprétation fonctionnelle de nos résultats VBM.

Télécharger :  

• PPT

  Diaporama PowerPoint

• PNG

  image plus grande (795KB)

• TIFF

  image originale (1.17MB)

Figure 2. Les analyses de régression ont révélé que la connectivité entre le retour sur investissement de l'ACC et le Precuneus (intersection des lignes bleues) était associée négativement aux scores MMI (Precuneus; t (40) = 5.22, P_{FWE non corrigé}<0.001, taille de cluster = 159 mm³; Coordonnée MNI crête: x = 10, y = −50, z = 18).

Il y avait une relation négative (r = −0.68, p<0.001) entre les corrélations ACC-Precuneus transformées en Z ajustées (axe Y) et les scores MMI (axe X).

doi: 10.1371 / journal.pone.0106698.g002

Télécharger :  

• PPT

  Diaporama PowerPoint

• PNG

  image plus grande (34KB)

• TIFF

  image originale (177KB)

Tableau 3. Régions cérébrales présentant une connectivité fonctionnelle avec le retour sur investissement de l'ACC.

doi: 10.1371 / journal.pone.0106698.t003

a lieu

Comme nous l’avons présumé, la présente étude a révélé une relation significative entre le multitâche multimédia et les variations de structure cérébrale: les individus ayant signalé des quantités plus élevées de multitâche multimédia présentaient une densité de matière grise inférieure dans l’ACC. Cette association était significative à un seuil strict (p_{FWE corrigé}<0.05) et était indépendant des cinq grandes différences de traits de personnalité. Nous discutons des interprétations possibles de nos corrélats structurels à la lumière des données récentes sur les fonctions ACC et les corrélats comportementaux MMI.

L'ACC sert de lien crucial entre les voies de traitement de l'information dans le cerveau et a été impliqué dans des processus sensorimoteurs, nociceptifs, cognitifs et émotionnels / motivationnels supérieurs. , . Parmi ceux-ci, nous affirmons que notre région ACC obtenue est très probablement liée à des processus cognitifs plus élevés, car le multitâche multimédia a été associé de manière constante à la performance du contrôle cognitif. , , , . En outre, le retour sur investissement de l'ACC a montré une connectivité fonctionnelle significative avec les régions cérébrales du DMN qui étaient également généralement liées à des opérations cognitives plus importantes. , .

En termes de traitement cognitif, on pense généralement que l’ACC est impliqué dans la détection des erreurs ou des conflits. , . Les activations ACC sont généralement observées dans les tâches activant simultanément des réponses incompatibles, c’est-à-dire la tâche Stroop. , , attention sélective et tâche de flanker , . CAC a notamment été impliqué dans des paradigmes à deux tâches , lorsqu'un individu est confronté à des stimuli concurrents et à des réponses associées à deux tâches ou plus. De manière analogue, dans le multitâche multimédia, les utilisateurs sont confrontés à des demandes de tâches distinctes associées aux multiples types de média qu’ils utilisent simultanément. En tant que tel, notre retour sur investissement obtenu pourrait être impliqué dans des fonctions de contrôle cognitif liées à une double tâche. Une mise en garde cruciale est que les fonctions susmentionnées sont normalement attribuées à l'ACC dorsal, par opposition à la région rostrale où se situe notre ROI. , , , . Cependant, les chercheurs ont noté que cette délimitation n'est pas absolue , , . En particulier, à l'appui de notre interprétation actuelle, Dreher et ses collègues a indiqué que le CAC rostral est uniquement impliqué dans la détection des conflits dans le contexte de la double tâche.

Notre principale constatation indiquait que les multitâches multimédias plus lourdes présentaient des volumes d’ACC plus faibles. Pour élucider les implications comportementales possibles de la réduction des volumes de l'ACC chez les multitâches lourdes, nous avons examiné des études comportementales associant MMI et contrôle cognitif. Une étude de référence réalisée par Ophir et al. a tout d'abord révélé la relation entre une activité multitâche accrue dans les médias et un contrôle cognitif plus faible. Ils ont engagé les participants dans une série de tâches de contrôle cognitif telles que la tâche Stroop, le basculement de tâche, le filtrage de distracteur et les tâches n-back. Face aux distracteurs, les multitâches lourdes (par rapport aux multitâches plus légères) détectaient plus lentement les modifications des schémas visuels, étaient plus susceptibles aux faux souvenirs des distracteurs lors d'une tâche de mémoire et basculaient plus lentement. Les auteurs ont suggéré que les gros utilisateurs multitâches étaient moins en mesure de retenir volontairement leur attention uniquement sur des informations pertinentes pour la tâche. Lui et Wong ont fourni des preuves supplémentaires que les multitâches plus lourdes étaient plus aptes à inhiber les stimuli non pertinents à une tâche et étaient donc en mesure de mieux performer dans les tâches d'intégration multisensorielle. Une étude ultérieure ont montré que les tâches lourdes en multitâches étaient moins performantes avec l'opération OSPAN (Operation Span Task), qui ressemblait beaucoup à un paradigme à deux tâches, car les participants devaient résoudre simultanément des problèmes mathématiques et mémoriser les lettres présentées. Les multitâches lourdes ont également signalé plus d'échecs d'attention dans la vie quotidienne . Cependant, une étude récente d'Alzahabi et Becker a rapporté des résultats contraires: les multitâches plus lourdes n’ont pas empiré lorsqu’elles exécutent deux tâches et ont été meilleures lors du changement de tâches. Ils ont également été incapables de reproduire les conclusions d'Ophir et al. Malgré l'utilisation de tâches identiques. Les auteurs ont noté que leur échantillon était principalement composé de femmes, ce qui aurait pu entraîner des résultats divergents. Ils ont souligné l'importance des études longitudinales pour révéler des relations solides entre le MMI et le contrôle cognitif.

En résumé, la littérature existante sur le MMI suggère généralement que les individus qui se lancent dans une multitâche multimédia plus lourde présentent des capacités de contrôle cognitif plus faibles. Nos conclusions actuelles étendent cette littérature en reliant une activité multitâche multimédia plus lourde à des volumes plus faibles dans l'ACC: une région du cerveau impliquée dans le contrôle cognitif sur la base de preuves convergentes de neuroimagerie. Nous soulignons toutefois que davantage de travail est nécessaire pour établir la relation entre la structure de l'ACC et les capacités de contrôle cognitif. Des études sur des patients atteints de lésions de l'ACC ont donné des perspectives très mitigées quant à la nécessité de l'ACC dans ses fonctions cognitives impliquées. , , .

Il existe également une possibilité que notre région ACC obtenue soit impliquée dans des processus émotionnels / motivationnels puisqu'elle se situe dans l'ACC rostral, généralement liée à la motivation et au traitement des émotions. . Des volumes réduits de l'ACC ont souvent été impliqués dans des troubles impliquant un traitement de motivation émotionnelle aberrant, tel qu'un trouble obsessionnel-compulsif. , trouble de stress post-traumatique , dépression et toxicomanies liées à la drogue et non liées à la drogue , . Dans cette perspective, il est plausible que les multitâches multimédias plus lourdes, avec des volumes de CAC réduits, soient moins disposées à réguler leurs émotions et leurs motivations. En effet, des scores MMI plus élevés sont corrélés avec une augmentation du neuroticisme, de la recherche de sensations et de l'impulsivité , et des résultats socio-émotionnels négatifs . Fait intéressant, le modèle de différences structurelles cérébrales obtenu dans la présente étude était similaire aux corrélats neuronaux de la dépendance à Internet (IA). On a constaté que la densité de la matière grise et de la substance blanche des personnes souffrant d’AI, définie simplement comme une surutilisation d’Internet ou d’ordinateurs, avait diminué , , . Il est possible que les deux concepts, multitâche multimédia et IA, se chevauchent: le MMI a fourni une mesure du nombre de personnes utilisant plusieurs périphériques à la fois, ce qui pourrait être lié à l’IA, qui implique une utilisation excessive d’ordinateurs et d’Internet.

Une limite importante au présent travail est que nos résultats sont obtenus à partir d’une étude transversale sur la relation entre le comportement multitâche des médias et la structure du cerveau. En tant que tel, la direction de la causalité entre eux ne peut pas être déterminée. Bien qu'il soit concevable que les individus avec un petit CAC soient plus susceptibles de faire plusieurs tâches en raison d'une capacité plus faible de contrôle cognitif ou de régulation socio-émotionnelle, il est également plausible que des niveaux plus élevés d'exposition à des situations de tâches multiples entraînent des changements structurels dans le CAC. Une étude longitudinale est nécessaire pour déterminer sans ambiguïté le sens de la causalité. Nos découvertes actuelles ouvrent la voie à de telles recherches en fournissant un lien empirique entre l'activité multitâche des médias et les différences structurelles au sein du CAC. Une autre mise en garde est que les résultats actuels pourraient ne pas aller au-delà de notre population étudiée, qui est relativement instruite et bien exposée à la technologie. En effet, les habitudes de consommation des médias pourraient être fortement influencées par des facteurs démographiques . Ainsi, les futures études devraient examiner le rôle de facteurs démographiques tels que l’éducation et le statut socioéconomique dans la modération de la relation entre le multitâche des médias, les performances cognitives et les structures cérébrales.

En conclusion, les individus qui participent davantage aux activités multitâches des médias ont un volume de matière grise moins important dans le CAC. Cela pourrait également expliquer la performance de contrôle cognitif plus faible et les résultats socio-émotionnels négatifs associés au multitâche accru dans les médias. Bien que la nature transversale de notre étude ne nous permette pas de préciser le sens de la causalité, nos résultats ont mis en évidence de nouvelles associations entre les comportements multitâches des médias individuels et les différences de structure ACC.

Contributions d'auteur

Conçu et conçu les expériences: KL RK. Effectué les expériences: KL RK. Analysé les données: KL RK. Réactifs, matériaux et outils d’analyse: KL RK. A écrit le papier: KL RK.