Activitatea cu mai multe sarcini media mai mare este asociată cu o densitate mai mică de culoare gri în cortexul cingular anterior (2014)

Referirea: Loh KK, Kanai R (2014) Activitatea multi-tasking a mass-media este asociată cu o densitate mai mică de substanță gri în cortexul cingular anterior. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Editor: Katsumi Watanabe, Universitatea din Tokyo, Japonia

Primit: Februarie 25, 2014; Admis: August 8, 2014; Publicat în: 24 Septembrie, 2014

Drepturi de autor: © 2014 Loh, Kanai. Acesta este un articol cu ​​acces deschis, distribuit în termenii lui Creative Commons Attribution License, care permite utilizarea, distribuirea și reproducerea nerestricționată în orice mediu, cu condiția ca autorul și sursa originale să fie creditate.

Finanțarea: Finanțarea pentru acest proiect a provenit dintr-o finanțare PRESTO de la Agenția Japoneză pentru Știință și Tehnologie. Finanțatorii nu au avut niciun rol în proiectarea studiului, colectarea și analiza datelor, decizia de a publica sau pregătirea manuscrisului.

Concurente: Autorii au declarat că nu există interese concurente.

Introducere

Media multitasking, sau consumul concomitent de forme media multiple, este din ce în ce mai răspândit în societatea modernă [1] și a fost asociat cu abilități de control cognitiv scăzut [2] precum și impactul psiho-social negativ, cum ar fi depresia și anxietatea socială [3], bunăstarea socială negativă [4], și performanțele academice slabe [5]. Cu toate acestea, în acest moment, se cunosc puține despre procesele neuronale asociate cu multi-tasking media. Studiul de față a investigat relațiile dintre activitatea de multitasking media și variabilitatea structurii creierului. Cercetările au demonstrat că structura creierului poate fi modificată prin expunerea prelungită la medii noi [6] precum și formare și experiență [7], [8]. În plus, variabilitatea regională a materiei cenușii și albe, evaluată prin morfometrie bazată pe Voxel (VBM), prezice în mod fiabil diferențele individuale într-o serie de funcții cognitive (vezi [9] pentru o revizuire). Pe baza constatărilor de mai sus, am presupus că angajamentele diferențiate în multitasking media ar reflecta, de asemenea, diferențele în structurile regionale ale creierului.

În ancheta actuală, Media-Multitasking Index (MMI, [2]) este adoptată ca măsură a multitasking-ului media-trasat. Scorurile MMI au fost asociate în mod constant cu performanța individuală a sarcinilor de control cognitiv [2], [10],[11]. Ca atare, ele servesc ca o corelație de comportament fiabilă cu variabilitatea structurii creierului. Ne-am asteptat ca scorul MMI al unui individ sa reflecte diferentele de structura a creierului, in special in regiuni de control cognitiv si multitasking. Cercetările trecute s-au convergat pe rolul regiunilor corticale prefrontale în controlul cognitiv [12], [13], [14], [15]. Bazat pe un studiu de leziuni de către [16], regiuni distincte sunt implicate în aspectele disociabile ale multitaskingului: cingulările anterioare și posterioare sunt implicate în memoria retrospectivă, iar regiunile prefrontale sunt implicate în memoria și planificarea potențială. Ca atare, ne-am așteptat să găsim asociații între activitatea de multitasking în media și variabilitatea structurală în aceste regiuni. Activitatea multitasking a mass-mediei este strâns legată de trăsăturile de personalitate (neuroticismul și extraversiunea [3]), care, la rândul lor, sunt predictive ale diferențelor structurale în creier [17]. Ca atare, asocierea dintre multitasking media și structura creierului ar putea fi confundată de aceste diferențe de trăsături. Pentru a investiga această posibilitate, sunt examinate, de asemenea, relațiile dintre trăsăturile de personalitate MMI și Big Five.

Am obtinut scoruri MMI, masuratori ale trasaturilor personale Big Five si imagistica prin rezonanta magnetica (IRM) in adultii sanatosi 75 care erau relativ bine familiarizati cu computerele si tehnologiile media. Pentru a examina relația dintre activitatea de multitasking media și variabilitatea structurii creierului, am corelat mai întâi scorurile MMI individuale cu densitatea regională a materiei cenușii la un nivel întreg al creierului prin VBM optimizat [18]. De asemenea, am examinat corelațiile dintre trăsăturile celor cinci mari și scorurile MMI. Pentru a arunca o lumină asupra semnificației funcționale a diferențelor noastre structurale obținute, am analizat activitatea creierului de odihnă pentru a elucida asocierea dintre scorurile MMI și conectivitatea funcțională în creier.

Metode

Participanții

Adulții sănătoși 75 (vârsta medie = bărbați 24.6, SD = 5.0, 38) recrutați din cadrul colegiului de participanți la psihologie din cadrul Universității din Londra (UCL) au luat parte la studiul actual după acordarea unui consimțământ scris informat. Studiul a fost aprobat de comitetul local de etică UCL (codul aplicației etice: 2213 / 002). Am examinat participanții pentru a include studenți și personalul care cunoșteau bine calculatoarele și tehnologiile media. Ei au fost rambursați în numerar pentru participarea lor. Dintre participanții la 75 care au participat la studiul VBM, datele fMRI au fost colectate de la un subset de participanți la 40. Sexul, vârsta, nivelul de educație și scorurile MMI nu diferă semnificativ între cele două eșantioane (Tabelul 1).

Descarcă:  

• PPT

  Diapozitiv PowerPoint

• PNG

  imagine mare (37KB)

• TIFF

  imagine originală (190KB)

Tabel 1. Comparații între caracteristicile demografice și scorurile MMI ale participanților implicați în analizele VBM și analizele funcționale de conectivitate.

doi: 10.1371 / journal.pone.0106698.t001

Modificat chestionar multitasking media

O versiune modificată a chestionarului Media Multi-Tasking [2] a fost administrat tuturor participanților. MMI a oferit o măsură stabilă a activității multi-tasking a unui individ. Chestionarul a constat din două secțiuni principale: Prima secțiune enumerată 12 tipuri comune de mass-media și participanții au raportat numărul total de ore pe săptămână au petrecut folosind fiecare mediu. În versiunea modificată utilizată în studiul de față, tipurile de suport 10 au fost reținute [2]: Imprimare mass-media, televiziune, video bazate pe computer, muzică, apeluri vocale cu ajutorul telefonului mobil sau telefonic, mesagerie instant, mesagerie prin SMS, e-mail, surfing web și alte aplicații bazate pe computer. Elementul "video sau jocuri pe calculator" a fost modificat pentru a include jocuri pe telefoanele mobile. Elementul "audio non-muzical" a fost înlocuit cu "folosind site-uri de social networking". Modificările au fost făcute pentru a reflecta mai bine tendințele actuale ale consumului media. A doua secțiune a constat într-o matrice care a implicat participanții indicând cât de mult au folosit în mod concurent toate celelalte tipuri de medii pe măsură ce foloseau un mediu primar. Suma de utilizare concomitentă a fost indicată pe o scară de la 1 la 4 (1 = "Niciodată", 2 = "Un pic de timp", 3 = "Unele dintre timp" și 4 = "Cele mai multe ori"). Răspunsurile participanților au fost mai întâi recodificate după cum urmează: "Niciodată" = 0, "Un pic de timp" = 0.33, "O parte din timp" = 0.67 și "Cele mai multe ori" = 1. Sumarea răspunsurilor recodate pentru fiecare mediu primar a dat numărul mediu de medii utilizate concomitent atunci când se folosește un mediu primar. MMI a fost calculată pe baza următoarei formule: Unde m_i este numărul mediu de medii utilizate concomitent în timpul utilizării mediei primare, i; h_i este numărul de ore petrecute săptămânal pe baza mediei primare, i; si H_total este numărul total de ore pe săptămână cheltuite folosind toate formularele media.

Inventarul de cinci mari

Inventarul Big Five (BFI; [19]) a furnizat o scurtă și fiabilă măsură a elementului 44 pentru factorii de personalitate Big Five: extraversiunea (elementele 8), agreabilitatea (elementele 9), conștiința (elementele 9), neuroticismul (articolele 8) și deschiderea spre experiență (elementele 10). Am adoptat BFI pentru a examina asociațiile dintre trăsăturile de personalitate MMI și Big Five în eșantionul nostru.

Analiza datelor RMN

Un scanner 1.5 T Siemens Avanto (Siemens Medical, Erlangen, Germania) a fost utilizat pentru a obține imagini structurale cu rezoluție înaltă T1 pentru fiecare participant (MPRAGE; 1 mm³ vxeluri cubice; Plăci 160; TR = 2730 ms; TE = 3.57 ms). Datele RMN funcționale au fost obținute utilizând secvențe ascendente T2 * gradient echo-echo-planar imagistică (EPI) sensibile la contrastul BOLD. Fiecare achiziție a constat din felii oblice 32, rezoluție 3.0 × 3.0 mm, grosime 2.0 mm cu grosime 1.0 mm. Feliile EPI au fost înclinate individual pentru fiecare subiect pentru a reduce artefactele de susceptibilitate din cavitatea nazală și pentru a maximiza acoperirea pentru regiunile orbitofrontale și cortexul parietal posterior, sacrificând în același timp acoperirea peste polul temporal. Ca atare, orientarea finală a variat între 8 ° și 16 °. Intervalul de timp dintre două achiziții succesive ale aceleiași plăci a fost 2528 ms cu un unghi de înclinare de grade 90 și un timp 44 ms echo. Câmpul de vizualizare a fost 192 × 192 mm. Rezoluția digitală în plan a fost pixeli 64 × 64 cu o dimensiune a pixelilor de 3.0 × 3.0 mm. Toate datele au fost obținute cu o bobină de cap 32. În timpul scanării RMN funcționale, participanții au fost instruiți să se țină pur și simplu, să păstreze ochii deschiși și să nu se gândească la nimic în particular. Un ciclu a constat în achiziții de volum 180, iar volumele inițiale 6 au fost eliminate din analiză pentru a evita confundarea magnetizării instabile. Starea de repaus fMRI a fost de aproximativ 7.5 minute.

Voxel-Based Morphometry (VBM) Analiza

Vomel pe bază de morfometrie (VBM; [20]) este o tehnică de analiză neuroimagistică utilizată în mod obișnuit care permite analize statistice în voxel ale imaginilor MRI pre-prelucrate. Scanurile structurale T1-ponderate cu rezoluție înaltă au fost analizate cu ajutorul VBM prin Mapping Parametric Statistic (SPM8, Departamentul de Neurologie Cognitivă). Imaginile au fost mai întâi segmentate pentru materia cenușie și albă. Difuzarea anatomică diferențială prin Algebra Lie Exponentiată (DARTEL) a fost ulterior efectuată pentru a co-înregistra imaginile de materie cenușie. Pentru a se asigura că volumul materiei cenușii regionale a fost menținut după înregistrare, imaginile înregistrate au fost modulate de determinantul iacobian al câmpurilor de curgere calculate de DARTEL. Imaginile de materie cenușie înregistrată au fost netezite cu un kernel gaussian (lățime întreagă la jumătate maximă = 10 mm) și apoi au fost transformate și normalizate în spațiul stereotactic al Institutului Neurologic din Montreal (MNI) pentru o analiză de regresie multiplă.

Analiza de regresie multiplă a fost efectuată pe imaginile normalizate ale materiei cenușii cu scoruri MMI ca regresor principal. Vârsta, sexul și volumul total al creierului au fost incluse ca covariate de interes pentru toate regresiile. Pentru a detecta voxelurile în care densitatea regională a materiei cenușii a fost corelată cu scorurile MMI, am adoptat un prag stringent de p <.05 cu eroare de familie, corectată în întreaga creier.

Analiza funcționalității conectivității

Pentru a efectua analiza funcționalității conectivității, am folosit versiunea conectivității conectivității conn 13 (http://www.nitrc.org/projects/conn; [21]) combinate cu procedurile de preprocesare ale SPM8. Pașii de preprocesare, enumerați în ordine, au inclus corecția pentru sincronizarea datelor, realinierea datelor din seria de timp către primul volum (adică corecția mișcării), co-înregistrarea seriei temporale RMN funcționale cu RMN structural corespunzător, segmentarea imaginilor în țesut separat cum ar fi materia cenușie, materia albă și lichidul cefalorahidian (CSF), și normalizarea la șablonul MNI standard și netezirea spațială cu un filtru Gaussian (FWHM = 8 mm). Datele din seria de timp au fost apoi filtrate cu bandă la 0.01 Hz-0.1 Hz.

Pentru analiza de conectivitate funcțională bazată pe semințe, am utilizat un singur grup semnificativ care a fost găsit în analiza VBM ca regiune de interes pentru semințe (ROI). Seria medie de timp extrasă din ROI a fost utilizată ca un regresor într-un model de regresie multiplă la o analiză individuală a nivelului. Pentru a minimiza influențele factorilor de confuzie, s-au inclus regresorii pentru cei șase parametri de corecție a mișcării de la preprocesare. În plus, semnalele medii BOLD pentru materia cenușie, materia albă și CSF au fost extrase din măștile create din procedura de segmentare și au fost incluse și ca regresori pentru a minimiza variațiile asociate cu aceste semnale globale. Corelațiile temporale dintre semnalul ROI și restul creierului au fost calculate și corelațiile cu ROI pentru semințe au fost convertite în scoruri Z folosind transformarea Fisher pentru analizele de semnificație de nivel secundar.

Cu imaginea statistică transformată în Z, am determinat mai întâi regiuni ale creierului care prezintă conectivitate funcțională cu ROI pentru semințe utilizând un prag de voxel de p_FWE-corectat<0.05. Ulterior, am folosit un prag mai puțin strict de p<0.001 (necorectat) ca mască pentru captarea regiunilor conectate la ACC pentru o analiză de al doilea nivel în care ne-am propus să găsim regiuni cerebrale corelate cu scorurile MMI. Am inclus vârsta, sexul și volumele intracraniene totale ca covariabile și am adoptat un prag de p <0.05 cu eroare de familie corectată pentru volumul definit de masca inițială. Rațiunea pentru mascarea inițială a fost aceea de a ne asigura că analiza noastră a fost limitată la regiunile creierului care arată o activitate corelată cu regiunea semințelor. Chiar dacă am găsi o corelare cu diferențele individuale în afara acestor regiuni, astfel de constatări ar putea reflecta corelații false. Am adoptat un prag mai puțin strict pentru mascare pentru a crește puterea analizelor noastre de nivelul al doilea.

Datele imagistice prelucrate, precum și seturile de date care conțin variabilele atât pentru analizele de regresie VBM cât și pentru conectivitatea funcțională sunt făcute publice la: http://dx.doi.org/10.6084/m9.figshare.10​30286.

REZULTATE

Analiza VBM a evidențiat o asociere negativă între scorurile MMI și densitatea materiei cenușii în cortexul cingular anterior (Figura 1; ACC; t (70) = 5.16, P_FWE-corectat <.05, dimensiunea clusterului = 158 voxeli × 1.5³ = 533 mm³; coordonată MNI de vârf: x = 12, y = 41, z = 3). Nici alte regiuni ale creierului nu au prezentat corelații semnificative cu scorurile MMI. Astfel, multitasking-ul media mai mare a fost asociat cu volume mai mici de materie cenușie în ACC. Cu toate acestea, analizele corelaționale dintre scorurile MMI și BFI au evidențiat o asociere extrem de semnificativă între scorurile Extraversie și MMI (Tabelul 2; r = 0.347, p = 0.002). Ca atare, am suspectat că asocierea cu materia cenușie MMI-ACC observată ar putea fi confundată de diferențele individuale ale scorurilor de extraversiune. În acest sens, am repetat analiza VBM anterioară care controlează în continuare scorurile BFI ca covariante suplimentare. Am efectuat o regresie multiplă (cu densitatea de materie cenușie ca variabilă dependentă), incluzând MMI și toate scorurile de trăsături ale Big Five ca predictor, împreună cu covariatele demografice. O relație negativă semnificativă a fost observată între MMI și volumul de materie cenușie în regiunea ACC identică (t (65) = 5.08, P_FWE-corectat<.05, dimensiunea clusterului = 74 voxeli × 1.5³ = 250 mm³; coordonată MNI de vârf: x = 12, y = 40, z = 3). Acest lucru a sugerat că există o asociere unică între MMI și densitatea materiei cenușii în ACC independent de variațiile în trăsăturile de personalitate Big Five.

Descarcă:  

• PPT

  Diapozitiv PowerPoint

• PNG

  imagine mare (475KB)

• TIFF

  imagine originală (768KB)

Figura 1. Analizele de regresie VBM au arătat că scorurile MMI au fost asociate semnificativ cu densitatea materiei cenușii în ACC (t (70) = 5.16, P_FWE-corectat <0.05, dimensiunea clusterului = 158 voxeli x 1.5³ = 533 mm³; coordonată MNI de vârf: x = 12, y = 41, z = 3).

Densitatea materiei cenușii ajustate în voxelul de vârf (axa Y) a fost corelată negativ (r = -0.54, p<0.001) cu scoruri MMI (axa X).

doi: 10.1371 / journal.pone.0106698.g001

Descarcă:  

• PPT

  Diapozitiv PowerPoint

• PNG

  imagine mare (20KB)

• TIFF

  imagine originală (126KB)

Tabel 2. Corelațiile dintre scorurile din indexul multitasking media și scorurile Big Five Inventory.

doi: 10.1371 / journal.pone.0106698.t002

Pentru a arunca o lumină asupra semnificației funcționale a rezultatelor VBM, am încercat să identificăm, prin intermediul analizelor funcționale de conectivitate, regiunile creierului care au prezentat o conectivitate semnificativă cu regiunea noastră de interes de interes (ROI) obținută. Această analiză a arătat că activitatea în ROI ACC a fost corelată cu regiuni ale creierului multiple caracterizate în mod tipic drept Rețeaua de mod implicit, incluzând joncțiunile temporo-parietale bilaterale (TPJ, emisfera dreaptă, x = 48, y = -64, z = 36, p_FWE-corectat<0.05; emisfera stângă, x = -44, y = -70, z = 36) și precuneus (x = 4, y = -68, z = 30, p_FWE-corectat<0.05) printre alte regiuni (Tabelul 3). Aceste rezultate au sugerat că ROI-ul ACC, pe care l-am găsit cu analiza VBM, este probabil să se încadreze în DMN. Apoi, am investigat în continuare dacă scorurile MMI au fost asociate cu conectivitatea între regiunile noastre de activitate ROI și DMN. Analizele de regresie s-au desfășurat pe corelațiile transformate z între regiunile ACC și DMN cu MMI ca predictor principal și vârstă, sex și volumul total al creierului ca covariate. Nu au apărut asociații semnificative la p_FWE-corectat<0.05. Cu toate acestea, la un prag mai puțin stricte p_necorectat<0.001, scorurile MMI mai mari au fost asociate cu o conectivitate mai slabă între ROI ACC și precuneus (Figura 2; precuneus; t (40) = 5.22, p_necorectat<0.001, dimensiunea clusterului = 159 mm³; Viteză coordonată MNI: x = 10, y = -50, z = 18). Subliniem că rezultatele noastre de conectivitate au fost obținute la un prag mai puțin restrictiv și au oferit dovezi limitate pentru a face concluzii cu privire la MMI și asociațiile funcționale de conectivitate. Ca atare, acest set de constatări a servit exclusiv în interpretarea funcțională a rezultatelor VBM.

Descarcă:  

• PPT

  Diapozitiv PowerPoint

• PNG

  imagine mare (795KB)

• TIFF

  imagine originală (1.17MB)

Figura 2. Analizele de regresie au arătat că conectivitatea dintre ROI ACC și Precuneus (intersecția liniilor albastre) a fost asociată negativ cu scorurile MMI (Precuneus; t (40) = 5.22, P_{FWE-necorectată}<0.001, dimensiunea clusterului = 159 mm³; Viteză coordonată MNI: x = 10, y = -50, z = 18).

A existat o relație negativă (r = -0.68, p<0.001) între corelațiile ajustate ACC-Precuneus transformate în Z (axa Y) și scorurile MMI (axa X).

doi: 10.1371 / journal.pone.0106698.g002

Descarcă:  

• PPT

  Diapozitiv PowerPoint

• PNG

  imagine mare (34KB)

• TIFF

  imagine originală (177KB)

Tabel 3. Regiunile creierului prezintă conectivitate funcțională cu ROI ACC.

doi: 10.1371 / journal.pone.0106698.t003

Discuție

Așa cum sa presupus, studiul prezent a relevat o relație semnificativă între variațiile de multitasking media și structura creierului: Persoanele care au raportat cantități mai mari de multitasking media au avut densitate de materie cenușie mai mică în ACC. Această asociere a fost semnificativă la un prag strict (p_FWE-corectat<0.05) și a fost independent de diferențele de trăsături de personalitate ale celor cinci mari personaje. Discutăm posibilele interpretări ale corelațiilor noastre structurale în lumina dovezilor recente despre funcțiile ACC și corelațiile comportamentale ale MMI.

ACC funcționează ca o legătură esențială a căilor de procesare a informațiilor în creier și a fost implicată în procese senzorimotorii, nociceptive, cognitive și emoționale / motivaționale superioare [22], [23]. Dintre acestea, ne propunem ca regiunea noastră ACC obținută este cel mai probabil legată de procese cognitive mai înalte, deoarece multitasking-ul media a fost asociat în mod constant cu performanța controlului cognitiv [2], [10], [11], [24]. Mai mult, ROI-ul ACC a prezentat o conectivitate funcțională semnificativă cu regiunile creierului DMN care au fost de obicei legate de operații cognitive superioare [25], [26].

În ceea ce privește prelucrarea cognitivă, ACC este în general considerată a fi implicată în detectarea erorilor sau a conflictelor [27], [28]. Activitățile ACC sunt observate în mod obișnuit în sarcinile care au activat simultan răspunsuri incompatibile, cum ar fi Task Stroop [29], [30], atentie selectiva [31] și sarcină flanker [32], [33]. În special, ACC a fost implicată în paradigmele cu două sarcini [34], [35] unde un individ se confruntă cu stimuli și răspunsuri concurente asociate cu două sau mai multe sarcini. În mod analog, în multitasking media, indivizii se confruntă cu cerințe distincte de activitate asociate cu tipurile multiple de media pe care le utilizează simultan. Ca atare, ROI obținut ar putea fi implicat în funcții de control cognitiv cu dublă sarcină. O critică critică este că funcțiile menționate mai sus sunt în mod normal atribuite ACC-ului dorsal, spre deosebire de regiunea rostral unde se situează ROI-ul nostru [23], [32], [35], [36]. Totuși, cercetătorii au remarcat că această delimitare nu este absolută [23], [34], [37]. În special, în sprijinul interpretării noastre actuale, Dreher și colegii [34] a raportat că ACC-ul rostral este implicat într-un mod unic în detectarea conflictelor în contextul activităților cu dublă sarcină.

Principala noastră constatare a arătat că multitascurile media mai grele au avut volume mai mici de ACC. Pentru a elucida posibilele implicații comportamentale ale unor volume reduse de ACC în multitasceri grele, am examinat studiile de comportament care leagă MMI și controlul cognitiv. Un studiu de referință al lui Ophir și colab. [2] a dezvăluit mai întâi relația dintre activitatea de multitasking media crescută și controlul cognitiv mai slab. Au angajat participanții la o serie de sarcini de control cognitiv, cum ar fi sarcina Stroop, comutarea sarcinilor, filtrarea distracției și sarcinile n-back. În fața distractorilor, multitaskerele grele (față de multitaskerele mai ușoare) au fost mai lentă în detectarea modificărilor în modelele vizuale, mai sensibile la reculegerea falsă a distractorilor în timpul unei sarcini de memorie și au fost mai lente în comutarea sarcinilor. Autorii au sugerat că multitascverele grele au fost mai puțin capabile să își restrângă în mod voit atenția numai la informații relevante. Lui și Wong [24] a furnizat dovezi suplimentare că multitasceri mai grea au fost mai răi la inhibarea unor sarcini-stimuli irelevanți și, prin urmare, au fost capabili să se descurce mai bine în sarcinile de integrare multisenzorială. Un studiu ulterior [11] a arătat că multitasking-urile grele au avut o performanță mai slabă pe operația Span Task (OSPAN), care a fost foarte asemănătoare cu o paradigmă cu două sarcini, deoarece participanților li sa cerut să rezolve simultan problemele de matematică și să memoreze scrisorile prezentate. Diferitele greutăți au raportat și mai multe eșecuri de atenție în viața de zi cu zi [38]. Cu toate acestea, un studiu recent realizat de Alzahabi și Becker [10] au raportat constatări contradictorii: multitaskerele mai grele nu s-au înrăutățit la performanța cu două sarcini și s-au dovedit mai bine la comutarea sarcinilor. De asemenea, ei nu au reușit să replice concluziile lui Ophir et al., În ciuda unor sarcini identice. Autorii au remarcat că eșantionul lor a fost în primul rând femeie și acest lucru ar fi putut duce la constatările lor discrepante. Ei au subliniat importanța studiilor longitudinale pentru a releva relații robuste între MMI și controlul cognitiv.

Pe scurt, literatura MMI existentă sugerează, în general, că persoanele care se angajează într-un mass-media multitasking mai grele arată capacități mai slabe de control cognitiv. Constatările noastre actuale extind această literatură prin corelarea activității media mai mult-multitasking cu volumele mai mici în ACC: o regiune a creierului care este implicată în controlul cognitiv bazat pe dovezi convergente neuroimagistice. Cu toate acestea, subliniem faptul că este nevoie de mai multă muncă pentru a stabili relația dintre structura ACC și abilitățile de control cognitiv. Studiile efectuate la pacienții cu leziuni ACC au generat perspective foarte diverse privind necesitatea ACC în funcțiile cognitive implicate [39], [40], [41].

Există, de asemenea, posibilitatea ca regiunea noastră ACC obținută să fie implicată în procese emoționale / motivaționale, deoarece este situată în ACC-ul rostral care este legat în mod obișnuit de motivația și prelucrarea emoțiilor [23]. Volumele reduse de ACC au fost adesea implicate în tulburările care implică procesarea aberantă emoțională-motivațională, cum ar fi tulburarea obsesiv-compulsivă [42], stres post traumatic [43], depresie [44] și dependența de droguri și non-droguri [45], [46]. Pe baza acestei perspective, este plauzibil ca multitaskerele media mai grele, cu volum redus ACC, să fie mai puțin dispuse în reglementarea emoțională și motivațională. Într-adevăr, se observă că scorurile MMI mai mari se corelează cu neuroticismul crescut, căutarea senzațiilor și impulsivitatea [3], [11] și rezultate socio-emoționale negative [4]. Interesant, modelul diferențelor structurale cerebrale obținute în studiul de față a fost similar cu corelatele neuronale ale dependenței de Internet (IA). Persoanele cu IA, definite pur și simplu drept suprasolicitare patologică a internetului sau computerelor, s-a constatat că au scăzut densitățile de substanță gri și albă în ACC [46], [47], [48]. S-ar putea să existe posibilitatea ca cele două construcții, multitasking media și IA să se suprapună: MMI a furnizat o măsură a numărului de utilizatori care utilizează simultan mai multe dispozitive și acest lucru ar putea fi legat de EI, ceea ce implică o utilizare excesivă a computerelor și a internetului.

O limitare importantă a prezentei lucrări este aceea că rezultatele noastre sunt obținute dintr-un studiu transversal referitor la relația dintre comportamentul multitasking media și structura creierului. Ca atare, direcția de cauzalitate dintre ele nu poate fi determinată. Deși este posibil ca indivizii cu un ACC mai mic să fie mai susceptibili la multitasking din cauza capacității slabe în controlul cognitiv sau al reglementării socio-emoționale, este la fel de plauzibil ca nivelurile mai ridicate de expunere la situații multitasking să conducă la modificări structurale în ACC. Este necesar un studiu longitudinal pentru a determina fără echivoc direcția de cauzalitate. Constatările noastre actuale deschid o cale spre o astfel de cercetare prin furnizarea unei legături empirice între activitatea de multitasking în mass-media și diferențele structurale în ACC. Un alt avertisment este că rezultatele prezente nu ar putea să depășească populația noastră studiată, care este relativ educată și bine expusă tehnologiei. Într-adevăr, modelele de consum media ar putea fi puternic influențate de factorii demografici [1]. Ca atare, studiile viitoare ar trebui să examineze rolul factorilor demografici, cum ar fi educația și statutul socio-economic, în moderarea relației dintre multitaskingul mass-media, performanțele cognitive și structurile creierului.

În concluzie, persoanele care s-au implicat într-o activitate de multitasking în mass-media au avut volume mai mici de materie cenușie în ACC. Acest lucru ar putea explica, de asemenea, performanța mai slabă a controlului cognitiv și a rezultatelor socio-emoționale negative asociate cu multitasking-ul media crescut. În timp ce natura transversală a studiului nostru nu ne permite să specificăm direcția cauzalității, rezultatele noastre au adus la iveală noi asociații între comportamentele multitasking individuale ale diferitelor medii și diferențele structurii ACC.

Contribuțiile autorului

Conceperea și proiectarea experimentelor: KL RK. Efectuarea experimentelor: KL RK. Analiza datelor: KL RK. Reactivi / materiale / instrumente de analiză contribuite: KL RK. Scrierea hârtiei: KL RK.