Le nourrisson est l'apprenant le plus puissant : Il apprend en quelques mois à maîtriser le langage, les interactions sociales complexes, etc. De puissants algorithmes statistiques, agissant simultanément aux différents niveaux des hiérarchies fonctionnelles, ont été proposés pour expliquer l'apprentissage. Ghislaine Dehaene propose que deux autres éléments soient cruciaux. Le premier est l'architecture cérébrale humaine particulière qui contraint les calculs statistiques. Le second est la capacité de l'humain à accéder à un système symbolique riche. Six groupes de travail sont prévus. Ils utilisent les informations complémentaires offertes par les techniques d'imagerie cérébrale non invasives (EEG, IRM et topographie optique) pour comprendre les bases neurales des calculs statistiques et de la compétence symbolique du nourrisson, de 6 mois de gestation jusqu'à la fin de la première année de vie.
Le WP1 étudie à partir de quel âge prématuré les inférences statistiques peuvent être démontrées.
Le WP2 étudie les conséquences d'un environnement prématuré différent (in-utero versus ex-utero) sur les premiers calculs statistiques dans les domaines visuel et auditif et leurs conséquences sur l'activité cérébrale continue tout au long de la première année de vie.
Le WP3 explore les bases neurales de la façon dont les enfants infèrent le sens des mots et la catégorie de mots, et en particulier le rôle des zones périsylviennes gauches et de leur connectivité particulière.
Le WP4 s'interroge sur la compétence symbolique du nourrisson. Plusieurs critères sont proposés (généralisation, bidirectionnalité, utilisation de règles algébriques et d'opérations logiques) et testés dans des expériences successives pour clarifier les capacités symboliques des nourrissons au cours du premier semestre de la vie.
Les WP5-6 sont transversaux aux WP1-4 : Le WP5 utilise l'IRM pour obtenir une localisation fonctionnelle précise et des marqueurs de maturation corrélés avec les résultats fonctionnels. Dans le WP6, de nouveaux outils sont développer pour combiner et analyser des images cérébrales multimodales.
Ghislaine Deheane-Lambertz espère clarifier les spécificités d'une architecture fonctionnelle neuronale qui sont essentielles pour l'apprentissage humain dès le début des circuits corticaux.
Durée du projet
5 ans
|
Subvention
2,5 millions €
|
Nombre de partenaires
10
|
Date de démarrage
01 septembre 2016
|
Chercheur : Ghislaine Dehaene-Lambertz
Contact : Ghislaine Dehaene
Numéro d'agrément : 695710
A propos des ERC Advanced Grants (adG)
Les ERC Advanced Grants permettent à des chercheurs exceptionnels à la réputation établie, quels que soient leur nationalité et leurs âges, de mener des projets novateurs à haut risque qui ouvrent de nouvelles voies dans leur discipline de spécialisation ou dans d'autres domaines.
Ces subventions sont destinées aux chercheurs qui ont déjà fait leurs preuves en tant qu'éminents chercheurs indépendants.
Il n'y a ni critère de nationalité, ni d'âge : les candidats doivent être indépendants sur le plan scientifique, faire état d'un parcours de recherche récent et d'un profil qui leur confèrent un statut de leaders dans leur(s) domaine(s) de spécialisation.
https://erc.europa.eu/