인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
This study explores the relationship between information-theoretic metrics from large language models and neural activity during natural sentence reading. Analyzing EEG data, we found that surprisal was associated with reduced lower-beta power during initial processing, reflecting updates to an existing predictive model. Furthermore, entropy correlated with increased broadband neural power, primarily over left-hemisphere regions. In contrast, entropy reduction was associated with increased high-beta and gamma power, linked to information integration. These findings demonstrate that different information-theoretic metrics map onto distinct neural signatures of predictive processing and cognitive load. While the results provide strong evidence for these links, the fixation-locked analysis method suggests a need for future research to capture the continuous, dynamic time-course of meaning integration.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 1. 서론
- 2. 선행 연구 검토 및 연구 배경
- 3. 연구 방법
- 4. 연구 결과
- 5. 논의 및 한계
- 6. 맺음말
- 참고문헌
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-25-02-093590703
