Description du projet
Un apprentissage moteur et cognitif personnalisé pour les personnes âgées
Pour ceux qui en ont besoin, l’apprentissage de séquences motrices à un âge avancé est essentiel pour améliorer leur fonction motrice. Toutefois, les programmes actuels d’apprentissage moteur omettent les différences motrices et cognitives de chacun, qui sont à l’origine d’améliorations considérablement variées de la fonction motrice. Le projet ICOME, financé par l’UE, vise à offrir une solution de gestion pour le vieillissement démographique de l’UE. Il créera une méthode efficace fournissant une approche personnalisée pour l’apprentissage des séquences motrices à un âge avancé. Le projet abordera des sujets théoriques à la fois anciens et modernes, définira un modèle neurocognitif inclusif de la représentation de l’apprentissage moteur à l’aide de méthodes avancées d’apprentissage automatique, et créera une intervention personnalisée. Les résultats contribueront à améliorer les politiques de gestion sanitaire et les futures applications d’interfaces avancées cerveau-ordinateur.
Objectif
This project aims to create a method with high efficacy aimed at providing an individualised approach to motor sequence learning in elder adults. The current problem is that the provision of motor learning programs have little/no consideration of individual cognitive and motor differences, and therefore varying levels of improvements. The innovation is to provide a management solution to the ageing demographics across Europe by creating an evidence-based approach targeting cognitive and motor learning parameters for elder adults to improve their overall motor function using an ecological dancelike sequence learning task. We propose a three-stage approach to investigate and provide a viable solution. In the first stage, we will address historical and current theoretical issues with the quantification of motor learning development in elder adults. Addressing topics such as dynamical systems and the aggregation of performance analyses in the face of a large range of baseline physical differences in the elderly will shed new light in a theoretically driven perspective. In the second stage, we will create an integrated neurocognitive model of motor learning representation for the elderly using advanced supervised machine learning with real EEG and behavioural data. Lastly, we will create and pilot an individualised intervention based on the model in the second stage, that targets cognitive control using meditation, and physical parameters with progressive chunk scaling approaches to drive greater learning outcomes in a shorter timeframe for the elderly. The results from this project have the potential to change health management policies and future applications of advanced brain computer interfaces.
Champ scientifique
Mots‑clés
Programme(s)
Régime de financement
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinateur
7522 NB Enschede
Pays-Bas