İnsanlar arasındaki bilişsel yetenek farklarının beyin düzeyindeki kökenlerini anlamak, nörobilimin en büyük sorularından biri. Yeni bir araştırma, bu konuya farklı bir perspektif getirerek, beyin ağlarında 'katı' ve 'gevşek' boyutlar olarak adlandırılan gizli yapıları keşfetti.
Araştırmacılar, 'stiff-sloppy analiz' adı verilen matematiksel bir yöntemi insan beyin verilerine uyguladı. Bu analiz, beyin parametrelerinin iki farklı kategoriye ayrıldığını gösterdi: Katı boyutlar, sinir aktivitesi üzerinde güçlü ve hassas etkiler yaratırken, gevşek boyutlar daha geniş değişimler göstermesine rağmen minimal etki oluşturuyor.
fMRI görüntüleme tekniği kullanılarak yapılan çalışmada, Fisher Bilgi Matrisi analizi ile belirlenen katı boyutlardaki küçük sapmalar bile, beyin ağlarının ayrışma ve bütünleşme dinamiklerini köklü şekilde değiştiriyor. Bu durum, görev performansının sadece bölgesel uyarılabilirlik ve bağlantı gücü gibi klasik parametrelerle açıklanamayacağını ortaya koyuyor.
Bulgular, bireysel zekâ farklarının, beyin parametrelerinin karmaşık kombinasyonlarından kaynaklandığını gösteriyor. Bu keşif, hem nörolojik bozuklukların daha iyi anlaşılmasına hem de bireysel öğrenme kapasitelerine göre kişiselleştirilmiş eğitim stratejilerinin geliştirilmesine katkı sağlayabilir.