Abstract Previous research has indicated that health and well-being are impacted on by both the way we think, and the things we do. In the laboratory, studies suggest that specific task contexts affect this process because the people we are with, the places we are in, and the activities we perform may influence our thought patterns. In our study participants completed multi-dimensional experience-sampling surveys eight times per day for 5 days to generate thought data across a variety of dimensions in daily life. Principal component analysis was used to decompose the experience sampling data, and linear mixed modelling related these patterns to the activity in daily life in which they emerged. Our study replicated the influence of socializing on patterns of ongoing thought observed in our prior study and established that this is part of a broader set of relationship that links our current activities to how our thoughts are organised in daily life. We also found that factors such as time of day and the physical location are associated with reported patterns of thought, factors that are important for future studies to explore. Our study suggests that sampling thinking in the real world may be able to provide a set of comprehensive thinking-activity mappings that will be useful to researchers and health care professionals interested in health and well-being.

Complex macro-scale patterns of brain activity that emerge during periods of wakeful rest provide insight into the organisation of neural function, how these differentiate individuals based on their traits, and the neural basis of different types of self-generated thoughts. Although brain activity during wakeful rest is valuable for understanding important features of human cognition, its unconstrained nature makes it difficult to disentangle neural features related to personality traits from those related to the thoughts occurring at rest. Our study builds on recent perspectives from work on ongoing conscious thought that highlight the interactions between three brain networks - ventral and dorsal attention networks, as well as the default mode network. We combined measures of personality with state-of-the-art indices of ongoing thoughts at rest and brain imaging analysis and explored whether this tripartite view can provide a framework within which to understand the contribution of states and traits to observed patterns of neural activity at rest. To capture macro-scale relationships between different brain systems, we calculated cortical gradients to describe brain organisation in a low dimensional space. Our analysis established that for more introverted individuals, regions of the ventral attention network were functionally more aligned to regions of the somatomotor system and the default mode network. At the same time, a pattern of detailed self-generated thought was associated with a decoupling of regions of dorsal attention from regions in the default mode network. Our study, therefore, establishes interactions between attention systems and the default mode network are important influences on ongoing thought at rest and highlights the value of integrating contemporary perspectives on conscious experience when understanding patterns of brain activity at rest.

Abstract Previous research suggests that patterns of ongoing thought are heterogeneous, varying across situations and individuals. The current study investigated the influence of a wide range of tasks and individual affective style on ongoing patterns of thought. In total, we used 9 different tasks and measured ongoing thought using multidimensional experience sampling. A Principle Component Analysis of the experience sampling data revealed four patterns of ongoing thought. Linear Mixed Modelling was used to examine the contextual distribution of the thought patterns. Different thought patterns were found to relate to different types of conditions. Intrusive and negative thought pattern expression was found to be influenced by individual affective style (depression level). Overall, these data show that patterns of thought are subject to both contextual and intrinsic variation, suggesting that understanding these important features of experience across a broad range of situations will be useful in understanding their role in human experience. Highlights Patterns of thought vary across different task contexts Thought pattern expression is influenced by individual affective style There is a need to broaden the tasks used to study ongoing thought

Abstract Human cognition supports complex behaviour across a range of situations, and traits (such as personality) influence how we react in these different contexts. Although viewing traits as situationally grounded is common in social sciences it is often overlooked in neuroscience. Often studies focus on linking brain activity to trait descriptions of humans examine brain-trait associations in a single task, or, under passive conditions like wakeful rest. These studies, often referred to as brain wide association studies (BWAS) have recently become the subject of controversy because results are often unreliable even with large sample sizes. Although there are important statistical reasons why BWAS yield inconsistent results, we hypothesised that results are inconsistent because the situation in which brain activity is measured will impact the power in detecting a reliable link to a specific trait. To examine this possibility, we performed a state-space analysis in which tasks from the Human Connectome Project (HCP) were organized into a low-dimensional space based on how they activated different large-scale neural systems. We examined how individuals’ observed brain activity across these different contexts related to their personality. Our analysis found that for multiple personality traits (including Agreeableness, Openness to Experience and Conscientiousness) stronger associations with brain activity emerge in some tasks than others. These data establish that for specific personality traits there are situations in which reliable associations with brain activity can be identified with greater accuracy, highlighting the importance of context-bound views of understanding how brain activity links to trait variation in human behaviour. Significance statement As a species humans act efficiently in many contexts, however, as individuals our personality makes us more specialised in some situations than others. This “if-then” view of personality is widely accepted in the social sciences but is often overlooked in neuroscience. Here we show adopting a situationally bound view of human traits provides more meaningful descriptions of a brain-trait associations than are possible in traditional brain wide association studies (BWAS) that measure brain activity in a single situation. Our results demonstrate multiple personality traits (including Agreeableness, Openness to Experience and Conscientiousness) show stronger associations with brain activity in some tasks than others, explaining why studies focusing on changes in brain activity at rest can lead to weak or contradictory results.

Abstract Movie-watching is a central aspect of our lives and an important paradigm for understanding the brain mechanisms behind cognition as it occurs in daily life. Contemporary views of ongoing thought argue that the ability to make sense of events in the ‘here and now’ depend on the neural processing of incoming sensory information by auditory and visual cortex, which are kept in check by systems in association cortex. However, we currently lack an understanding of how patterns of ongoing thoughts map onto the different brain systems when we watch a film, partly because methods of sampling experience disrupt the dynamics of brain activity and the experience of movie-watching. Our study established a novel method for mapping thought patterns onto the brain activity that occurs at different moments of a film, which does not disrupt the time course of brain activity or the movie-watching experience. We found moments when experience sampling highlighted engagement with multi-sensory features of the film or highlighted thoughts with episodic features, regions of sensory cortex were more active and subsequent memory for events in the movie was better—on the other hand, periods of intrusive distraction emerged when activity in regions of association cortex within the frontoparietal system was reduced. These results highlight the critical role sensory systems play in the multi-modal experience of movie-watching and provide evidence for the role of association cortex in reducing distraction when we watch films. Significance statement States like movie-watching provide a window into the brain mechanisms behind cognition in daily life. However, we know relatively little about the mapping between brain activity during movies and associated thought patterns because of difficulties in measuring cognition without disrupting how brain activity naturally unfolds. We establish a novel method to link different experiential states to brain activity during movie-watching with minimal interruptions to viewers or disruptions to brain dynamics. We found states of sensory engagement occur in moments of films when activity in visual and auditory cortex are high. In contrast, states of distraction are reduced when activity in frontoparietal regions is high. Our study, therefore, establishes both sensory and association cortex as core features of the movie-watching experience.

Naturalistic viewing paradigms such as movies have been shown to reduce participant head motion and improve arousal during fMRI scanning relative to task-free rest, and have been used to study both functional connectivity and task-evoked BOLD-signal changes. These task-evoked changes result in cortical activity that is synchronized across subjects and involves large areas of the cortex, and it is unclear whether individual differences in functional connectivity are enhanced or diminished under such naturalistic conditions. This work first aims to characterize variability in functional connectivity (FC) across two distinct movie conditions and eyes-open rest (n=34 healthy adults, 2 scan sessions each). At the whole-brain level, we found that movies have higher intra- and inter-subject correlations in cluster-wise FC relative to rest. The anatomical distribution of inter-subject variability was similar across conditions, with higher variability occurring at the lateral prefrontal lobes and temporoparietal junctions. Second, we used an unsupervised test-retest matching (or “finger- printing”) algorithm that identifies individual subjects from within a group based on functional connectivity patterns, quantifying the accuracy of the algorithm across the three conditions. We also evaluated the impact of parcellation resolution, scan duration, and number of edges on observed inter-individual differences. The movies and resting state all enabled identification of individual subjects based on FC matrices, with accuracies between 62 and 100%. Overall, pairings involving movies outperformed rest, and the more social and faster-paced movie attained 100% accuracy. When the parcellation resolution, scan duration and number of edges used were increased, accuracies improved across conditions, and the pattern of movies>rest was preserved. These results suggest that using dynamic stimuli such as movies enhances the detection of FC patterns that are distinct at the individual level.

When unoccupied by an explicit external task, humans engage in a wide range of different types of self-generated thinking. These are often unrelated to the immediate environment and have unique psychological features. Although contemporary perspectives on ongoing thought recognise the heterogeneity of these self-generated states, we lack both a clear understanding of how to classify the specific states, and how they can be mapped empirically. In the current study, we capitalise on advances in machine learning that allow continuous neural data to be divided into a set of distinct temporally re-occurring patterns, or states. We applied this technique to a large set of resting state data in which we also acquired retrospective descriptions of the participants’ experiences during the scan. We found that two of the identified states were predictive of patterns of thinking at rest. One state highlighted a pattern of neural activity commonly seen during demanding tasks, and the time individuals spent in this state was associated with descriptions of experience focused on problem solving in the future. A second state was associated with patterns of activity that are commonly seen under less demanding conditions, and the time spent in it was linked to reports of negative rumination. Finally, we found that these two neural states tended to fall at either end of a neural hierarchy that is thought to reflect the brain’s response to cognitive demands. Together, these results demonstrate that approaches which take advantage of time-varying changes in neural function can play an important role in understanding the repertoire of self-generated states. Moreover, they establish that important features of self-generated ongoing experience are related to variation along a similar vein to those seen when the brain responds to cognitive task demands.

Computerized cognitive training (CCT) is a scalable, well-tolerated intervention that has promise for slowing cognitive decline. The effectiveness of CCT is often affected by a lack of effective engagement. Mental fatigue is a the primary factor for compromising effective engagement in CCT, particularly in older adults at risk for dementia. There is a need for scalable, automated measures that can constantly monitor and reliably detect mental fatigue during CCT. Here, we develop and validate a novel Recurrent Video Transformer (RVT) method for monitoring real-time mental fatigue in older adults with mild cognitive impairment using their video-recorded facial gestures during CCT. The RVT model achieved the highest balanced accuracy (79.58%) and precision (0.82) compared to the prior models for binary and multi-class classification of mental fatigue. We also validated our model by significantly relating to reaction time across CCT tasks (Waldχ

Background: Adequately evaluating risk and making decisions is vital but understudied for older adults living independently but with compromised cognition, as seen in those with mild cognitive impairment (MCI), specifically those with amnestic MCI (aMCI) which is associated with higher risk of conversion to Alzheimer’s disease. Objective: We propose to comprehensively evaluate risk-taking behaviors across domains important for everyday activities between an aMCI group and their cognitively healthy counterparts (HC). Methods: A case-control study design. Data on risk-taking behaviors via the Domain-Specific Risk-Taking Scale (DOSPERT), and candidate confounding mental health factors (i.e., neurodegeneration, depression, and fatigue) were collected. Analyses on group difference and interaction between group and confounding factors on risk-taking behaviors were conducted. Results: The aMCI group showed a higher likelihood of risk-taking than HC (t = 4.38, df = 73, p < 0.001). Moderation analysis showed fatigue (F = 5.91, p = 0.018) and presence of depression (F = 4.52, p = 0.037), but not neurodegeneration, as significant moderators for group and DOSPERT total score, controlling for sex. In post-hoc analyses, there was a significant relationship between both fatigue (B = –7.83, SE = 3.65, t = –2.14, p = 0.036), and presence of depression (B = –20.80, SE = 9.97, t = –2.09, p = 0.041), with DOSPERT total score for HC but not for aMCI. There were no significant relationships between neurodegeneration, fatigue, or depression with any specific risk-taking domains after correction for multiple comparisons. Conclusions: Our results show differences in risk-taking behavior between older adults with and without intact cognition, and overall decision-making is affected by fatigue and depression in HC but not aMCI, together suggesting the importance of cognition in the ability to adjust risk-taking behaviors.

Abstract Cognitive neuroscience has gained insight into covert states using experience sampling. Traditionally, this approach has focused on off-task states, however, task-relevant states are also maintained via covert processes. Our study examined whether experience sampling can also provide insights into covert goal-relevant states that support task performance. To address this question, we developed a neural state-space, using dimensions of brain function variation, that allows neural correlates of overt and covert states to be examined in a common analytic space. We use this to describe brain activity during task performance, its relation to covert states identified via experience sampling, and links between individual variation in overt and covert states and task performance. Our study established activity patterns within association cortex emphasizing the fronto-parietal network both during target detection and a covert state of deliberate task focus which was associated with better task performance. In contrast, periods of vigilance and a covert off-task state were both linked to activity patterns emphasizing the default mode network. Our study shows experience sampling can not only describe covert states that are unrelated to the task at hand, but can also be used to highlight the role fronto-parietal regions play in the maintenance of covert task-relevant states.