Spatial Abilities and Aging: A Meta-Analysis
Notice bibliographique
Résumé
UNLABELLED: BACKGROUND/STUDY CONTEXT: Age-related effects in performance on spatial tasks have been well documented, with results suggesting a negative effect on performance in older samples. Although meta-analyses have been conducted examining performance on specific spatial tasks, it appears that data incorporating a variety of tasks have not yet been integrated into a single meta-analyses. METHODS: The present study examined age-related effects on spatial abilities in a multilevel meta-analysis of 137 effect sizes, drawn from 80 samples dated between 1958 and 2011. In addition to sample characteristics (education, year of publication, and age range), procedural factors (spatial ability category, spatial task, dependent variable, task setting, and medium of administration) were also considered. The standardized mean difference (Cohen's d) was used as the effect size measure in meta-analytic calculations. RESULTS: RESULTS revealed a large (mean d = 1.01) age-related decrease in spatial performance on psychometric tests. Specifically, older adults (mean age range = 63-79.5 years) performed worse on psychometric tests than younger adults (mean age range = 17-28.6 years). Interestingly, this age effect was unaffected by factors such as specific test, test category (mental rotation, spatial perception, or spatial visualization), timing conditions, and group or individual administration. However, measures of response time produced significantly larger effects of age than measures of accuracy on spatial performance. CONCLUSION: The present analysis demonstrates a clear pattern of negative age effects in spatial ability across the literature. Although these effects are unaffected by the specific spatial component under investigation or testing conditions, speed of processing was shown to be an important factor in spatial performance. The need to report more thoroughly on characteristics of young and old participants in future studies is also emphasized.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,043 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».