Verbal knowledge, working memory, and processing speed as predictors of verbal learning in older adults.
Notice bibliographique
Résumé
The present study aimed at modeling individual differences in a verbal learning task by means of a latent structured growth curve approach based on an exponential function that yielded 3 parameters: initial recall, learning rate, and asymptotic performance. Three cognitive variables-speed of information processing, verbal knowledge, working memory-and the participant's age were included in the model in order to explain individual differences in the learning parameters. The data come from the second wave of the Zurich Longitudinal Study on Cognitive Aging (D. Zimprich, Martin, et al., 2008) comprising 334 participants ranging in age from 66 to 81 years (M = 74.43, SD = 4.41). Among the logistic, the Gompertz, and the hyperbolic function, the exponential function described the data best. Reliable individual differences were found in all 3 learning parameters. The cognitive predictor variables affected the verbal learning parameters differentially: All 3 predictors affected positively initial recall, the asymptotic performance increased with better working memory and faster processing speed, and the learning rate was positively associated with verbal knowledge only. Age did not affect the learning parameters but correlated negatively with working memory and processing speed. The finding of large and reliable individual differences in learning is seen as evidence that the potential for positive change, or plasticity in adulthood is maintained and that it is worthwhile to enhance the determinants of learning or learning itself.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».