Exploring the dynamics of design fluency in children with and without ADHD using artificial neural networks
Notice bibliographique
Résumé
The neuropsychology of attention deficit/hyperactivity disorder (ADHD) has been extensively studied, with a general focus on global performance measures of executive function. In this study, we compared how global (i.e., endpoint) versus process (i.e., dynamic) measures of performance may help characterize children with and without ADHD using a design fluency task as a case study. The secondary goal was to compare the sensitivity of standard versus connectionist statistical models to group differences in cognitive data. Thirty-four children diagnosed with ADHD and 37 children without ADHD aged 8-11 years old were tested on the Five-Point Test. The continuous process measure of performance, indexed as the number of produced designs at each consecutive 1 minute interval during 5 minutes, was analyzed against the discrete process measure, that is, the number of designs between first and last intervals and the standard global performance measure of total number of produced designs. Results show that the continuous process measure distinguished the two groups better than the two other measures. The detailed observation of production patterns revealed a decreasing linear trajectory in children without ADHD that contrasts with the flat, but fluctuating productivity pattern of children with ADHD. With regards to the second goal, results show that the connectionist and standard methods are equally sensitive to group differences for the three types of measures. This illustrates the utility of quantitative process measures together with the connectionist method in neuropsychological research and suggests great potential for a dynamical approach to cognition.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».