MétaCan
Menu
Retour à la cohorte
Enregistrement W2098973596 · doi:10.1080/13825580903165428

Sequential Performance in Young and Older Adults: Evidence of Chunking and Inhibition

2009· article· en· W2098973596 sur OpenAlexaff
Karen Li, Mervin Blair, Virginia Chow

Notice bibliographique

RevueAging Neuropsychology and Cognition · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésChunking (psychology)PerseverationSequence (biology)PsychologyDevelopmental psychologyCognitive psychologyBiologyGeneticsCognitionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Two experiments were conducted to examine possible sources of age-related decline in sequential performance: age differences in sequence representation, retrieval of sequence elements, and efficiency of inhibitory processes. Healthy young and older participants learned a sequence of eight animal drawings in fixed order, then monitored for these targets within trials of mis-ordered stimuli, responding only when targets were shown in the correct order. Responses were slower for odd numbered targets, suggesting that participants spontaneously organized the sequence in two-element chunks. Perseverations (responses to previously relevant targets) served as an index of inhibitory inefficiency. Efficiency of chunk retrieval and self-inhibition were lower for older than for younger adults. Increasing environmental support in Experiment 2 through overt articulation of current chunk elements showed a pattern of results similar to Experiment 1, with particular benefit for older adults. The findings suggest an underlying susceptibility to interference in old age.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,864
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,347
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAging Neuropsychology and CognitionMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207