MétaCan
Menu
Retour à la cohorte
Enregistrement W2112836509 · doi:10.1093/geronb/gbp063

Long-term Maintenance of Retest Learning in Young Old and Oldest Old Adults

2009· article· en· W2112836509 sur OpenAlexaff
Lixia Yang, Ralf Krampe

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitionContext (archaeology)PerceptionCognitive skillCognitive declineDevelopmental psychologyYoung adultMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

This study examined the maintenance of retest learning benefits in young old and oldest old adults over an 8-month period in 3 cognitive abilities: reasoning, perceptual-motor speed, and visual attention. Twenty-four young old (aged 70-79 years, M = 74.2) and 23 oldest old adults (aged 80-90 years, M = 83.6) who participated in a previously published study (Yang, L., Krampe, R. T., & Baltes, P. B. [2006]. Basic forms of cognitive plasticity extended into the oldest-old: Retest learning, age, and cognitive functioning. Psychology and Aging, 21, 372-378) returned after an 8-month delay to complete 2 follow-up retest sessions. The results demonstrated that both young old and oldest old groups maintained about 50% of the original retest learning benefits. This extends the earlier findings of substantial long-term cognitive training maintenance in young old adults to a context of retest learning with oldest old adults, and thus portrays a positive message for cognitive plasticity of the oldest old.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,358
Écart entre enseignants0,318 · 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

Citations39
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetAging and Gerontology ResearchTravaux en français237 207