MétaCan
Menu
Retour à la cohorte
Enregistrement W2121947361 · doi:10.1111/cogs.12183

Musical Training, Bilingualism, and Executive Function: A Closer Look at Task Switching and Dual‐Task Performance

2014· article· en· W2121947361 sur OpenAlexaff
Linda Moradzadeh, Galit Blumenthal, Melody Wiseheart

Notice bibliographique

RevueCognitive Science · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Neuroscience of multilingualismDual (grammatical number)PsychologyMusicalCognitionCognitive psychologyTask switchingExecutive functionsFunction (biology)Dual languageElementary cognitive taskLinguisticsNeuroscienceEngineeringMathematics education

Résumé

récupéré en direct d'OpenAlex

This study investigated whether musical training and bilingualism are associated with enhancements in specific components of executive function, namely, task switching and dual-task performance. Participants (n = 153) belonging to one of four groups (monolingual musician, bilingual musician, bilingual non-musician, or monolingual non-musician) were matched on age and socioeconomic status and administered task switching and dual-task paradigms. Results demonstrated reduced global and local switch costs in musicians compared with non-musicians, suggesting that musical training can contribute to increased efficiency in the ability to shift flexibly between mental sets. On dual-task performance, musicians also outperformed non-musicians. There was neither a cognitive advantage for bilinguals relative to monolinguals, nor an interaction between music and language to suggest additive effects of both types of experience. These findings demonstrate that long-term musical training is associated with improvements in task switching and dual-task performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,043
Tête enseignante GPT0,284
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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

Citations139
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognitive ScienceMême sujetNeuroscience and Music PerceptionTravaux en français237 207