Sustained Attention and Its Relationship to Fluid Intelligence and Working Memory in Children
Notice bibliographique
Résumé
<p>Understanding individual differences in intelligence remains an interesting research question, even with more than a century of empirical research and large numbers of models and theories. We know that working memory (WM) is able to explain substantial amounts of variance in fluid intelligence in both children and adults, but we also know that it is not the only predictor of intelligence. There are many other information-processing mechanisms that have been studied. Results in adult samples seem to indicate that sustained attention—the ability to maintain attention on a specific task over an extended period of time—is strongly related to fluid intelligence. There is little research on this topic in childhood, but the available data seems to converge with results from adult samples. The aim of the present study was to assess sustained attention and its relationship to fluid intelligence and WM in children. Additionally, we wanted to explore whether sustained attention contributes to the prediction of intelligence over and above WM. A sample of 125 ten-year olds was assessed using tests of fluid intelligence, sustained attention and WM. The results showed that, as expected, WM and fluid intelligence were significantly related. Surprisingly however, sustained attention was not related to fluid intelligence or WM. Using results from previous studies and theoretical considerations, we concluded that sustained attention may not be directly related to fluid intelligence in childhood, but rather that it may be a more distal factor influencing information processing in more unstructured learning situations and hence impacting academic achievement.</p>
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 ».