MétaCan
Menu
Retour à la cohorte
Enregistrement W2324432754 · doi:10.1037/a0029925

Late onset of age-related difference in unpaced tapping with no age-related difference in phase-shift error detection and correction.

2012· article· en· W2324432754 sur OpenAlexaff
Martine Turgeon, Alan M. Wing

Notice bibliographique

RevuePsychology and Aging · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésTappingAudiologyPsychologySignificant differenceStatisticsMedicineMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

An age-related difference in accuracy and variability of unpaced timing tasks suggests that the internal clock for the processing of intervals of hundreds of milliseconds slows down with age. However, we recently found that sensorimotor synchronization (SMS) error detection and correction abilities are preserved into the ninth and tenth decades, although fastest tapping rate decreases (Turgeon, Wing, & Taylor, 2011). Further testing with the same sample of participants in the present study provides evidence for slowing of the internal clock with age. We report an age-related decrease in spontaneous motor tempo (SMT), an age-related increase in produced period when estimating target durations of 500 ms and 1000 ms, and an age-related increase in "clock variance" in continuing tapping intervals ranging from 300 ms to 900 ms. The profile of age-related difference across the 2 studies suggests a late onset, starting in the ninth decade, of clock slowing without age-related difference in timing error monitoring. The finding that unpaced timing is affected by age, whereas paced timing involved in SMS is not, suggests separate underlying mechanisms for internally generated intervals and monitoring of external timing errors.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0030,001

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 GPT0,319
Écart entre enseignants0,279 · 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

Citations45
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and AgingMême sujetNeuroscience and Music PerceptionTravaux en français237 207