MétaCan
Menu
Retour à la cohorte
Enregistrement W2561045111 · doi:10.1111/jabr.12056

Do Deductive and Probabilistic Reasoning Abilities Decline in Older Adults?

2016· article· en· W2561045111 sur OpenAlexaboutno aff
Jodi Tommerdahl, Will McKee, Monica Nesbitt, Mark D. Ricard, John R. Biggan, Christopher Ray, Robert J. Gatchel

Notice bibliographique

RevueJournal of Applied Biobehavioral Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Texas at Arlington
Mots-clésProbabilistic logicDeductive reasoningPsychologyCognitionMontreal Cognitive AssessmentCognitive psychologyCognitive impairmentArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

This present study investigated whether older adults' ability to accurately discriminate between deductive and probabilistic reasoning tasks declines with age, and whether this ability correlates with cognitive ability as measured by the Montreal Cognitive Assessment (MoCA) test. Seventy‐eight adults (65–92 years) were tested for their abilities to carry out deductive and probabilistic reasoning. Pearson correlations were conducted to determine the relationships among age, MoCA, deductive reasoning, probabilistic reasoning, and overall discrimination ability. Separate single‐factor analyses of variance were used to determine differences across age groups (65–74, 75–84, 85–94) on the MoCA, deductive and probabilistic reasoning, and overall discrimination ability. Ability to discriminate between the two tasks did not decline with age, nor did they correlate with scores of cognitive ability as measured by the MoCA. Furthermore, those with MoCA scores showing mild cognitive impairment appeared to retain all of these abilities. This leads to the conclusion that reasoning abilities may be retained while general cognitive skills decline. This in turn supports the notion that reasoning, both deductive and probabilistic, may be more domain specific than they are often considered to be.

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)0,009
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
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 savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,047
Tête enseignante GPT0,402
Écart entre enseignants0,356 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Biobehavioral ResearchMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207