MétaCan
Menu
Retour à la cohorte
Enregistrement W2795110076 · doi:10.1111/cdev.13062

Response Time Adjustment in the Stop Signal Task: Development in Children and Adolescents

2018· article· en· W2795110076 sur OpenAlexafffund
Annie Dupuis, Maheshan Indralingam, Andre Chevrier, Jennifer Crosbie, Paul Arnold, Christie L. Burton, Russell Schachar

Notice bibliographique

RevueChild Development · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of CalgarySickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésStop signalResponse inhibitionPsychologyTask (project management)Developmental psychologyChild developmentAudiologyCognitionMedicineNeuroscienceComputer science

Résumé

récupéré en direct d'OpenAlex

Adjusting speed to maintain fast and accurate performance is critical to goal-directed behavior. This study examined development of response time adjustments in the stop signal task in 13,709 individuals aged 6-17 years (49.0% Caucasian) across four trial types: correct and incorrect go, successful (stop-inhibit), and failed (stop-respond) trials. People sped more after correct than incorrect go responses and slowed more after failed than successful stop trials. Greater slowing after stop-respond but less slowing after stop-inhibit trials was associated with better response inhibition. Response time adjustments were evident in children as young as age 6, developed throughout childhood, and plateaued by age 10. Results were consistent with the predictions of the error detection and shifting goal priority hypotheses for adjustments.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,342
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,325
Écart entre enseignants0,301 · 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.

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

Citations25
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild DevelopmentMême sujetBehavioral Health and InterventionsTravaux en français237 207