Notice bibliographique
Résumé
Abstract Healthy aging is accompanied by decrements in episodic memory and working memory. Significant efforts have therefore been made to augment episodic and working memory in healthy older adults. Two principal approaches toward memory rehabilitation adults are restorative approaches and compensatory approaches. Restorative approaches aim to repair the affected memory processes by repeated, adaptive practice (i.e., the trained task becomes more difficult as participants improve), and have focused on recollection training, associative memory training, object-location memory training, and working memory training. The majority of these restorative approaches have been proved to be efficacious, that is, participants improve on the trained task, and there is considerable evidence for maintenance of training effects weeks or months after the intervention is discontinued. Transfer of restorative training approaches has been more elusive and appears limited to other tasks relying on the same domains or processes. Compensatory approaches to memory strive to bypass the impairment by teaching people mnemonic and lifestyle strategies to bolster memory performance. Specific mnemonic strategy training approaches as well as multimodal compensatory approaches that combine strategy training with counseling about other factors that affect memory (e.g., memory self-efficacy, relaxation, exercise, and cognitive and social engagement) have demonstrated that older adults can learn new mnemonics and implement them to the benefit of memory performance, and can adjust their views and expectations about their memory to better cope with the changes that occur during healthy aging. Future work should focus on identifying the personal characteristics that predict who will benefit from training and on developing objective measures of the impact of memory rehabilitation on older adults’ everyday functioning.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».