Slow and steady: Training induced improvements to response time consistency are due to overall slowing and minimized extremely slow responses.
Notice bibliographique
Résumé
Previous studies on response time intraindividual variability (RT IIV) have focused on differences between groups, ignoring the potential for modification. The current study provides a detailed analysis of RT IIV training effects across three age groups. Healthy adults (40 young [aged 18-30], 40 young-old [aged 65-74], and 41 old-old [aged 75-85]) were assigned to feedback or no feedback (standard) conditions during a touch-screen feature integration task. In the feedback condition, participants were shown their performance on the previous block of trials and encouraged to improve going forward. Transfer was assessed by comparing pre- and posttraining performance on a 4-choice RT task. Data were analyzed with respect to RT IIV, ex-Gaussian distribution fitting, and the diffusion model of RT decision making. Significant feedback-related reductions were observed in Target RT IIV and the ex-Gaussian parameter τ, accompanied by an increase in μ. There was no significant change in σ, and no evidence of transfer to the 4-choice RT task. The diffusion model analysis indicated that feedback training promoted a reduction in response threshold for the young and young-old groups, as well as a modulation of drift rate throughout training in the young group. The findings indicate that training to improve consistency induces overall slowing, but also reduces the frequency of extremely slow responses that have been linked to brief attention lapses. The results provide evidence that RT consistency is malleable, but improvements are not necessarily transferable. (PsycINFO Database Record (c) 2018 APA, all rights reserved).
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 | 0,001 | 0,008 |
| 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 | 0,001 | 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 ».