Influence of age and education on the processing of clustering and switching in verbal fluency tasks
Notice bibliographique
Résumé
Verbal fluency (VF) is a widely used tool in neuropsychological assessment. OBJECTIVE: We aimed to investigate the influence of age and educational level on clustering and switching in three VF modalities: phonemic (PVF), semantic (SVF) and unconstrained (UVF). We evaluated type of cluster, mean cluster size, and quantity of clusters, intersections, and returns. A total of 260 healthy subjects were assessed. METHODS: Participants were divided into three age groups: young adults (18 to 39 years), middle-aged adults (40 to 59 years) and older adults (60 to 80 years) and into two groups of educational level: 1-8 years (low), 9 years or more (high). A two-way ANOVA analysis was conducted to analyze the effect of age and educational level and its interactions. A repeated measures ANOVA was performed to verify the performance during the task. RESULTS: A main effect of age was detected on the UVF and SVF scores for total switches, taxonomic clusters, and for the total semantic clusters on the SVF. There was a greater effect of educational level on total switches (UVF, PFV and SVF), taxonomic clusters (UVF and SVF), thematic clusters and total semantic cluster (UVF), phonemic and mixed clusters (PVF), mean cluster size (UVF and SVF) and intersections (SVF). Educational level had a greater effect on all three VF tasks.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».