MétaCan
Menu
Retour à la cohorte
Enregistrement W2945574897 · doi:10.1037/pag0000361

Associative interference in older and younger adults.

2019· article· en· W2945574897 sur OpenAlexafffund
Rachel Burton, Isabel Lek, Roger A. Dixon, Jeremy B. Caplan

Notice bibliographique

RevuePsychology and Aging · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institute on AgingNational Institutes of Health
Mots-clésPsychologyYoung adultDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Healthy older adults are more challenged by associative interference than younger adults, but prior results could have been due to differences in list discrimination ability. We used a procedure that assessed interference without requiring knowledge of list membership to test the hypothesis that older adults (60-74 years old) would show more pronounced effects of associative interference in AB/AC learning. Despite our use of a self-paced, rather than timed, study procedure, older adults performed at lower levels of accuracy than younger adults, replicating the well established associative deficit in aging (Naveh-Benjamin & Mayr, 2018). Older participants also displayed more proactive interference on average. Older participants' memory for AB and AC showed statistical independence, resembling earlier data from younger participants with a timed study procedure (Burton, Lek, & Caplan, 2017). However, younger participants, with the current self-paced procedure, produced a facilitating relationship between memory for AB and AC. Thus, younger participants not only resolved, but reversed associative interference. List discrimination could not explain these age differences. Taken together, these results extend the associative deficit in aging, finding increased susceptibility to associative proactive interference and less resolution of associative interference in older than younger participants, even when given the opportunity to compensate during self-paced study. (PsycINFO Database Record (c) 2019 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 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)0,000
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 enseignants0,111
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,037
Tête enseignante GPT0,414
Écart entre enseignants0,377 · 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

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychology and AgingMême sujetBehavioral Health and InterventionsTravaux en français237 207