Notice bibliographique
Résumé
Many students listen to music while studying, but are these conditions optimal for cognitive performance? Previous research has revealed inconsistent findings because the effect depends on several factors (e.g., type of music, type of task, individual differences). The current study examined the effect of background music on reading comprehension, a task that is most similar to studying, to explore three questions: 1) Is music with lyrics more distracting than instrumental music? 2) Does the emotional valence of the music (e.g., happy, sad) contribute to distraction? and 3) Do individual differences in personality, working memory, and empathy influence distractibility? Although several studies have examined the effect of lyrics and extraversion, few have explored our other factors of interest. We first conducted a pilot study (N = 60) to select popular songs that were unambiguously happy or sad, and to select three reading comprehension tasks that were equally difficult. In the main experiment, each participant completed reading comprehension tasks in three conditions, 1) while listening to original pop songs with lyrics, 2) while listening to instrumental versions of different pop songs, and 3) while sitting in silence. Half of the participants listened to happy-sounding music in the music conditions, and half listened to sad-sounding music. Participants then completed self-report measures of personality, working memory, and empathy. We expect that individuals who are least distracted by background music will be those who 1) are high in extraversion, 2) are low in empathy, and 3) have high working memory capacities. Discipline: Psychology Honours Faculty Mentor: Dr. Kathleen Corrigall
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 | 0,003 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».