Améliorer le rappel des individus âgés de 60 ans et plus à l’aide de l’entretien cognitif : une revue et méta-analyse
Notice bibliographique
Résumé
Les aînés sont souvent perçus comme des témoins peu fiables, une perception qui est partiellement appuyée par des travaux qui démontrent que les témoignages des aînés tendent à être moins détaillés que ceux produits par des témoins plus jeunes. L'entretien cognitif est une technique d'interrogatoire qui repose sur des stratégies de rappel issues des sciences cognitives. Plusieurs travaux récents démontrent l'efficacité de l'entretien cognitif auprès d'échantillons de jeunes adultes. Toutefois, la recherche portant sur l'utilisation de l'entretien cognitif auprès de témoins âgés est récente et en développement. Le présent article effectue une synthèse des travaux portant sur l'efficacité de l'entretien cognitif auprès d'aînés ainsi qu'une méta-analyse des données publiées à ce jour. La méta-analyse comprend sept études traitant des performances de participants aînés et comparant l'efficacité de l'entretien cognitif à celle obtenue en employant d'autres techniques de rappel. Les résultats démontrent une augmentation du nombre de détails corrects rappelés quand l'entretien cognitif est utilisé. Cependant, les données actuelles ne permettent pas de conclusion valide pour le nombre de détails incorrects ou sur l'exactitude du rappel. La discussion présente les forces et faiblesses des travaux publiés à ce jour de manière à favoriser le développement futur de ce domaine de recherche.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».