Review of the Evidence on, and Fundamental Questions About, Efforts to Improve Executive Functions, Including Working Memory
Notice bibliographique
Résumé
Abstract This systematic review of executive function (EF) interventions is the largest such review thus far, including 179 studies from all over the world, reported in 193 papers. It covers all the ways that have been tried to improve EFs, including computerized and noncomputerized cognitive training, neurofeedback, school programs, physical activities, mindfulness practices, and miscellaneous approaches (e.g., drama and Experience Corps), at all ages. A little studied approach—mindfulness practices involving movement (such as taekwondo and t’ai chi)—shows the best results for improving EFs. Promising school programs are second. Both approaches show better results than any cognitive training. Third best at improving EFs is noncomputerized cognitive training. Perhaps these three approaches show better results than computerized training because they involve more in-person trainer-trainee interaction. The best-performing computerized cognitive-training method for improving EFs is Cogmed®. Support was lacking for claims that N-back training improves fluid intelligence. Resistance training and “plain” aerobic-exercise interventions (e.g., running or walking) show the least evidence of benefit to EFs of all methods. Results for aerobic exercise with more cognitive or motor-skill challenges are only slightly better. This probably reflects how physical-activity interventions have been structured, rather than that physical activity does not benefit EFs. For any intervention, trainers’ ability to make the training activity enjoyable and to communicate their unwavering faith in participants and the program plus the activity being personally meaningful and relevant, inspiring commitment and emotional investment in participants to the activity and to one another is probably what is most important.
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 | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,008 | 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 ».