Extrinsic and intrinsic factors influencing the positive memory bias in aging
Notice bibliographique
Résumé
Facteurs extrinsèques et intrinsèques qui influencent le biais de positivité mnésique dans le vieillissement On se rappelle plus souvent de nos expériences émotionnelles que de celles qui sont plutôt neutres. Chez les jeunes adultes, l’information négative est particulièrement importante. Mais un changement intéressant a lieu au cours du vieillissement : Les personnes âgées plus se rappeler des informations positives que négatives. Ce biais de positivité mnésique est souvent observé dans la littérature et expliqué par des changements en perspective de temps et de motivation (i.e., la Théorie de sélectivité socioémotionnelle). Cependant, peu d’études prennent en compte les interactions fondamentales entre la mémoire et l’émotion qui pourraient influencer ce biais de positivité. Dans cette thèse, j’évalue si certains facteurs qui sont en partie indépendants des processus de vieillissement (i.e., le lien sémantique et la saillance relative, étude1; l’humeur, études 2-4), influencent la présence et puissance du biais de positivité mnésique. Dans toutes les études de thèse, la mémoire est mesurée en utilisant un test de rappel libre immédiat avec des images positives, négatives, et neutres. Dans l’étude 1, je manipule le lien sémantique (i.e., le niveau de regroupements thématiques entre les images d’une même catégorie) et la saillance relative (i.e., le traitement d’une catégorie d’images en parallèle ou en isolation des autres) des images pour démontrer que ces deux facteurs peuvent expliquer entièrement la mémoire émotionnelle chez les personnes âgées. Le traitement par saillance des images positives relative aux autres est nécessaire pour produire un biais de positivité chez les personnes âgées, ce qui disparaît complètement quand la saillance des images positives est éliminée. Dans les études suivantes, j’ai donc encouragé le traitement par saillance des items pour augmenter les chances d’observer un biais de positivité ainsi que ses interactions avec l’humeur. Dans l’étude 2, j’examine si des différences d’humeur prédisent des différences en biais émotionnel mnésique chez les jeunes adultes et personnes âgées en utilisant une manipulation d’humeur par vidéo, validée dans une étude pilote. Dans l’étude 3 et 4, j’examine les effets de l’humeur sur le biais de positivité en réduisant des facteurs liés spécifiquement au vieillissement, en évaluant que des jeunes adultes. Cela sert à éliminer des effets inattendus qui pourraient exister entre les groupes d’âges (i.e., liés au changements et déclins neurocognitifs), pour étudier l’effet de l’humeur sur le biais de positivité. Dans l’étude 3, j’utilise une tâche d’amorçage écrite pour manipuler l’humeur et la perspective de temps des jeunes adultes. Dans l’étude 4, je compare des différences d’humeur qui pourraient varier naturellement entre deux groupes de jeunes adultes : des étudiants universitaires et des non-étudiants. Les manipulations d’humeurs expérimentales n’ont peu d’effet sur la présence du biais de négativité chez les jeunes adultes (études 2 et 3), et influence qu’en partie l’avantage mnésique pour les images positives contre neutres chez les personnes âgées (étude 2). Les jeunes adultes non-étudiants démontrent une préférence mnésique pour les images positives qui est différente de celle chez les étudiants, mais ceci n’est pas attribué directement à des différences d’humeur (étude 4). Compte tenu des résultats, je conclus que le biais de positivité mnésique dans le vieillissement reflète un avantage temporaire pour l’information positive qui n’est ni permanent ni irréversible. Ce biais semble varier en partie sur le contexte d’apprentissage (i.e., le lien sémantique et la saillance), l’humeur, et le groupe référentiel de jeunes adultes. Ceci influence comment nous définissons et étudions le biais de positivité mnésique dans des études futures sur le vieillissement.
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 | 0,002 | 0,007 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».