MétaCan
Menu
Retour à la cohorte
Enregistrement W3034557337 · doi:10.46278/j.ncacn.20190714

Cross-Sectional Analysis of Picture Descriptions of Healthy Young and Older Adults

2019· article· en· W3034557337 sur OpenAlexaffvenue
Johémie Boucher, Antoine Slegers, Simona M. Brambati

Notice bibliographique

RevueNeuropsychologie clinique et appliquée · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesnon disponible
Mots-clésFluencyVocabularyPsychologySpeech productionTask (project management)Cross-sectional studyDevelopmental psychologyVariety (cybernetics)AudiologyLinguisticsMedicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It is poorly understood whether and how normal aging affects different aspects of connected speech production, such as fluency, informativity, efficiency, and vocabulary use. The present study cross-sectionally investigates the effects of age on a broad variety of language production measures, using connected speech samples elicited by the two most frequently used picture description tasks. Twenty-six young (20-25 y.o.) and twenty-two older participants (55-90 y.o.) were included in this study. Speech samples were transcribed using the CLAN program and eight measures were extracted. Our results indicate that, in a picture description task, older adults produce more disruptions to fluency, but that lexical diversity, informativity, and efficiency of speech remain unaffected by age. The use of less frequent words by older adults might reflect a larger vocabulary size. These findings have implications for future studies assessing changes in connected speech production, in both healthy and clinical populations.

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 candidatesaucune
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 enseignants0,444
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,386
Écart entre enseignants0,343 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuropsychologie clinique et appliquéeMême sujetNeurobiology of Language and BilingualismTravaux en français237 207