Enhancing Cognitive Performance of Healthy Czech Seniors through Non-Native Language Learning—A Mixed-Methods Pilot Study
Notice bibliographique
Résumé
The aim of this article is to discuss the effect of learning a non-native language on the enhancement of cognitive performance in healthy native Czech elderly. In addition, special emphasis is put on the qualitative assessment. To do this, 42 Czech cognitively unimpaired seniors were enrolled into the study. These were then divided into an experimental group (i.e., 20 healthy elderly studied English as a non-native language for three months) and a passive control group (22 healthy elderly, who did not undergo any non-native language intervention). The main outcome measures included the Montreal Cognitive Assessment, statistical processing of the data, and a qualitative content analysis. The results indicate that the cognitive performance of the intervention group did not differ from the control group. Therefore, no cognitive enhancement through non-native language learning was achieved. However, the findings of the qualitative analysis show that such non-native language learning with the peers of the same age is especially beneficial for the overall well-being of healthy seniors, especially as far as their social networks are concerned. Furthermore, participant's subjective feelings from their self-reports indicate that foreign language learning also contributes to acquiring new English words and phrases. However, as there are very few empirical studies on this research topic, further research is needed in order to confirm or refute the present research findings on the enhancement of cognitive performance through non-native language learning in healthy seniors.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».