Multiple Temporal and Semantic Processes During Verbal Fluency Tasks in English-Russian Bilinguals
Notice bibliographique
Résumé
Abstract Category fluency test (CFT) performance is sensitive to cognitive processes of executive control and memory storage and access, and widely used to measure cognitive performance especially in early Alzheimer’s Disease. Analytical variables have included the number of items named, and various methods to identify and quantify clusters of semantically related words and cluster switches. Also encoded in the response sequence are temporal patterns as shown by “bursts” of responses and pauses between items, that have not been received attention in determining cluster characteristics. We studied a group of 51 adult Russian-English bilinguals and compared CFT responses based on two clustering methodologies: the semantic-based method (SEM) and a novel method based on the time interval between words (TEMP) with 8 different intercall time thresholds from 0.25 sec-15 sec. Each participant performed the task in both languages. Total number of words and cluster count was greater in Russian than English for both scoring methods, but cluster size did not differ between languages. We also studied stochastic modeling characteristics based on detrending of the “exponential exhaustion” effect seen with CFT, with most notable that total recall capacity (N∞) was greater in Russian than English (P<.05). Multiple demographic variables, and recent and lifetime usage of each language, affected both cognitive performance as measured by the Montreal Cognitive Assessment (MOCA; given in English only). Differential performance is driven by differences in demographics, more words stored in memory, and semantic and timing recall strategies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».