Impact of Age Views on Cognition: Experimental, Longitudinal, and Ecological Momentary Findings
Notice bibliographique
Résumé
Abstract Research on the impact of age views on cognition has seen a strong momentum in recent years, fitting the stereotype embodiment theory prediction that the stereotypes taken in from a culture can impact older persons‘ cognition. These studies utilize experimental, longitudinal, and ecological momentary assessments (EMA), as well as a wide reach of cognitive outcomes. This symposium starts with two experimental studies. One demonstrates that negative age stereotypes reduce cognitive processing in older consumers (Gröppel-Klein et al.). A second study strives to better understand the pathway by which age stereotypes influence cognitive outcomes by focusing on dysregulation of reward-seeking behaviors and the downregulation of the dopaminergic system (Robertson et al.). We next explore two longitudinal studies that reveal differential relations among views of aging and various cognitive indicators. The first study found that older persons with more positive age beliefs are less likely to develop dementia even in a high-risk gene subpopulation of older adults (Levy et al.). The second study examined the association between awareness of age-related changes and cognitive scores (Sabatini et al.) Finally, Lücke et al. examine in their EMA study with 6 measurement occasions per day across 7 days that such a fine-tuned seems not to clearly support a linkage among subjective age and working memory for which beginning but not consistent evidence has been reported previously. Brad Meisner will discuss contributions in the light of meta-analytic finding revealing that older persons‘ negative age stereotypes can impair whereas their positive age stereotypes can improve cognitive performance.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».