Personality predictors of cognitive dispersion: A coordinated analysis of data from seven international studies of older adults.
Notice bibliographique
Résumé
OBJECTIVES: Dispersion in cognitive test performance within a single testing session is proposed as an early marker of poor brain health. Existing research, however, has not investigated factors that may explain individual differences in cognitive dispersion. We investigate the extent to which the Big Five personality traits are associated with cognitive dispersion in older adulthood. METHOD: range = 56.4-71.2), cognitive dispersion scores were derived from cognitive test results. Independent linear regression models were fit in each study to examine personality traits as predictors of dispersion scores, adjusting for mean cognitive performance and sociodemographics (age, sex, education). Results from individual studies were synthesized using random effects meta-analyses. RESULTS: Synthesized results revealed that openness was positively associated with cognitive dispersion, 0.028, 95% CI [0.003, 0.054]. There was minimal evidence for associations between cognitive dispersion and the other personality traits in independent analyses or meta-analyses. Mean cognitive scores were negatively associated with cognitive dispersion across the majority of studies, while sociodemographic variables were not consistently associated with cognitive dispersion. CONCLUSION: Higher levels of openness were associated with greater cognitive dispersion across seven independent samples, indicating that individuals higher in openness had more dispersion across cognitive tests. Further research is needed to investigate mechanisms that may help to explain the link between openness and cognitive dispersion, as well as to identify additional individual factors, beyond personality traits, that may be associated with cognitive dispersion. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 | 0,015 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».