Comparing Working Memory and Verbal Learning in Older Adult Musicians and Non-musicians
Notice bibliographique
Résumé
Abstract Previous research suggests that learning or playing an instrument may benefit working memory and executive functioning. The literature also suggests vocal training or singing ability may increase proficiency in verbal learning and working memory. Despite the benefits of musical training, the underlying mechanisms remain unclear. Older adult participants (N=38, Mean age =70.2) provided their music training history and completed a cognitive test battery. Musicians were either instrumentalists and/or vocalists (N=24) or non-musicians (N=14). Independent t test analyses were run with the current modest sample size to compare scores in basic and complex attention and working memory (Digit Span Forward (DSF) and Digit Span Backwards (DSB, and Digit Span Sequencing (DSS)), and verbal learning and memory (California Verbal Learning Test-3 (CVLT)). Results found that musicians/singers had higher scores compared to non-musicians on DSS (t(32)= -1.96, Cohen’s d =.72, p =.058) and on CVLT delayed raw scores(t(32)= -1.98, Cohen’s d=.71, p=.056), both with a medium-large effect size. There were no significant differences found between musicians and non-musicians in DSF and DSB or on CVLT immediate recall/learning. The results suggest that musical training, either instrumental or vocal, may contribute to working memory and verbal memory in older adults. Both the Digit Span task and CVLT rely heavily on executive functioning ability, which may act as a mechanism or mediator between instrumental and vocal training and scores on these cognitive tasks.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 ».