MétaCan
Menu
Retour à la cohorte
Enregistrement W4220889384 · doi:10.3390/s22052062

Deductive Reasoning and Working Memory Skills in Individuals with Blindness

2022· article· en· W4220889384 sur OpenAlexafffund
Eyal Heled, Noa Elul, Maurice Ptito, Daniel‐Robert Chebat

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensUniversité de MontréalMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesAriel UniversityUniversité de Montréal
Mots-clésWorking memoryDeductive reasoningPsychologyCognitive psychologyBlindnessVisual reasoningVerbal reasoningEveryday lifeVisual memoryDevelopmental psychologyCognitionComputer scienceCognitive scienceMedicineArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Deductive reasoning and working memory are integral parts of executive functioning and are important skills for blind people in everyday life. Despite the importance of these skills, the influence of visual experience on reasoning and working memory skills, as well as on the relationship between these, is unknown. In this study, fifteen participants with congenital blindness (CB), fifteen with late blindness (LB), fifteen sighted blindfolded controls (SbfC), and fifteen sighted participants performed two tasks of deductive reasoning and two of working memory. We found that while the CB and LB participants did not differ in their deductive reasoning abilities, the CB group performed worse than the sighted controls, and the LB group performed better than the SbfC group. Those with CB outperformed all the other groups in both of the working memory tests. Working memory is associated with deductive reasoning in all three visually impaired groups, but not in the sighted group. These findings suggest that deductive reasoning is not a uniform skill, and that it is associated with visual impairment onset, the level of reasoning difficulty, and the degree of working memory load.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,270
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetTactile and Sensory InteractionsTravaux en français237 207