MétaCan
Menu
Retour à la cohorte
Enregistrement W4307732884 · doi:10.32920/21440838

Cognitive Control in Young and Older Adults: Does Mood Matter?

2022· preprint· en· W4307732884 sur OpenAlexaff
Linda Truong, Kesaan Kandasamy, Lixia Yang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMoodPsychologyYoung adultCognitionAnticipation (artificial intelligence)Developmental psychologyClinical psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The dual mechanisms of control framework (DMC) proposes two modes of cognitive control: proactive and reactive control. In anticipation of an interference event, young adults primarily use a more proactive control mode, whereas older adults tend to use a more reactive one during the event, due to age-related deficits in working memory. The current study aimed to examine the effects of mood induction on cognitive control mode in older (ages 65+) compared to young adults (ages 18–30) with a standard letter-cue (Experiment 1) and a modified face-cue AX-CPT (Experiment 2). Mood induction into negative and/or positive mood versus neutral mood was conducted prior to the cognitive control task. Experiment 1 replicated the typical pattern of proactive control use in young adults and reactive control use in older adults. In Experiment 2, older adults showed comparable proactive control to young adults in their response time (RT). Mood induction showed little effect on cognitive control across the two experiments. These results did not reveal consistent effects of mood (negative or positive) on cognitive control mode in young and older adults, but discovered (or demonstrated) that older adults can engage proactive control when dichotomous face cues (female or male) are used in AX-CPT.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,354
Écart entre enseignants0,338 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAging and Gerontology ResearchTravaux en français237 207