MétaCan
Menu
Retour à la cohorte
Enregistrement W4309455495 · doi:10.3390/brainsci12111567

Music Listening, Emotion, and Cognition in Older Adults

2022· article· en· W4309455495 sur OpenAlexaff
Margherita Vincenzi, Enrico Sella, César F. Lima, Rossana De Béni, E. Glenn Schellenberg

Notice bibliographique

RevueBrain Sciences · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversità degli Studi di Padova
Mots-clésPsychologyArousalMoodActive listeningCognitionCognitive psychologyFluencyAffect (linguistics)AudiologyDevelopmental psychologyClinical psychologySocial psychologyCommunicationPsychiatry

Résumé

récupéré en direct d'OpenAlex

Using the arousal and mood hypothesis as a theoretical framework, we examined whether community-dwelling older adults (N = 132) exhibited cognitive benefits after listening to music. Participants listened to shorter (≈2.5 min) or longer (≈8 min) excerpts from recordings of happy- or sad-sounding music or from a spoken-word recording. Before and after listening, they completed tasks measuring visuospatial working memory (WM), cognitive flexibility and speed, verbal fluency, and mathematical ability, as well as measures of arousal and mood. In general, older adults improved from pre- to post-test on the cognitive tasks. For the test of WM, the increase was greater for participants who heard happy-sounding music compared to those in the other two groups. The happy-sounding group also exhibited larger increases in arousal and mood, although improvements in mood were evident only for the long-duration condition. At the individual level, however, improvements in WM were unrelated to changes in arousal or mood. In short, the results were partially consistent with the arousal and mood hypothesis. For older adults, listening to happy-sounding music may optimize arousal levels and mood, and improve performance on some cognitive tasks (i.e., WM), even though there is no direct link between changes in arousal/mood and changes in WM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,629

Scores Codex et Gemma par catégorie

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

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 Opus0,043
Tête enseignante GPT0,287
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetNeuroscience and Music PerceptionTravaux en français237 207