MétaCan
Menu
Retour à la cohorte
Enregistrement W4313438941 · doi:10.2991/978-2-494069-45-9_123

Study on the Influencing Factors and Evaluation Methods of Cognitive Ability

2022· book-chapter· en· W4313438941 sur OpenAlexaboutno aff
Zeyu Zhang

Notice bibliographique

RevueProceedings of the 2022 2nd International Conference on Modern Educational Technology and Social Sciences (ICMETSS 2022) · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueTechnology and Human Factors in Education and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionPsychologyComputer scienceCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Nowadays, the world population is aging seriously, and the decline of the elderly's cognitive ability has become a severe problem.Cognitive ability refers to the human brain's ability to process, store and extract information.Cognitive decline refers to a significant and measurable decrease or abnormality in various aspects of an individual's cognitive function, which might affect people's daily lives.Many factors affect mental ability, such as subjective cognitive ability decline and objective elements.It is essential to clarify the factors affecting cognitive ability and find proper ways to accurately evaluate a human's cognitive ability.Judging the reasons for the decline in cognition by analysing four factors, Using the three scales of Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA) and Boston Naming Test (BNT) for subjective evaluation, Objective evaluations were performed using Electroencephalography (EEG) and Quantitative Electroencephalogram (QEEG).Evaluate from a variety of perspectives.This paper summarises some influencing factors and contrasts typical evaluation methods of cognitive ability, which might reference future studies in alleviating the decline or accurate evaluation of cognitive ability.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,171
Tête enseignante GPT0,452
Écart entre enseignants0,281 · 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 revueProceedings of the 2022 2nd International Conference on Modern Educational Technology and Social Sciences (ICMETSS 2022)Même sujetTechnology and Human Factors in Education and HealthTravaux en français237 207