Adult Age Differences in the Temporal Dynamics of Motivated Attention
Notice bibliographique
Résumé
Reward-based motivation modulates attention and cognitive control across the life span, but little is known about age differences in the temporal dynamics of motivated attention. The current study examined the effects of financial incentives on visual attention using ERPs. Participants (26 younger, aged 18-33 years; 24 older, aged 65-95 years) completed an incentivized flanker task in which trial-level incentive cues signaled the availability of performance-contingent reward, and subsequent alerting cues signaled the onset of the flanker target. ERP components of interest included cue-related components (incentive-cue P2 and contingent negative variation, and alerting-cue N1) as well as target-related components (target N1 and P3). Transient effects of incentives were assessed by comparing ERP amplitudes across incentive and non-incentive trials from mixed-incentive blocks. Sustained effects of incentives were assessed by comparing ERP amplitudes across non-incentive trials from mixed-incentive blocks and non-incentive trials from pure non-incentive blocks. Younger adults showed transient effects of incentives on all components, whereas older adults showed these effects for incentive-cue P2 and alerting-cue N1 only. Both age groups showed sustained effects of incentives on cue-locked ERPs, but only younger adults showed sustained effects on target-locked ERPs. RT patterns mirrored the ERP findings, in that younger adults showed greater incentive-based modulation than older adults, but at a greater cost to accuracy. Overall, these findings reveal widespread age differences in the dynamics of incentive-motivated attention and cognitive control, particularly at longer timescales.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».