Attentional Engagement During Mobile Application Skill Learning Among Patients With Memory Impairment: A Case Series Exploration
Notice bibliographique
Résumé
IMPORTANCE: Attentional engagement is essential for successful cognitive rehabilitation, but little is known about longitudinal interactions with skill learning. OBJECTIVE: To examine how attentional engagement is associated with mobile application skill learning for memory compensation. We hypothesized that patients with greater functional capacity would demonstrate faster learning and attentional engagement drop with skill acquisition, whereas patients with lesser functional capacity would have to maintain attentional engagement to progress throughout training. DESIGN: A case series approach was used with longitudinal skill learning and electroencephalographic (EEG) data recorded across multiple trials and sessions of mobile calendar application training. SETTING: The study was run in a hospital-based neuropsychology clinic. PARTICIPANTS: Seven participants (5 with acquired brain injury, 1 with mild cognitive impairment, and 1 healthy older adult) were recruited. INTERVENTION: Mobile application operation was trained for the purpose of memory compensation. Skill learning was facilitated through a structured rehabilitation protocol, including large amounts of guided practice with the integration of errorless learning. OUTCOMES AND MEASURES: We quantified learning using the proportion of application steps completed independently at each session. We measured attentional engagement using an EEG marker: the Brain Engagement Index. RESULTS: For fast learners, attentional engagement generally decreased as mobile application learning progressed. In contrast, slow learners exhibited stable engagement over time with consistent, yet much slower, progress in skill learning. CONCLUSIONS AND RELEVANCE: The present data indicate that when cognitive impairment is more substantial, skill learning may involve greater attentional engagement. What This Article Adds: Patients undergoing memory rehabilitation may benefit from methods to enhance attentional engagement during skill learning when executive dysfunction is a considerable element of their cognitive profile. Monitoring attentional engagement during cognitive rehabilitation may be useful in identifying and addressing barriers to learning in real time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».