Differences in the content and coherence of autobiographical memories between younger and older adults: Insights from text analysis.
Notice bibliographique
Résumé
Several studies have shown that older adults generate autobiographical memories with fewer specific details than younger adults, a pattern typically attributed to age-relate declines in episodic memory. A relatively unexplored question is how aging affects the content used to represent and recall these memories. We recently proposed that older adults may predominately represent and recall autobiographical memories at the gist level. Emerging from this proposal is the hypothesis that older adults represent memories with a wider array of content topics and recall memories with a distinct narrative style when compared to younger adults. We tested this hypothesis by applying natural language processing approaches to a data set of autobiographical memories described by healthy younger and older adults. We used topic modeling to estimate the distribution (i.e., diversity) of content topics used to represent a memory, and sentence embedding to derive an internal similarity score to estimate the shifts in content when narrating a memory. First, we found that older adults referenced a wider array of content topics (higher content diversity) than younger adults when recalling their autobiographical memories. Second, we found older adults were included more content shifts when narrating their memories than younger adults, suggesting a reduced reliance on choronology to form a coherent memory. Third, we found that the content diversity measures were positively related to specific detail generation for older adults, potentially reflecting age-related compensation for episodic memory difficulties. We discuss how our results shed light on how younger and older adults differ in the way they remember and describe the past. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».