Using an episodic specificity induction to improve children’s future thinking
Notice bibliographique
Résumé
Episodic future thinking (EFT) is the ability to subjectively pre-experience a specific future event. Future-oriented cognition in young children positively predicts physical health and financial status later in life. Can EFT be improved in children, even temporarily? Developmental research emphasizes the importance of thinking about one's own near future to enhance EFT, whereas research in adults suggests benefits reside in constructing a richly detailed event. We bridged the two perspectives to examine whether a procedure, the "episodic specificity induction" (ESI), could be adapted to encourage an episodic mode of thinking in children, benefitting performance on a variety of subsequent EFT tasks. The present study implemented a child-friendly ESI in which children mentally simulated a future event and were probed for specific details about it. We randomly assigned 66 children aged 6 and 7 years to one of two conditions: (1) ESI, in which children imagined "having breakfast tomorrow" in detail, describing surroundings, people, and actions, or (2) a Control condition (i.e., no construction), in which children simply viewed and described a picture of another child having breakfast. Children then completed a series of future thinking tasks assessing prospective memory, recollection/imagination of events, delay of gratification, and planning. Our ESI was successful in promoting the construction of a detailed event, and subsequently increasing the number of details of recollected and imagined events on an outcome task as compared to a control condition. Nonetheless, the effect of ESI was smaller than expected - a finding that fits with recent work suggesting that such interventions may be too cognitively taxing for young children and/or that benefits may hinge on further development in episodic processes. We discuss possible modifications to the induction and implications for EFT amelioration in young children.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».