MétaCan
Menu
Retour à la cohorte
Enregistrement W4390078629 · doi:10.1017/s1355617723008494

2 Untangling Subjective and Objective Memory in Aging: The Effects of Strategy Use and Gender Differences on Associative Memory Performance

2023· article· en· W4390078629 sur OpenAlexaff
Caitlin M. Terao, Sara Pishdadian, Morris Moscovitch, R. Shayna Rosenbaum

Notice bibliographique

RevueJournal of the International Neuropsychological Society · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensBaycrest HospitalUniversity of TorontoYork University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)PsychologyNormativeContent-addressable memoryCognitive psychologyDevelopmental psychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Objective: In normative aging, there is a decline in associative memory that appears to relate to self-reported everyday use of general memory strategies (Guerrero et al., 2021). Self-reported general strategy use is also strongly associated with self-reported memory abilities (Frankenmolen et al., 2017), which, in turn, are weakly associated with objective memory performance (Crumley et al., 2014). Associative memory abilities and strategy use appear to differ by gender, with women outperforming men and using more memory strategies (Hertzog et al., 2019). In this study, we examine how actual performance and self-reported use of specific strategies on an associative memory task relate to each other and to general, everyday strategy use, and whether these differ by gender. Participants and Methods: An international sample of older adults (N = 566, 53% female, aged 60-80) were administered a demographic questionnaire and online tasks, including 1. the Multifactorial Memory Questionnaire (MMQ) which measures self-reported memory ability, satisfaction, and everyday strategy use (Troyer & Rich, 2018); and 2. the Face-Name Task which measures associative memory (Troyer et al., 2011). Participants were also asked about specific strategies that were used to complete the Face-Name Task. Results: On the Face-Name Task, participants who reported using more strategies performed better (F(3, 562) = 6.51, p < 0.001, n2 = 0.03), with those who reported using three or four strategies performing best (p < .05). There was a significant difference in performance based on the type of strategy used (p(2, 563) = 11.36, p < 0.001, n2 = 0.04), with individuals who relied on a “past experiences/knowledge” strategy performing best (p < .01). Women (M = 0.79, SD = 0.19) outperformed men (M = 0.71, SD = 0.20), f(545) = -4.64, p < 0.001, d = -0.39. No gender differences were found in the number (X2(3, N = 564) = 2.06, p = 0.561) or type (x2(2, N = 564) = 5.49, p = 0.064) of strategies used on the Face-Name Task. Only participants who reported using no strategies on the Face-Name Task had lower scores on the MMQ everyday strategy use subscale (p < .05). A multiple-regression model was used to investigate the relative contributions of the number of strategies used on the Face-Name Task, MMQ everyday strategy subscale score, gender, age, education, and psychological distress to Face-Name Task performance. The only significant predictors in the model were gender (B = 0.08, t(555) = 4.55, p < 0.001) and use of two or more strategies (B = 0.07, f(555) = 2.82, p = 0.005). Conclusions: Reports of greater self-initiated strategy use, and use of a semantic strategy in particular, related to better performance on an associative memory test in older adults. Self-initiated, task-specific strategy use also related to everyday strategy use. The findings extend past work on gender differences to show that women outperform men on an associative memory task but that this is unlikely to be due to self-reported differences in strategy use. The results suggest that self-reported strategy use predicts actual associative memory performance and should be considered in clinical practice.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,077
Tête enseignante GPT0,361
Écart entre enseignants0,284 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the International Neuropsychological SocietyMême sujetAging and Gerontology ResearchTravaux en français237 207