Caffeine Use and Attentional Engagement in Everyday Life
Notice bibliographique
Résumé
• The amount of caffeine consumed in a typical day (estimated in milligrams) was not related to attention-related errors, attention lapses, mind-wandering, or deep effortless concentration (i.e., flow) in everyday life. • Those who are more likely to ingest caffeine to potentially enhance their cognition, or to experience the reinforcing effects of caffeine, or to help relieve negative affect showed higher levels of inattention in everyday life. • One possible explanation for these findings may be related to the demographics of the current study • Another explanation is that those who have attentional difficulties may consume caffeine in an attempt to ameliorate these problems, with these attempts being unsuccessful. Caffeine is a common component of various beverages and foods with approximately 80% of the world's population consuming caffeinated products daily. Here we examined how caffeine consumption and different motivations for consuming caffeine (e.g., cognitive enhancement, negative affect relief, reinforcing effects, and weight control) relate to self-reported inattention, mind-wandering, and deep, effortless concentration (i.e., flow) in everyday life in a university student population via two online surveys ( N = 224 and N = 234). Our results indicated that, contrary to what one might expect, the amount of caffeine consumed in a typical day (estimated in milligrams) was not related to attention-related experiences in everyday life. However, we found that those who are more likely to ingest caffeine to potentially enhance their cognition, or to experience the reinforcing effects of caffeine, or to help relieve negative affect showed higher levels of inattention in everyday life.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».