The Effect of Brain Training Game activities on Improvement of Cognitive Function measured by Montreal Cognitive Assesment Indonesia version (MoCA-Ina)
Notice bibliographique
Résumé
The function of cognition in young adults (around the age of 20 years) mostly does not develop to its peak, even though at that age a person needs better cognitive abilities to deal with the lectures. Brain training game activities by playing games through the NeuronationTM application can improve cognitive function. To determine the effect of Brain training activities on improvement of cognitive function. Experimental study with two group pre and post design. 74 Sample were medical students of Faculty of Medicine, University of Muhammadiyah Malang class of 2017-2018, divided into control and treatment groups of 37 samples each. The treatment group was given by game brain game training 30 minutes a day, 20 times in 4 weeks.. Cognitive function was measured by the MoCA-Ina test in the control group and pre and post test. The hypothesis test used the pairet samples test. Cognitive function of pre and post test of the control group good cognitive function increased 2.69% and cognitive function of pre and post test of treatment group increased 58.8% with the result of pairet sample analysis of significant p = 0,000 which means that in the control group there was a tendency for increased function cognition after treatment (post test) but the improvement was not significant. In the treatment group with brain training activities cognitive function increased sharply and statistically significant, Brain training activities affect the improvement of cognitive function.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».