Cognition varies across the calendar year in multiple large-scale datasets
Notice bibliographique
Résumé
Children’s cognitive abilities vary across short and long timescales, from circadian fluctuations to year-by-year developmental changes. “Summer slide” refers to seasonal variation in academic performance, characterized by decreased performance following an extended school vacation. However, it remains unclear whether this effect generalizes across varied assessments and the extent of this effect across sociodemographic groups has been debated. Though seasonal variation in cognitive performance is often attributed to “forgetting” of learned material, no large-scale studies have systematically investigated seasonal variation in general cognitive skills (e.g., executive functioning) on standardized laboratory-based assessments in school-age youth compared to adults. Across four datasets with geographic, demographic, mental health, and measurement variation (total n = 23,251), we quantify cyclical, seasonal variation in children’s cognitive performance using generalized additive models with cyclic cubic splines. In school-age children but not young adults, we found consistent cognitive performance minima following school vacation (July–September in the United States; November–January in Singapore) across nearly all cognitive domains investigated. These results demonstrate a generalizable small-magnitude effect of lower cognitive performance aligning with school vacation even after adjusting for socioeconomic status or ADHD diagnosis. We contextualize summer cognitive minima relative to environmental and developmental effects, noting that the largest effect size is still seven times smaller than effects of the socioeconomic environment on cognition, and provide recommendations for future data collection and analysis of behavior across the calendar year.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».