MétaCan
Menu
Retour à la cohorte
Enregistrement W7084391306 · doi:10.17632/t42rmjwf9t

Analysis of the utility of the MoCA Test for the cognitive assessment of a university population in Cali.

2025· dataset· en· W7084391306 sur OpenAlexaboutno aff

Notice bibliographique

RevueMendeley Data · 2025
Typedataset
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitionTest (biology)Cognitive Assessment SystemPopulationCognitive testExecutive functions

Résumé

récupéré en direct d'OpenAlex

This research study focused on the evaluation of the Montreal Cognitive Assessment (MoCA) test applied to a population of university students from the Faculty of Psychology in the city of Cali. The main objective was to analyze the cognitive performance of these students using this screening tool and to detect possible trends or characteristics in their results. The Montreal Cognitive Assessment (MoCA) is a brief test designed to evaluate various cognitive functions, such as memory, orientation, language, concentration, executive function, and visuospatial skills. This test takes approximately 10 minutes and has a maximum score of 30 points, with a score of 26 or above considered within the normal range. The results showed an average performance. Specifically, 21.01% of university students had low levels in executive function and visuospatial skills, while 46.38% scored at a medium level, and 32.61% scored high. In the identification category, only two levels were observed: 3.67% at a medium level and 96.33% at a high level, indicating that no students scored low. In the attention and concentration category, 18.30% scored low, 42.48% scored at a medium level, and 39.22% scored high. In the language category, 5.81% scored low, 27.91% medium, and 66.28% high. Regarding the abstraction domain, 1.37%

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)0,003
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,099
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,038
Tête enseignante GPT0,311
Écart entre enseignants0,273 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMendeley DataMême sujetWind Energy Research and DevelopmentTravaux en français237 207