MétaCan
Menu
← Back to cohort
Record W2886294773 · doi:10.71781/18342

Entraîner le contrôle attentionnel chez la personne âgée : perspective comportementale et cérébrale

2017· dissertation· fr· W2886294773 on OpenAlexfundno aff
Bianca Bier

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2017
Typedissertation
Languagefr
FieldHealth Professions
TopicAging, Elder Care, and Social Issues
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchUniversité de Montréal
KeywordsPsychologyHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

L’objectif principal de cette thèse est d’évaluer l’effet des interventions cognitives sur le contrôle attentionnel en faisant appel à des mesures comportementales et à des mesures d’imagerie par résonance magnétique fonctionnelle (IRMf). La thèse comprend cinq articles empiriques. L’objectif de la première étude (Chapitre II) était d’examiner la source des différences reliées à l’âge au niveau du contrôle attentionnel. Les résultats suggèrent que les participants âgés présentent plus de difficultés que les jeunes adultes à varier le niveau d’attention à allouer à chacune des tâches selon la consigne d’emphase attentionnelle, reflétant un problème de contrôle attentionnel. La deuxième étude (Chapitre III) visait à comparer l’efficacité de trois types d’entraînement attentionnels chez la personne âgée. Les résultats montrent des effets spécifiques selon l’entraînement reçu. Seuls les participants âgés ayant suivi un entraînement à priorité VARIABLE, dans lequel ils étaient appelés à varier le niveau d’attention à allouer à chacune des tâches à travers plusieurs blocs, améliorent leurs capacités de contrôle attentionnel suite à l’entraînement. Cette amélioration ne peut être expliquée par la pratique aux tâches en attention focalisée, ni la pratique en double-tâche sans modulation attentionnelle. L’objectif de la troisième étude (Chapitre IV) était d’examiner si les bénéfices d’un entraînement à priorité VARIABLE pouvaient se transférer sur des tâches similaires à celles entraînées et sur des tâches plus représentatives du quotidien, à l’aide d’un paradigme de double-tâche immersive en réalité virtuelle (RV). Les résultats montrent qu’un entraînement à priorité VARIABLE améliore les capacités de contrôle attentionnel et, pour la première fois, que les effets bénéfiques de cet entraînement peuvent se transférer à un paradigme de double-tâche en RV chez une population âgée. De plus, nous montrons que les âgés bénéficient autant, voire même plus que les jeunes adultes, d’une intervention visant le contrôle attentionnel et que l’âge n’influence pas les effets de transfert obtenus. La quatrième étude (Chapitre V) examinait l’impact des entraînements attentionnels sur les changements d’activation en IRMf. Les résultats suggèrent que le cerveau est hautement plastique, même à un âge avancé, et que les changements d’activation obtenus diffèrent selon le type d’intervention reçu. Un entraînement à priorité VARIABLE, visant l’apprentissage de stratégies de contrôle attentionnel et les capacités métacognitives, est le seul qui produit des augmentations d’activation dans une région frontale impliquée dans la coordination multitâche et le contrôle attentionnel. Un entraînement visant la pratique répétée de tâche en attention focalisée produit plutôt des diminutions d’activation dans les régions préalablement recrutées. Enfin, l’objectif de la cinquième étude (Chapitre VI) était d’évaluer le décours temporel des changements d’activation à l’aide de trois séances en IRMf. On observe une augmentation d’activation suivie d’un plateau dans des régions reliées aux stratégies apprises pour l’entraînement à priorité VARIABLE, alors que les changements d’activation suite à un entraînement en pratique répétée sont caractérisés par une courbe en U-Inversée. Les résultats de cette dernière étude montrent que les changements d’activation sont non linéaires au cours de l’entraînement et, de façon similaire aux résultats obtenus dans la quatrième étude, modulés par le type d’intervention donné.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.014
Threshold uncertainty score0.028

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.014
GPT teacher head0.269
Teacher spread0.255 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)→Same topicAging, Elder Care, and Social Issues→French-language works237,207→