Extrinsic and intrinsic factors influencing the positive memory bias in aging
Bibliographic record
Abstract
Facteurs extrinsèques et intrinsèques qui influencent le biais de positivité mnésique dans le vieillissement On se rappelle plus souvent de nos expériences émotionnelles que de celles qui sont plutôt neutres. Chez les jeunes adultes, l’information négative est particulièrement importante. Mais un changement intéressant a lieu au cours du vieillissement : Les personnes âgées plus se rappeler des informations positives que négatives. Ce biais de positivité mnésique est souvent observé dans la littérature et expliqué par des changements en perspective de temps et de motivation (i.e., la Théorie de sélectivité socioémotionnelle). Cependant, peu d’études prennent en compte les interactions fondamentales entre la mémoire et l’émotion qui pourraient influencer ce biais de positivité. Dans cette thèse, j’évalue si certains facteurs qui sont en partie indépendants des processus de vieillissement (i.e., le lien sémantique et la saillance relative, étude1; l’humeur, études 2-4), influencent la présence et puissance du biais de positivité mnésique. Dans toutes les études de thèse, la mémoire est mesurée en utilisant un test de rappel libre immédiat avec des images positives, négatives, et neutres. Dans l’étude 1, je manipule le lien sémantique (i.e., le niveau de regroupements thématiques entre les images d’une même catégorie) et la saillance relative (i.e., le traitement d’une catégorie d’images en parallèle ou en isolation des autres) des images pour démontrer que ces deux facteurs peuvent expliquer entièrement la mémoire émotionnelle chez les personnes âgées. Le traitement par saillance des images positives relative aux autres est nécessaire pour produire un biais de positivité chez les personnes âgées, ce qui disparaît complètement quand la saillance des images positives est éliminée. Dans les études suivantes, j’ai donc encouragé le traitement par saillance des items pour augmenter les chances d’observer un biais de positivité ainsi que ses interactions avec l’humeur. Dans l’étude 2, j’examine si des différences d’humeur prédisent des différences en biais émotionnel mnésique chez les jeunes adultes et personnes âgées en utilisant une manipulation d’humeur par vidéo, validée dans une étude pilote. Dans l’étude 3 et 4, j’examine les effets de l’humeur sur le biais de positivité en réduisant des facteurs liés spécifiquement au vieillissement, en évaluant que des jeunes adultes. Cela sert à éliminer des effets inattendus qui pourraient exister entre les groupes d’âges (i.e., liés au changements et déclins neurocognitifs), pour étudier l’effet de l’humeur sur le biais de positivité. Dans l’étude 3, j’utilise une tâche d’amorçage écrite pour manipuler l’humeur et la perspective de temps des jeunes adultes. Dans l’étude 4, je compare des différences d’humeur qui pourraient varier naturellement entre deux groupes de jeunes adultes : des étudiants universitaires et des non-étudiants. Les manipulations d’humeurs expérimentales n’ont peu d’effet sur la présence du biais de négativité chez les jeunes adultes (études 2 et 3), et influence qu’en partie l’avantage mnésique pour les images positives contre neutres chez les personnes âgées (étude 2). Les jeunes adultes non-étudiants démontrent une préférence mnésique pour les images positives qui est différente de celle chez les étudiants, mais ceci n’est pas attribué directement à des différences d’humeur (étude 4). Compte tenu des résultats, je conclus que le biais de positivité mnésique dans le vieillissement reflète un avantage temporaire pour l’information positive qui n’est ni permanent ni irréversible. Ce biais semble varier en partie sur le contexte d’apprentissage (i.e., le lien sémantique et la saillance), l’humeur, et le groupe référentiel de jeunes adultes. Ceci influence comment nous définissons et étudions le biais de positivité mnésique dans des études futures sur le vieillissement.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".