Végrehajtó funkciók vizsgálata fluencia feladatokkal enyhe kognitív zavarban
Bibliographic record
Abstract
Dolgozatomban a végrehajtó funkciók időskori változásait vizsgálom a Montreal Kognitív Felmérés (MoCa) eredményei alapján létrehozott enyhe kognitív károsodást mutató és nem mutató csoportoknál. A vizsgálatban összesen 48 fő vett részt, 22 fő került a normál kognitív állapotú csoportba, 20 fő az enyhe kognitív zavart (EKZ) mutató csoportba. A csoportok tagjai 60 éven felüliek. A depresszió szűrését Beck Depresszió Kérdőív rövidített változatával végeztem. A végrehajtó funkció kapacitását fluencia feladatokkal, ezen belül betű, szemantikus, „ad hoc” és akció fluencia feladattal mértem. A vizsgálat célja, az eddigi szakirodalmi adatok igazolása, melyek szerint szignifikáns a különbség a két csoport átlaga között betű és szemantikus fluencia, szavak száma mutató esetén. Az eredmények azt mutatják, hogy a főhipotézis 100%-ban beigazolódott, a betű és szemantikus fluencia feladat, szavak száma mutató esetén szignifikáns a két csoport közötti különbség.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.050 | 0.007 |
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".