Effets dâun entraînement neuromoteur et dâun entraînement aérobie sur les fonctions exécutives chez lâenfant
Bibliographic record
Abstract
Les études des effets de l’activité physique sur la cognition humaine et animale ne permettent pas de clarifier si ces effets sont spécifiques au type d’exercice pratiqué et si les gains cognitifs pour un cerveau en développement sont globaux ou exclusifs à certaines fonctions cognitives. Considérant le circuit nerveux entre le cervelet et le cortex préfrontal dorsolatéral, nous croyons qu’un entraînement neuromoteur stimulant les fonctions motrices du cervelet améliorera les fonctions exécutives associées au cortex préfrontal. Comme l’entraînement aérobie a affecté positivement différentes fonctions cognitives dans des études précédentes, nous croyons que ce type d’exercice améliorera les fonctions exécutives et la mémoire à long-terme. Trois classes de sixième année (âge moyen = 11,4 ans) ont été aléatoirement assignées aux groupes neuromoteur (n=22), aérobie (n=19) et contrôle (n=15). Nous nous sommes assurés que l’entraînement neuromoteur ne stimulait aucunement la capacité aérobie et que l’entraînement aérobie n’améliorait aucune habileté motrice. Les entraînements pour les deux groupes expérimentaux consistaient en 30 minutes d’activités par jour d’école pendant les heures de classe, pour 10 semaines ; le groupe contrôle suivait le programme scolaire régulier. Des tests moteurs et cognitifs ont été administrés avant et après l’intervention. Une série d’ANOVAs a révélé que l’entraînement neuromoteur avait amélioré la fluence verbale avec un effet marginal sur la génération de verbe, deux fonctions exécutives associées au circuit fronto-cérébelleux, et que l’entraînement aérobie avait mené à une amélioration distincte de la fluence verbale. Ainsi, nos résultats démontrent que les améliorations des fonctions exécutives sont spécifiques à chaque entraînement pratiqué.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
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".