Desempenho cognitivo: efeitos de um jogo de tabuleiro com finalidades educativas junto de pessoas mais velhas com e sem declínio cognitivo ligeiro
Bibliographic record
Abstract
O objetivo do presente trabalho é construir e avaliar os efeitos de um jogo de tabuleiro com finalidades educativas ao nível das competências cognitivas de pessoas com mais de 60 anos, sem declínio e com declínio cognitivo ligeiro. Para concretizar o nosso objetivo, numa primeira fase procedeu-se à construção de um jogo de tabuleiro, com o recurso à validação por vários especialistas, convidados a dar o seu parecer sobre o conteúdo e o formato do jogo. Após a fase de conceção do jogo, efetuou-se um estudo com características de design pré-experimental, com pré e pós-teste (Tuckman, 2000) para perceber os seus efeitos ao nível das competências cognitivas. A amostra foi constituída por 17 pessoas idosas que frequentavam duas estruturas residenciais para idosos (ERPI). Em cada instituição o grupo foi dividido em dois grupos mais pequenos, por razões associadas à operacionalização da intervenção. Nos momentos de pré e pós-teste foram administradas, a todos os sujeitos, as versões portuguesas dos seguintes instrumentos: o Mini Mental State Examination (MMSE), o Montreal Cognitive Assessment (MoCA) e um teste de conhecimentos, construído para efeitos do presente estudo, que avalia os conhecimentos em diversos domínios da saúde como a alimentação, a sexualidade, a atividade física, a higiene oral e o ambiente. Entre as fases de pré-teste (mês de abril) e de pós-teste (mês de agosto), deu-se a fase de intervenção que teve uma duração de três meses (maio, junho e julho). Cada grupo participou num total de cinco sessões, com uma duração que variou de 1h a 2h, dependendo do ritmo de aprendizagem de cada membro. A análise dos resultados revelou um aumento significativo nos scores das medidas de desempenho cognitivo e de aquisição de conhecimentos em saúde, da fase de préteste para a de pós-teste, nos dois subgrupos de uma das instituições que participou no estudo. Nos subgrupos da outra instituição apenas se verificou um aumento significativo ao nível da aquisição de conhecimentos.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".