Hızlı otomatik adlandırmada sağlıklı yetişkinlerin yaşa ve eğitim düzeyine bağlı performanslarının incelenmesi / Investigation of age and education level dependent performance of healthy adults in rapid automatic naming
Bibliographic record
Abstract
Yaşlılık dönemindeki yetişkinlerin kelime bulmada patolojik bir durumları olmasa bile üretilen kelimenin doğruluğunda azalma olduğu ve öğeleri adlandırma için gereken sürenin arttığı bilinmektedir. Hızlı otomatik adlandırma (HOA), bireylerin nesneleri, renkleri, harfler ve rakamları sesli bir şekilde ne kadar hızlı adlandırabildiğini ölçen bir görevdir. Hızlı otomatik adlandırma becerisi leksikal (sözcüksel) erişim hızı, leksikal erişim, görsel algılama, semantik kategorizasyon ve motor çıktı aşamaları arasındaki işlemleme süresi, dikkatte sürdürülebilirlik gibi dil-bilişsel beceriler gibi çok faktörlü talepleri yansıtır. Artan yaşla birlikte en çok bildirilen şikayetlerden biri de adlandırma zorluğu çekilmesidir. Bu çalışmada genç yetişkin, orta yaşlı yetişkin ve yaşlı yetişkinlerden elde edilen verilerle hızlı otomatik adlandırma becerilerinin (adlandırma doğruluğu, adlandırmaya başlama süresi, adlandırma sırasında revizyon ve her bir alt görev için toplam adlandırma süresi) yaş ve eğitim düzeyine bağlı değişimi incelenip yaş ve eğitim düzeyi gruplarına göre kıyaslanmıştır. Çalışmanın katılımcıları, 20-65 yaşları arasında sağlıklı 157 bireyden oluşmaktadır. Çalışmaya dahil edilen katılımcılar; herhangi bir nörolojik ve psikiyatrik hastalığa sahip olmayan, anadili Türkçe olan, okuma- yazma bilmen, renk körü olmayan ve ileri düzeyde görme kaybı yaşamayan bireylerden oluşmaktadır. Katılımcılara Gönüllülük Onam Formu doldurulduktan sonra yaş, eğitim demografik bilgileri alındıktan sonra katılımcılara Montreal Bilişsel Değerlendirme Ölçeği, Edinburgh El Tercihi Envanteri, Diadokinetik Hız, Ishihara Testi ve Hızlı Otomatik Adlandırma görevleri uygulanmıştır. Yapılan istatistiksel analizlerde yaşa bağlı hızlı otomatik adlandırma becerilerinde farklılıklar olduğu saptanmıştır. Hızlı otomatik adlandırma becerisi; adlandırma doğruluğu, adlandırmaya başlama süresi, adlandırma sırasında revizyon ve her bir alt görev için toplam adlandırma süresi parametleri gruplara göre karşılaştırılmıştır. Artan yaş ve eğitim düzeyinin hızlı otomatik adlandırma becerisinin tüm alt görevlerinde adlandırma süresini etkilediği bulunmuştur. Adlandırma hataları, revizyon ve reaksiyon süresi açısından hızlı otomatik adlandırma hemtekli hem de çoklu alt görevler ile hem de sembolik olan ve sembolik olmayan görevlerde de gruplar arasında farklar gözlemlenmiştir.
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) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".