独角兽,子,还是海? 使用机器学习来预测工作记忆训练性能
Yi Feng1, Anja Pahor2,3,4, Aaron R Seitz2,3
1University of California, Irvine, School of Education, School of Social Sciences (Department of Cognitive Sciences), Irvine, California, USA.
Journal of cognition
|September 11, 2023
概括
可以预测工作记忆 (WM) 训练结果的个体差异. 预先存在的WM能力和开放性是高绩效的关键因素,而开放性和游戏体验则预测低绩效者的持久性.
科学领域:
- 认知心理学 认知心理学
- 神经科学是一个神经科学.
- 人类因素 人类因素
背景情况:
- 个体差异显著影响工作记忆 (WM) 训练的好处.
- 了解预测培训轨迹的因素组合对于个性化干预至关重要.
研究的目的:
- 识别预测工作记忆训练模式的个别差异变量.
- 开发一个预测模型来对训练绩效进行分类.
主要方法:
- 568名本科生在两周内完成了N背培训变体.
- 机器学习算法,包括二进制树模型,用于预测.
- 评估的个人差异包括认知能力,个性,动机和背景因素.
主要成果:
- 一个预测模型在区分高性能和低性能方面表现出很好的准确性.
- 预先存在的工作记忆容量和开放性是高性能最强的预测因素.
- 对于表现不佳的人来说,开放性和视频游戏经验预测了学习持久性.
结论:
- 个体特征可以预测工作记忆训练表现.
- 研究结果支持基于个体资料的个性化认知培训干预措施的开发.
更多相关视频
09:13A Fully Automated and Highly Versatile System for Testing Multi-cognitive Functions and Recording Neuronal Activities in Rodents
Published on: May 3, 2012
14.4K
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.6K
