在ABCD队列中量化社会空间因素与认知发展之间的关联
Nicole Osayande1,2, Justin Marotta3,4, Shambhavi Aggarwal3,4
1McConnell Brain Imaging Centre, Montreal Neurological Institute (MNI), McGill University, Montreal, Quebec, Canada. Nicole.Osayande@mail.mcgill.ca.
对于代表性不足的群体,可以使用多样性意识框架来改进生成性人口模型. 这种方法通过捕捉社会人口统计学变化来增强公共卫生和教育战略.
科学领域:
- 计算社会科学 计算社会科学
- 发育神经科学的发展神经科学.
- 公共卫生建模公共卫生建模
背景情况:
- 生成型人口模型在不同的人口群体的概括性方面存在困难.
- 现有的模型往往无法捕捉社会人口统计学变化,限制了现实世界的应用.
研究的目的:
- 提出一个意识到多样性的人口建模框架,以提高代表性不足的群体的概括性.
- 通过估计子组级别的影响来指导有针对性的公共卫生和教育战略.
- 在人口模型中捕捉社会人口统计学变异性.
主要方法:
- 利用贝叶斯的多层次回归和分层后.
- 量化社会经济地位和认知发展关系中的个人间差异.
- 将美国人口普查数据纳入青少年大脑认知发展研究中,以提高子组的可解释性.
主要成果:
- 后分层化改善了代表性不足的群体的模型预测解释性.
- 该框架确保预测不会因过于异质或同质的子组表示而扭曲.
- 贝叶斯的多层次建模结合后分层验证了可靠性,并解释了社会人口差异.
结论:
- 一个意识到多样性的人口建模框架对于公平的应用至关重要.
- 将贝叶斯的多层次建模与分层后建模相结合,为了解社会人口差异提供了一个强大的方法.
- 这种框架可以提高不同群体的人口水平影响的可靠性和整体解释.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
05:15The Spatial Memory Game: Testing the Relationship Between Spatial Language, Object Knowledge, and Spatial Cognition
Published on: February 19, 2018
相关概念视频
Information Processing Approach
Cognitive Development During Adolescence
Cognitive Development During Adulthood
Biological Influences on Intelligence
Environmental Influences on Intelligence
Language and Cognition
