Training cognition: Parallels with physical fitness?
Notice bibliographique
Résumé
In their article on memory training, McDaniel and Bugg (2012) rst criticize the idea that any type of memory training will genralize to all other types; the notion that memorizing poems or peeches from plays will improve a person’s memory for names or umbers, for example. We strongly agree with this criticism. Cogitive processes resemble physical skills in many respects, and few eople would expect that hours of tennis practice would improve heir golf game, or even that putting practice would improve drivng off the tee. Memory is not one monolithic faculty. The authors f the target article then go on to advocate training methods that mphasize more specific aspects of memory performance, such s prospective memory, retrieval and recollection. We agree that his would be extremely valuable, but are somewhat skeptical that ell attested methods exist at present (see Reichman, Fiocco, & ose, 2010 for a recent review). Training strategies, with practice t applying relevant strategies to real-life problems, appears tohold ut more promise for older adults, although again the present evience is sparse. We await with interest the results of the authors’ XACT trial. We certainly hope and expect that findings from laboratory tudies of memory can be applied successfully to training regimes or older adults. McDaniel and Bugg suggest that the principles f spacing, variation and interleaving practice with various tasks nd strategiesmay be helpful. Although they tend to lump strategy
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».