MétaCan
Menu
Retour à la cohorte
Enregistrement W1993262000 · doi:10.1080/02702710601186407

Compensating for a Limited Working Memory Capacity During Reading: Evidence from Eye Movements

2007· article· en· W1993262000 sur OpenAlexaff
Christine Burton, Meredyth Daneman

Notice bibliographique

RevueReading Psychology · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorking memoryPsychologyCognitive psychologyReading (process)ComprehensionEye movementTask (project management)Reading comprehensionShort-term memoryCognitive scienceCognitionLinguisticsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Although working memory capacity is an important contributor to reading comprehension performance, it is not the only contributor. Studies have shown that epistemic knowledge (or knowledge about knowledge and learning) is related to comprehension success and may enable low-span readers to compensate for their limited resources. By comparing the eye movements of epistemically mature versus epistemically naïve low-span readers, this study provided evidence for how the compensation occurs. Metacognitively mature low-span readers spent more time engaged in selective backtracking to unfamiliar and task-relevant text information. These selective look-backs would have reinstated the difficult and important information into working memory, thereby allowing these readers to offset some of the disadvantages of a limited temporary storage capacity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,418
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReading PsychologyMême sujetEducational Strategies and EpistemologiesTravaux en français237 207