MétaCan
Menu
Retour à la cohorte
Enregistrement W2035564793 · doi:10.1186/1471-2202-11-s1-p78

Order within associations as a test of association-memory models

2010· article· en· W2035564793 sur OpenAlexaff
Jeremy B. Caplan, Mayank Rehani

Notice bibliographique

RevueBMC Neuroscience · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAssociation (psychology)Computer scienceCued recallPairingRecallMemory modelOuter productContrast (vision)PsychologyArtificial intelligenceTheoretical computer scienceFree recallCognitive psychologyMathematicsShared memory

Résumé

récupéré en direct d'OpenAlex

In learning associations (e.g., a pairing of items, A-B), the hippocampus appears to implement Associative Symmetry, namely, when learning a forward association (A->B), picking up the backward association (B->A) for free [3], a characteristic of human association-memory that has been replicated numerous times (e.g., [5]). A mathematical operation that does this automatically, and thus might be carried out by the hippocampus, is the convolution operation, the operation used to store associations in a range of influential behavioural memory models [2]. Convolution-based models lead to a specific prediction about within-pair order memory (the participant’s ability to retrieve the relative orders of the A and B items), namely, that within-pair order memory should be at chance levels. In contrast, models based on the outer product, known as matrix models [1] the way they have been applied, lead to perfect within-pair order memory (assuming the pairing is retrieved); likewise for numerous other models that assume associations are stored by concatenating the vector representations of paired items [6]. Here we test within-pair order memory with a verbal double-function list paradigm in which participants are presented with pairs of words in which the left-handed item of one pair is the right-handed item of a different pair. Thus, within-pair order information is critical for later effective cued recall. The results suggested that human participants have neither poor nor near-perfect memory for within-pair order, challenging all current models to our knowledge. Our recently proposed positional coding model for paired-associate memory [4], which already incorporates within-pair order in the same manner as between-pair order. Even this positional coding model requires some additional assumptions to fit the fine structure of the behavioural data. In sum, our findings suggest that within-pair order memory is neither poor nor perfect, pointing to a fallible mechanism for within-pair order learning in verbal association memory tasks and constraining the computational mechanisms the hippocampus could plausibly use to learn pairs with the property of Associative Symmetry.

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)0,005
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,317
Écart entre enseignants0,224 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NeuroscienceMême sujetMemory and Neural MechanismsTravaux en français237 207