Self-generation amplifies the errorless learning effect in healthy older adults when transfer appropriate processing conditions are met
Notice bibliographique
Résumé
ABSTRACT Errorless learning improves memory for older adults by providing individuals with correct information from the onset, thereby minimizing the misleading influence of errors. Our previous research demonstrated that self-generation enhanced the errorless learning effect among older adults in cued recall when encoding encouraged processing of cue–target relationships, suggesting that transfer appropriate processing is necessary for this interactive effect (Lubinsky, Rich, & Anderson, 2009 Lubinsky, T., Rich, J. B. and Anderson, N. D. 2009. Errorless learning and elaborative self-generation in healthy older adults and individuals with amnestic mild cognitive impairment: Mnemonic benefits and mechanisms. Journal of the International Neuropsychological Society, 15(05): 704–716. [Crossref], [PubMed], [Web of Science ®] , [Google Scholar], Journal of the International Neuropsychological Society, 15, 704). The current study further tests this notion by investigating whether the interaction of errorless learning and self-generated learning is observed in free recall when study conditions foster encoding of inter-item associations. Healthy older adult participants studied related or unrelated words (manipulated between-subjects) under four within-subjects learning conditions representing the crossing of errorless/errorful learning and self-generated/experimenter-provided information. As predicted, self-generation enhanced the errorless learning advantage in free recall for related word lists but not unrelated word lists. The results are discussed in relation to the transfer appropriate processing view of generation effects.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».