MétaCan
Menu
Retour à la cohorte
Enregistrement W2047469196 · doi:10.1037/h0087384

Strategies of text retrieval: A criterion shift account.

2002· article· en· W2047469196 sur OpenAlexaff
Murray Singer, Nathalie Gagnon, Eric Richards

Notice bibliographique

RevueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentale · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPsychologyParaphraseSet (abstract data type)Test (biology)InferenceStatisticsNatural language processingSocial psychologyCognitive psychologyArtificial intelligenceInformation retrievalComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This study scrutinized people's ability to apply different strategies to randomly intermixed immediate and delayed test items. In three experiments, participants first read one set of stories. Later, they read more stories, and after each one, answered intermixed questions about that story and one of the earlier ones. The experiments cumulatively manipulated amount of delay, test probe plausibility, probe relation (explicit, paraphrase, inference), and testing procedure (mixed versus uniform delay). Using signal detection response criterion as the index of strategy, we contrasted the single criterion hypothesis, according to which one text retrieval criterion is applied to all test items, and a multiple-criterion hypothesis. The results consistently favoured the multiple-criterion hypothesis. The results also indicated that the presence of immediate and delayed probes mutually influence one another: Less extreme signal detection criteria were adopted under mixed than uniform testing. It was concluded that text retrieval strategy is continually calibrated with reference to the quality of the test probes.

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)0,007
score de la tête « metaresearch » (Gemma)0,077
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 enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,077
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,057
Tête enseignante GPT0,307
Écart entre enseignants0,250 · 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

Citations22
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentaleMême sujetTopic ModelingTravaux en français237 207