MétaCan
Menu
Retour à la cohorte
Enregistrement W2099123875 · doi:10.1002/acp.768

Transfer appropriate processing for prospective memory tests

2000· article· en· W2099123875 sur OpenAlexafffund
Beat Meier, Peter Graf

Notice bibliographique

RevueApplied Cognitive Psychology · 2000
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Functions and Memory
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésPromTask (project management)PsychologyPerceptionSemantic memoryCognitive psychologyRetrospective memoryCognitionProspective memoryInformation processingExplicit memoryNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Transfer appropriate processing (TAP) is the assumption that retrospective memory test performance reflects the overlap between study and test phase processing. In a task analysis, we identify a similar sequential‐type of processing overlap in prospective memory (ProM) situations. In addition, ProM test performance can also involve a concurrent overlap between processes engaged for an ongoing task and those required for recognizing relevant cues. A review of the ProM literature shows consistent TAP effects due to sequential processing overlap manipulations, but inconclusive findings for concurrent processing overlap manipulations. We examined the latter in a new experiment with young adult participants. The ongoing task required either semantic or perceptual processing of words, and the ProM task required either semantic or perceptual processing of words. Consistent with TAP, performance was higher when the ongoing task and the ProM task required the same kind of processing (i.e. semantic–semantic, perceptual–perceptual) rather than different kinds of processing (i.e. semantic–perceptual, perceptual–semantic). Copyright © 2000 John Wiley & Sons, Ltd.

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)0,003
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,028
Tête enseignante GPT0,340
Écart entre enseignants0,312 · 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'étudeExpérimental (laboratoire)
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

Citations85
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Cognitive PsychologyMême sujetCognitive Functions and MemoryTravaux en français237 207