A systematic exploration of model-mechanisms for interactions between item- and association-memory in paired-associate learning
Notice bibliographique
Résumé
Paired-associate learning paradigms are extremely com-mon in memory research; however, memory behaviourin these paradigms relies on both memory for items andfor their pairings. We recently developed an experimen-tal paradigm that is able to dissociating effects of item-and association-memory with cued recall [1,2]. Severalmathematical modeling frameworks have been appliedsuccessfully to PA empirical phenomena. However, ournew behavioural results demand that these memorymodels be developed further, in order to identify lociwithin the major models where item-level versus asso-ciation-level effects could materialize. Here we present asystematic approach to modeling item- versus associa-tion-memory effects in PA learning, with a specificfocus on comparing memory modeling frameworks(including the Matrix model [3,4], TODAM [5], andBSB [6,7]).MethodsWe propose a generative model of PA learning basedupon the distributed memory model frameworks pro-posed by the matrix model [3,4] and convolution-corre-lation memory models [5] of associative learning. Tofurtherdefineourmodelweemploythebrain-state-in-a-box model [6,7] as our deblurring mechanism toincrease ecological validity of our model, as opposed toa heuristic such as the winner-take-all choice rule. Herewe model how item- and association-memory manipula-tions may modulate within memory performance in acued recall task. In particular, we ask whether manipula-tions of material-type can passively result in strongerassociations (i.e., without requiring the participant tovary their strategy). For example, current modelingresults demonstrate how items that are learned strongerduring study can result in better association-memory.This modeling approach represents a framework for arange of PA learning effects that have already beenreported (e.g., [1,2]) as well as predicting as-of-yet unob-served patterns. Simulations of how manipulations ofmaterial-type can modulate item- and association-mem-ory have not yet been theoretically explored and canhave profound implications to current memory models.
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 | 0,001 | 0,014 |
| 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 | 0,001 |
| 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 ».