MétaCan
Menu
Retour à la cohorte
Enregistrement W2124529404 · doi:10.1162/0898929053279478

Overlap in the Functional Neural Systems Involved in Semantic and Episodic Memory Retrieval

2005· article· en· W2124529404 sur OpenAlexaff
M. Natasha Rajah, Anthony R. McIntosh

Notice bibliographique

RevueJournal of Cognitive Neuroscience · 2005
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSemantic memoryEpisodic memoryPsychologyCognitive psychologyCognitive neuroscienceCognitionNeuropsychologyReconstructive memoryFunctional neuroimagingCognitive scienceNeuroscienceExplicit memory

Résumé

récupéré en direct d'OpenAlex

Abstract Neuroimaging and neuropsychological data suggest that episodic and semantic memory may be mediated by distinct neural systems [Cabeza, R., & Nyberg, L. Imaging cognition II: An empirical review of 275 PET and fMRI studies. Journal of Cognitive Neuroscience, 12, 1–47, 2000; Gabrieli, J. D. Disorders of memory in humans. Current Opinion in Neurology and Neurosurgery, 6, 93–97, 1993; Gabrieli, J. D. Cognitive neuroscience of human memory. Annual Review of Psychology, 49, 87–115, 1998; Squire, L. R. The organization and neural substrates of human memory. International Journal of Neurology, 21–22, 218–222, 1987; Squire, L. R., & Zola, S. M. Structure and function of declarative and nondeclarative memory systems. Proceedings of the National Academy of Sciences, U.S.A., 93, 13515–13522, 1996; Tulving, E. Multiple memory systems and consciousness. Human Neurobiology, 6, 67–80, 1987]. However, an alternative perspective is that episodic and semantic memory represent different modes of processing within a single declarative memory system. To examine whether the multiple or the unitary system view better represents the data we conducted a network analysis using multivariate partial least squares (PLS) activation analysis followed by covariance structural equation modeling (SEM) of positron emission tomography data obtained while healthy adults performed episodic and semantic verbal retrieval tasks [Duzel, E., Cabeza, R., Picton, T. W., Yonelinas, A. P., Heinze, H. J., Scheich, H., & Tulving, E. Task-related and item related processes in episodic and semantic retrieval: A combined PET and ERP study. Proceedings of the National Academy of Sciences, U.S.A., 96, 1794–1799, 1999]. It is argued that if performance of episodic and semantic retrieval tasks are mediated by different memory systems, then there should differences in both regional activations and interregional correlations related to each type of retrieval task, respectively. The PLS results identified brain regions that were differentially active during episodic retrieval versus semantic retrieval. Regions that showed maximal differences in regional activity between episodic retrieval tasks were used to construct separate functional models for episodic and semantic retrieval. Omnibus tests of these functional models failed to find a significant difference across tasks for both functional models. The pattern of path coefficients for the episodic retrieval model were not different across tasks, nor were the path coefficients for the semantic retrieval model. The SEM results suggest that the same memory network/system was engaged across tasks, given the similarities in path coefficients. Therefore, activation differences between episodic and semantic retrieval may reflect variation along a continuum of processing during task performance within the context of a single memory system.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,293
Écart entre enseignants0,233 · 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

Citations107
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive NeuroscienceMême sujetMemory Processes and InfluencesTravaux en français237 207