Levels of Processing in Working Memory: Differential Involvement of Frontotemporal Networks
Notice bibliographique
Résumé
How does the brain maintain to-be-remembered information in working memory (WM), particularly when the focus of attention is drawn to processing other information? Cognitive models of WM propose that when items are displaced from focal attention recall involves retrieval from long-term memory (LTM). In this fMRI study, we tried to clarify the role of LTM in performance on a WM task and the type of representation that is used to maintain an item in WM during rehearsal-filled versus distractor-filled delays. Participants made a deep or shallow levels-of-processing (LOP) decision about a single word at encoding and tried to recall the word after a delay filled with either rehearsal of the word or a distracting math task. Recalling one word after 10 sec of distraction demonstrated behavioral and neural indices of retrieval from LTM (i.e., LOP effects and medial-temporal lobe activity). In contrast, recall after rehearsal activated cortical areas that reflected reporting the word from focal attention. In addition, areas that showed an LOP effect at encoding (e.g., left ventrolateral VLPFC and the anterior temporal lobes [ATLs]) were reactivated at recall, especially when recall followed distraction. Moreover, activity in left VLPFC during encoding, left ATL during the delay, and left hippocampus during retrieval predicted recall success after distraction. Whereas shallow LOP and rehearsal-related areas supported active maintenance of one item in focal attention, the behavioral processes and neural substrates that support LTM supported recall of one item after it was displaced from focal attention.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».