MétaCan
Menu
Retour à la cohorte
Enregistrement W2290416198

Implicit memory: how it works and why we need it

2011· article· en· W2290416198 sur OpenAlexaff
David W.–L. Wu

Notice bibliographique

RevueBiochemistry and Molecular Biology Education · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImplicit memoryExplicit memoryCognitive sciencePriming (agriculture)Cognitive psychologyImplicit learningPsychologyComputer scienceEpisodic memoryNeuroscienceCognition
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the discovery that amnesiacs retained certain forms of unconscious learning and memory, implicit memory research has grown immensely over the past several decades. This review discusses two of the most intriguing questions in implicit memory research: how we think it works and why it is important to human behaviour. Using priming as an example, this paper surveys how historic behavioural studies have revealed how implicit memory differs from explicit memory. More recent neuroimaging studies are also discussed. These studies explore the neural correlate of priming and have led to the formation of the sharpening, fatigue, and facilitation neural models of priming. The latter part of this review discusses why humans have evolved with highly flexible explicit memory systems while still retaining inflexible implicit memory systems. Traditionally, researchers have regarded the competitive interaction between implicit and explicit memory systems to be fundamental for essential behaviours like habit learning. However, recently documented collaborative interactions suggest that both implicit and explicit processes are potentially necessary for optimal memory and learning performance. The literature reviewed in this paper reveals how implicit memory research has and continues to challenge our understanding of learning, memory, and the brain systems that underlie them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

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

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 Opus0,049
Tête enseignante GPT0,302
Écart entre enseignants0,253 · 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 tête enseignante, 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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Molecular Biology EducationMême sujetMemory and Neural MechanismsTravaux en français237 207