The d-Prime directive: Assessing costs and benefits in recognition by dissociating mixed-list false alarm rates.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It can be difficult to judge the effectiveness of encoding techniques in a within-subject design. Consider the production effect-the finding that words read aloud are better remembered than words read silently. In the absence of a baseline, a within-subject production effect in a mixed study list could reflect a benefit of reading aloud, a cost of reading silently, or both. To help interpret within-subject data, memory researchers have compared within-subject and between-subjects designs, with the between-subjects (i.e., pure list) conditions serving as baselines against which the within-subject (i.e., mixed-list) conditions are compared. In the present article, the authors highlight a shortcoming of using this comparison to assess costs and benefits in recognition. Unlike between-subjects experiments where separate false alarm rates are obtained for each condition, the typical within-subject experiment yields a collapsed false alarm rate, which, the authors argue, can potentially bias calculations of memory discrimination (d'). Across 3 experiments that used production as the encoding manipulation, they used a typical mixed-list versus pure-list design (Experiment 1) and then made modifications to this design (Experiments 2 and 3) that yielded separate mixed-list false alarm rates. The results of the latter 2 experiments demonstrated that words that are read aloud in a mixed list have an overall memorial benefit over words that are read aloud in a pure list-both in terms of increased hits and reduced false alarms. The authors frame these results in terms of the distinctiveness heuristic. (PsycINFO Database Record
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.
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 | 0,001 |
| 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 | 0,001 | 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 découle