MétaCan
Menu
Retour à la cohorte
Enregistrement W2561391785 · doi:10.5334/pb.240

The Effect of Corrective Feedback on Performance in Basic Cognitive Tasks: An Analysis of RT Components

2016· article· en· W2561391785 sur OpenAlexaff
Carmen Moret‐Tatay, Craig Leth‐Steensen, Tatiana Quarti Irigaray, Irani Iracema de Lima Argimon, D. Gamermann, Diana Abad‐Tortosa, Camila Rosa de Oliveira, Begoña Sáiz Mauleón, Andrea Vázquez‐Martínez, Esperanza Navarro‐Pardo, Pedro Fernández de Córdoba

Notice bibliographique

RevuePsychologica Belgica · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPsychologyTask (project management)Stroop effectCorrective feedbackMatching (statistics)CognitionCognitive psychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The current work examines the effect of trial-by-trial feedback about correct and error responding on performance in two basic cognitive tasks: a classic Stroop task (n = 40) and a color-word matching task (n = 30). Standard measures of both RT and accuracy were examined in addition to measures obtained from fitting the ex-Gaussian distributional model to the correct RTs. For both tasks, RTs were faster in blocks of trials with feedback than in blocks without feedback, but this difference was not significant. On the other hand, with respect to the distributional analyses, providing feedback served to significantly reduce the size of the tails of the RT distributions. Such results suggest that, for conditions in which accuracy is fairly high, the effect of corrective feedback might either be to reduce the tendency to double-check before responding or to decrease the amount of attentional lapsing.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,104
Tête enseignante GPT0,378
Écart entre enseignants0,274 · 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'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

Citations24
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychologica BelgicaMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207