MétaCan
Menu
Retour à la cohorte
Enregistrement W2763627631 · doi:10.1080/09658211.2017.1383434

This time it’s personal: the memory benefit of hearing oneself

2017· article· en· W2763627631 sur OpenAlexafffund
Noah D. Forrin, Colin M. MacLeod

Notice bibliographique

RevueMemory · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyRead aloudReading (process)Reading aloudCognitive psychologyProduction (economics)LinguisticsCommunication

Résumé

récupéré en direct d'OpenAlex

The production effect is the memory advantage of saying words aloud over simply reading them silently. It has been hypothesised that this advantage stems from production featuring distinctive information that stands out at study relative to reading silently. MacLeod (2011) (I said, you said: The production effect gets personal. Psychonomic Bulletin & Review, 18, 1197-1202. doi: 10.3758/s13423-011-0168-8 ) found superior memory for reading aloud oneself vs. hearing another person read aloud, which suggests that motor information (speaking), self-referential information (i.e., "I said it"), or both contribute to the production effect. In the present experiment, we dissociated the influence on memory of these two components by including a study condition in which participants heard themselves read words aloud (recorded earlier) - a first for production effect research - along with the more typical study conditions of reading aloud, hearing someone else speak, and reading silently. There was a gradient of memory across these four conditions, with hearing oneself lying between speaking and hearing someone else speak. These results imply that oral production is beneficial because it entails two distinctive components: a motor (speech) act and a unique, self-referential auditory input.

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)0,004
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 enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,068
Tête enseignante GPT0,342
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 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

Citations48
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMemoryMême sujetHearing Impairment and CommunicationTravaux en français237 207