The mitigating effect of repeated memory reactivations on forgetting
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
Memory reactivation is a process whereby cueing or recalling a long-term memory makes it enter a new active and labile state. Substantial evidence suggests that during this state the memory can be updated (e.g., adding information) and can become more vulnerable to disruption (e.g., brain insult). Memory reactivations can also prevent memory decay or forgetting. However, it is unclear whether cueing recall of a feature or component of the memory can benefit retention similarly to promoting recall of the entire memory. We examined this possibility by having participants view a series of neutral images and then randomly assigning them to one of four reactivation groups: control (no reactivation), distractor (reactivation of experimental procedures), component (image category reactivation), and descriptive (effortful description of the images). The experiment also included three retention intervals: 1 h, 9 days, and 28 days. Importantly, the participants received three reactivations equally spaced within their respective retention interval. At the end of the interval, all the participants were given an in-lab free-recall test in which they were asked to write down each image they remembered with as many details as possible. The data revealed that both the participants in the descriptive reactivation and component reactivation groups remembered significantly more than the participants in the control groups, with the effect being most pronounced in the 28-day retention interval condition. These findings suggest that memory reactivation, even component reactivation of a memory, makes memories more resistant to decay.
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 | 0,003 | 0,023 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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