Perceptual blurring and recognition memory: A differential memory effect in pupil responses
Notice bibliographique
Résumé
Perceptual degradation of visual stimuli decreases performance in many tasks. In word-reading, response time (RT) for words with no blur (NB) are slightly faster than for words with low blur (LB) and much faster than for words with high blur (HB). However, subsequently probing recognition memory for these words reveals superior memory sensitivity for HB words than NB words, and numerically worse memory for LB words than NB words. (Rosner, Davis & Milliken, 2015). This result suggests that a high level of perceptual degradation can enhance long-term memory, perhaps due to the upregulation of attention in response to processing difficulty at the time of encoding. Borrowing from the literature on pupil dilation as an index of mental effort (e.g., Beatty, 1982), we incorporated pupil size as a measure of attentional engagement in the present study. In the encoding phase, half of the participants were presented with NB and LB words intermixed, and the other half with NB and HB words intermixed. In the test phase, participants completed a surprise recognition memory task. Pupil size was recorded throughout the experiment. As expected, RT in the encoding phase increased with stimulus blur. More important, recognition memory in the test phase (relative to NB words) was slightly worse for LB words and significantly better for HB words. Evoked pupillary response (EPR) during the encoding phase did not differ between NB and LB words, but was larger for HB than NB words. Critically, the larger EPR to HB words at study was driven by 'old' words that were later recognized (hits), rather than those that were not (misses). Follow-up analyses showed the EPR results did not depend on longer time-on-task (slower RT) for HB words. The results are consistent with an attentional-upregulation account of the effect of perceptual degradation on long-term memory. Meeting abstract presented at VSS 2018
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».