MétaCan
Menu
Retour à la cohorte
Enregistrement W2908300261 · doi:10.5539/jel.v8n1p43

The Application of Stability Bias in Conceptual Learning

2018· article· en· W2908300261 sur OpenAlexfundvenueno aff
Ziyi Liu

Notice bibliographique

RevueJournal of Education and Learning · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityWilliams College
Mots-clésMemorizationPsychologyRecallStability (learning theory)Cognitive psychologyIllusionTest (biology)Verbal learningConcept learningRote learningSocial psychologyMathematics educationCognitionTeaching methodMachine learningCooperative learningComputer science

Résumé

récupéré en direct d'OpenAlex

When memorizing mechanical materials such as words or numbers, people have shown the tendency to overestimate their future memory due to their insensitivity to memory loss. The experiments in this paper investigate whether the same bias applies to conceptual learning and, if so, how the magnitude of this bias compares to that of mechanical learning. In our experiment, participants were divided into four groups. Two groups of participants studied a word list and took free-recall tests either two minutes or one week after learning; they also made predictions of how well they would do on the test right after learning the material. The other two groups were designed the same way except that the learning material was a concept. Our results indicate that the stability bias illusions not only applied to conceptual learning but were also more significant than in mechanical learning.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
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 Opus0,084
Tête enseignante GPT0,358
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetMemory Processes and InfluencesTravaux en français237 207