Visual interference can help and hinder memory: Capturing representational detail using the Validated Circular Shape Space
Notice bibliographique
Résumé
Abstract Although we can all agree that interference induces forgetting, there is surprisingly little consensus regarding what type of interference most likely disrupts memory. We previously proposed that the similarity of interference differentially impacts the representational detail of color memory. Here, we extend this work by applying the Validated Circular Shape Space (Li et al., 2020) for the first time to a continuous retrieval task, in which we quantified both the visual similarity of distracting information as well as the representational detail of shape memory. We found that the representational detail of memory was systematically and differentially altered by the similarity of distracting information. Dissimilar distractors disrupted both fine- and coarse-grained information about the target, akin to memory erasure. In contrast, similar distractors disrupted fine-grained target information but increased reliance on coarse-grained information about the target, akin to memory blurring. Notably, these effects were consistent across two mixture models that each implemented a different scaling metric (either angular distance or perceived target similarity), as well as a parameter-free analysis that did not fit the mixture model. These findings suggest that similar distractors will help memory in cases where coarse-grained information is sufficient to identify the target. In other cases where precise fine-grained information is needed to identify the target, similar distractors will impair memory. As these effects have now been observed across both stimulus domains of shape and color, and were robust across multiple scaling metrics and methods of analyses, we suggest that these results provide a general set of principles governing how the nature of interference impacts forgetting.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».