Is zjudge a better prime for JUDGE than zudge is?: A new evaluation of current orthographic coding models.
Notice bibliographique
Résumé
Three masked priming paradigms, the conventional masked priming lexical-decision task (Forster & Davis, 1984), the sandwich priming task (Lupker & Davis, 2009), and the masked priming same-different task (Norris & Kinoshita, 2008), were used to investigate priming for a given target (e.g., JUDGE) from primes created by either adding a letter to the beginning of the target (e.g., zjudge) or replacing the target's initial letter (e.g., zudge). Virtually all models of orthographic coding that allow calculation of orthographic similarity measures predict that zjudge should be the better prime because zjudge contains all the letters in JUDGE in their correct order whereas zudge does not. Nonetheless, Adelman et al.'s (2014) megastudy data indicated no difference in the effectiveness of these two prime types. The present experiments provide additional support for the conclusion of no difference between these two prime types with the only observed difference being a small zudge prime advantage in Experiment 1b (sandwich priming). These results suggest that models of orthographic coding/word recognition may be well served by allowing inconsistent information (e.g., the "z" in both zjudge and zudge indicates that the presented prime is not JUDGE) to be given considerable weight during the orthographic coding/word recognition process. (PsycInfo Database Record (c) 2020 APA, all rights reserved).
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 tête enseignante, 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 ».