Visual memories can recover from recognition-induced memory biases
Notice bibliographique
Résumé
How do we retain accurate visual memories over a long time? Studies have demonstrated that successfully retrieving a memory increases the likelihood that it can be retrieved later. However, other studies shown that information provided during retrieval can alter how the original memory is reported (i.e., misinformation effect). These seemingly-contradictory findings suggest that retrieval calls the memory into a malleable state where it is augmented or modified by information available at that time. To test this, we first had participants encode 240 pictures of colored real objects. Then, memory for those objects was tested in two types of retrieval tasks (i.e., the recognition bias task and the baseline recall task) on the same day and the day after. In the recognition bias task, participants were first presented with a grayscale object image and indicated whether or not they remembered encoding its colored version. Subsequently, participants completed a two-second-long recognition practice in which they saw two colored versions of the same object and identified the one more similar to the encoded version. Participants then recalled the encoded object’s color. The baseline recall task was identical, except for the recognition practice, which was replaced by a two-second blank retention interval. We found that irrespective of retrieval type, memories retrieved on Day 1 were more likely to be retrieved on Day 2 than memories not tested on Day 1. Additionally, recall following recognition practice was biased towards the probe judged to be more similar to the encoded object. Interestingly, however, this recognition-induced memory bias was transient and did not influence memory recall on Day 2. Taken together, these data support our hypothesis that retrieval brings visual memories into a malleable state to be augmented or altered by memory-relevant information. Fortunately, recognition-induced memory biases may not permanently change the encoded representation.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».