We don't learn from our mistakes: error-related arousal impairs subsequent memory formation
Notice bibliographique
Résumé
Realizing that we’ve made an error triggers cognitive and behavioral adjustments, including increased arousal, attention, and more cautious responding (Jentzsch & Dudschig, 2009). These post-error adjustments are thought to boost task engagement and facilitate learning (Holroyd & Coles, 2002; Yeung, Botvinick, & Cohen, 2004). Yet, how errors affect memory encoding–a cognitive process foundational to learning–remains unknown. One possibility is that by increasing arousal and task engagement, errors would improve people’s ability to encode information that comes next. Alternatively, errors might lead to too much arousal and/or attentional capture, impairing people’s ability to encode information that comes next. In two experiments, we tested whether categorization errors influence how well people encode information presented after errors. In experiment 1, participants (n=60) categorized trial-unique images as ‘living’ or ‘nonliving’ and following a short delay, performed a surprise memory test. We found that people formed memories worse after categorization errors (p<0.001). In experiment 2, we investigated whether increases in arousal and/or attentional capture by errors contributed to post-error memory decrements in a separate cognitive control task. Participants (n=60) performed a modified Simon task in which they categorized trial-unique images as ‘natural’ or ‘man-made’, while we recorded pupil size and eye fixations and recognition memory for the images was later tested. Consistent with an arousal mechanism, individuals who displayed the largest increase in pupil size after errors had the greatest post-error memory decrements (p<0.05). Moreover, people with the largest post-error memory decrements tended to have better memory for the error trials and generated fewer fixations on post-error trials (ps<0.05) – consistent with the possibility that errors captured attention, leaving fewer encoding resources for information presented next. Our results suggest that rather than preparing people for learning opportunities, errors transiently impair memory encoding due to both increased arousal after errors and attentional capture by errors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».