We tallied the votes: No survival advantage in visual long-term memory
Notice bibliographique
Résumé
It has long been known that depth of processing at encoding predicts later memory performance. One well-established encoding manipulation in the long-term memory (LTM) literature is survival processing, where LTM is significantly enhanced for objects that have been rated for relevance in survival scenarios compared to rating items for pleasantness. In LTM, this survival advantage has been found with object words as stimuli and surprise free recall tests; would a similar survival advantage be found for visual objects in visual long-term memory (VLTM)? To answer this question, participants rated coloured real-world object images in one of three conditions: softness, pleasantness, or relevance in a specified survival context. They then completed a surprise colour recall test, where they were shown greyscale versions of the object images and indicated each object’s previous colour on a colour wheel. Mixture modelling was used to analyze the responses. Unlike the findings from LTM tasks, no survival advantage was found; objects rated for relevance in the survival scenario did not demonstrate greater resolution (i.e., precision, indicated by smaller standard deviation values of responses from the correct object colour) in comparison to the pleasantness or softness conditions. These results suggest that the survival advantage cannot be extended from its current status in the memory literature to that of VLTM. While encoding objects into LTM in a survival scenario context enhances retention, encoding objects this way into VLTM does not enhance the resolution nor the availability of the memory 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 | 0,003 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,027 | 0,003 |
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 ».