Tracing the emergence of stimulus memorability
Notice bibliographique
Résumé
Some visual stimuli are consistently better remembered than others across individuals. This is due to variations in stimulus-intrinsic properties that determine ease of access into visual long-term memory (VLTM). Though memorability has been demonstrated in multiple stimulus domains, it remains an open question where memorability emerges or what cognitive processes give rise to it. As memorability cannot be attributed to low-level visual features, attentional saliency, or voluntary memory control (Bainbridge, 2020), we tested the hypothesis that memorability emerges within visual working memory (VWM). Specifically, do memorable stimuli require fewer resources to be maintained in VWM? If so, more memorable faces should be retained in VWM than forgettable faces. To test this, we had participants perform a standard VWM task with arrays of 3 or 6 face stimuli that were previously classified as “memorable” and “forgettable” (Bainbridge et al., 2013). VWM performance was better in the set size 3 condition compared to set size 6, with an additional benefit for memorable faces, supporting our hypothesis that memorable faces require fewer resources to be maintained in VWM. Interestingly, when memorable faces were presented alongside forgettable ones (e.g., 3 memorable and 3 forgettable faces), memory for the memorable items improved, suggesting that memorable items pull resources away from other items competing for representation. Next, to examine whether memorability can be fully captured within VWM, we had participants perform a VLTM recognition task after completing the VWM task. Here, we found that the memorability effect overrode the array size effect such that memorable faces encoded in 6-face arrays were better recognized than forgettable faces encoded in 3-face arrays. This suggests that not only are memorable stimuli treated differently within VWM, they are also “stickier” than forgettable stimuli, showing less memory decay. Together, our results demonstrate that stimulus memorability emerges over multiple stages of memory.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 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 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 ».