Anterograde interference emerges along a gradient as a function of task similarity: A behavioural study
Notice bibliographique
Résumé
Anterograde interference emerges when two opposite (B → A) or identical tasks (A → A) are learned in close temporal succession, suggesting that interference cannot be fully accounted for by competing memories. Informed by neurobiological evidence, this work tested the hypothesis that interference depends upon the degree of overlap between the neural networks involved in the learning of two tasks. In a fully within-subject and counterbalanced design, participants (n = 24) took part in two learning sessions where the putative overlap between learning-specific neural networks was behaviourally manipulated across four conditions by modifying reach direction and the effector used during gradual visuomotor adaptation. The results showed that anterograde interference emerged regardless of memory competition-that is, to a similar extent in the B → A and A → A conditions-and along a gradient as a function of the tasks' similarity. Specifically, learning under similar reaching conditions generated more anterograde interference than learning under dissimilar reaching conditions, suggesting that putatively overlapping neural networks are required to generate interference. Overall, these results indicate that competing memories are not the sole contributor to anterograde interference and suggest that overlapping neural networks between two learning sessions are required to trigger interference. One discussed possibility is that initial learning modifies the properties of its neural networks to constrain further plasticity induction and learning capabilities, therefore causing anterograde interference in a network-dependent manner. One implication is that learning-specific neural networks must be maximally dissociated to minimize the interfering influences of previous learning on subsequent learning.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».