MétaCan
Menu
Retour à la cohorte
Enregistrement W4229981377 · doi:10.31234/osf.io/rpyyb

Congruency effects on recognition memory: A context effect

2017· preprint· en· W4229981377 sur OpenAlexaff
Tamara M Rosner, Bruce Milliken

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEncoding (memory)SurpriseRecognition memoryContext (archaeology)Cognitive psychologyCognitionPsychologyControl (management)Episodic memoryComputer scienceNeuroscienceCommunicationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Two recent studies have reported that incongruent selective attention items are better remembered than congruent items on a surprise recognition memory test (Krebs, Boehler, De Belder, & Egner, 2013; Rosner, D’Angelo, MacLellan, & Milliken, 2014). These findings suggest that an increased need for cognitive control may trigger encoding mechanisms at the time of study that result in better recognition of those items at test, a form of the desirable difficulty effect (Bjork, 1994). The experiments in the present paper demonstrate that this effect can depend on whether differences in selective attention difficulty are blocked or intermixed at the time of encoding. These results suggest that additional encoding time itself does not invariably result in better recognition for more difficult selective attention items. Instead, the dependence of recognition memory on encoding difficulty appears to reflect a context-sensitive control response to encoding difficulty.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,319
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMemory Processes and InfluencesTravaux en français237 207