Perceptual blurring and recognition memory: A desirable difficulty effect revealed
Notice bibliographique
Résumé
Recent research in the area of desirable difficulty—defined as processing difficulty at either encoding or retrieval that improves long-term retention—has demonstrated that perceptually blurring an item makes processing less fluent, but does not improve remembering (Yue et al., 2013). This result led us to examine more closely perceptual blurring as a potential desirable difficulty. In Experiment 1, better recognition of blurry than clear words was observed, a result that contrasts with those reported by Yue et al. This result was replicated in Experiment 2, in which both mixed-list and pure-list designs were used. The following experiments were conducted to determine when blurring does and does not result in enhanced remembering. The desirable difficulty effect observed in Experiments 1 and 2 was replicated in Experiments 3A, 3B, and 3C, despite varying encoding intent during study, context reinstatement at the time of test, study list length, and the nature of the distractor task between study and test phases. It was only in Experiments 4A and 4B that a null effect of perceptual blurring on remembering was found. These experiments demonstrated that (1) the level of blurring used is critical, with a lower blurring level producing results similar to Yue et al. (2013), and (2) the introduction of judgments of learning at the time of study eliminated the benefit of blurring on remembering. These results extend the desirable difficulty principle to encoding manipulations involving perceptual blurring, and identify judgments of learning at encoding as a powerful moderator of this particular desirable difficulty effect.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».