MétaCan
Menu
Retour à la cohorte
Enregistrement W4236306952 · doi:10.31234/osf.io/b7e8k

A Roadmap for Understanding Memory: Decomposing Cognitive Processes into Operations and Representations

2019· preprint· en· W4236306952 sur OpenAlexaff
Rosemary A. Cowell, Morgan D. Barense, Patrick Sadil

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEpisodic memoryRecallSemantic memoryCognitionCognitive sciencePsychologyCognitive psychologyPerceptionMnemonicProcess (computing)Memory errorsExplicit memoryComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Thanks to patients Phineas Gage and Henry Molaison, we have long known that behavioral control depends on the frontal lobes, whereas declarative memory depends on the medial temporal lobes. For decades, cognitive functions – behavioral control, declarative memory – have served as labels for characterizing the division of labor in cortex. This approach has made enormous contributions to understanding how the brain enables the mind, providing a systems-level explanation of brain function that constrains lower-level investigations of neural mechanism. Today, the approach has evolved such that functional labels are often applied to brain networks rather than focal brain regions. Furthermore, the labels have diversified to include both broadly-defined cognitive functions (declarative memory, visual perception) and more circumscribed mental processes (recollection, familiarity, priming). We ask whether a process – a high-level mental phenomenon corresponding to an introspectively-identifiable cognitive event – is the most productive label for dissecting memory. For example, the process of recollection conflates a neurocomputational operation (pattern completion-based retrieval) with a class of representational content (associative, high-dimensional, episodic-like memories). Because a full theory of memory must identify operations and representations separately, and specify how they interact, we argue that processes like recollection constitute inadequate labels for characterizing neural mechanisms. Instead, we advocate considering the component operations and representations of mnemonic processes in isolation, when examining their neural underpinnings. For the neuroanatomical organization of memory, the evidence suggests that pattern completion is recapitulated widely across cortex, but the division of labor between cortical sites can be explained by representational content.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0020,020
Communication savante0,0110,044
Science ouverte0,0030,004
Intégrité de la recherche0,0040,012
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,283
Tête enseignante GPT0,412
Écart entre enseignants0,129 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMemory and Neural MechanismsTravaux en français237 207