MétaCan
Menu
Retour à la cohorte
Enregistrement W4247000231 · doi:10.1037/e633262013-270

Learnin' 'Bout my Generation: The Effects of Generation on Encoding, Recall, and Metamemory

2013· dataset· en· W4247000231 sur OpenAlexaff
Glen E. Bodner, A. Nicole Burnett

Notice bibliographique

RevuePsycEXTRA Dataset · 2013
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensCalgary Laboratory Services
Organismes subventionnairesnon disponible
Mots-clésMetamemoryRecallEncoding (memory)PsychologyCognitive psychologyDevelopmental psychologyMetacognitionNeuroscienceCognition

Résumé

récupéré en direct d'OpenAlex

My dissertation examined how encoding strategies, recall, and metamemory shift across two study-test experiences. Differential recall of generate targets and read targets on Test 1 led participants to develop an improved encoding strategy for their more poorly recalled target type, thus eliminating differential recall on Test 2 (Experiment 1-3). However, recall also improved across tests for groups that were not tested on both target types on Test 1 (Experiment 2), and for groups that studied and recalled only one target type (Experiment 1). Participants’ reported strategies (Experiment 1) and metamemory judgments (Experiment 3) were used to elucidate how and when people modify their encoding strategies in an effort to improve future memory performance. Overall, the present study confirmed that people can learn about the effectiveness of a study strategy both during studying and on a test, and revealed that this learning is more ubiquitous and varied than previous research suggested.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,282
Écart entre enseignants0,215 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsycEXTRA DatasetMême sujetEFL/ESL Teaching and LearningTravaux en français237 207