How accurate and predictive are judgments of solvability? Explorations in a two-phase anagram solving paradigm
Notice bibliographique
Résumé
Abstract Meta-reasoning requires monitoring and controlling one’s reasoning processes, and it often begins with an assessment of problem solvability. We explored whether Judgments of Solvability (JOS) for solvable and unsolvable anagrams discriminate and predict later problem-solving outcomes once anagrams solved during the JOS task are excluded. We also examined whether providing training via longer-duration anagrams improves JOS discrimination and predictiveness. In a two-phase paradigm, participants judged each anagram as solvable, not solvable, or already solved (S, NS, AS; JOS phase) then later attempted to solve the anagrams within 45 s (solving phase). Anagrams were presented in 4 blocks. In the training groups, anagram duration started at 16 s and halved across blocks, whereas in the no-training groups anagram duration was always 2 s. Participants’ S JOSs typically were discriminating after excluding anagrams that received AS JOSs, but training did not lead to better discrimination in the final block. Training improved AS JOS predictiveness, but not S JOS predictiveness. Thus, training increased solving during the JOS task rather than increasing JOS predictiveness. In Experiment 3 these findings replicated when both solvable and unsolvable anagrams were presented in the solving phase and no response deadline was set. Here, problem-solving outcomes and effort regulation (i.e., response times) were predicted by AS and NS JOSs, but not by S JOSs. Overall, although S JOSs were discriminating, they were not predictive of later problem solving or effort regulation—and this was true even after training with longer-duration anagrams.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».