Using preexperimental familiarity to compare the ICE and cue-overload accounts of context-dependent memory in item recognition.
Notice bibliographique
Résumé
In recognition, context effects often manifest as higher hit and false-alarm rates to probes tested in an old context compared with probes tested in a new context; sometimes, this concordant effect is accompanied by a discrimination advantage. According to the cue-overload account of context effects (Rutherford, 2004), context acts like any other cue, and thus context effects should be larger with lighter context loads. Conversely, the Item, Associated Context, and Ensemble (ICE) account (Murnane et al., 1999) attributes context effects to two factors: subjects erroneously attributing context familiarity to the probe, and the formation of ensembles (mnemonic combinations of item and context). Context familiarity increases as exposure at study increases, and thus ICE predicts larger effects of context as context load increases. Relatedly, ICE predicts larger effects of context as context meaningfulness increases, as meaningful contexts are more likely to be bound to the target in an ensemble. In Experiments 1 and 2, rather than manipulate context load during the study phase, we relied on subjects' preexperimental context exposure to manipulate context load. Subjects studied words superimposed on photographs of their university campus or another university campus. At test, targets and distractors were evenly divided between study and novel contexts and between familiar and unfamiliar contexts. In Experiment 3, we manipulated context familiarity within the experimental session. Results supported ICE, suggesting that context does not act as a retrieval cue in recognition. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,000 |
| 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 ».