MétaCan
Menu
Retour à la cohorte
Enregistrement W4366769011 · doi:10.31234/osf.io/p97s5

Domain Generality in Metacognitive Ability: A Confirmatory Study Across Visual Perception, Memory, and General Knowledge

2023· preprint· en· W4366769011 sur OpenAlexfundno aff
Astrid Emilie Lund, Camile Correa, Francesca Fardo, Stephen M. Fleming, Micah Allen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilMax-Planck-GesellschaftLeverhulme TrustLundbeckfondenWellcome TrustCanadian Institute for Advanced Research
Mots-clésMetacognitionPsychologyCognitive psychologyCognitionPerceptionGeneralityConfirmatory factor analysisVariance (accounting)Computer scienceStructural equation modelingMachine learning

Résumé

récupéré en direct d'OpenAlex

Metacognition is the ability to monitor and control one's own cognitive processes, with higher-order mechanisms assessing the performance of lower-level cognitive operations to determine subjective confidence. An open question is whether metacognitive capacity is domain-general, akin to a conductor overseeing various sections of an orchestra, or whether it is inherently coupled to each domain, resembling a collection of specialized musical directors for each instrument group. Previous studies attempting to address this question have suffered from methodological drawbacks, such as a lack of control over cognitive sensitivity and low statistical power. In this confirmatory, pre-registered study, we addressed this gap by testing metacognitive ability in visual perceptual, memory, and general knowledge domains using a newly developed adaptive 'trivia' task spanning judgments about nutrition and global economics. We found substantive correlations in metacognitive bias and efficiency across domains, even when controlling for cognitive ability, suggesting up to 15-20% shared variance in metacognition across different modalities. Surprisingly however, we found the lowest correlation in metacognition between the two general knowledge domains, despite these tasks being matched on performance and surface-level features. Our results broadly support the existence of a metacognitive "g-factor," excluding several important methodological confounds; while also highlighting the importance of further research into inter-individual differences in metacognitive priors which may explain the lower correlations between the different knowledge domains.

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)0,008
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,114
Tête enseignante GPT0,485
Écart entre enseignants0,371 · 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'étudeObservationnel
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCreativity in Education and NeuroscienceTravaux en français237 207