MétaCan
Menu
Retour à la cohorte
Enregistrement W4385891923 · doi:10.31219/osf.io/rw49j

Similarity Impacts Where Repeated Events Fall on the Semantic-Episodic Continuum

2023· preprint· en· W4385891923 sur OpenAlexaff
Oliver Bontkes, Daniela J. Palombo, Eva Rubínová

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEpisodic memorySemantic memorySimilarity (geometry)PsychologySemantic similarityEvent (particle physics)Cognitive psychologyRepeated measures designDevelopmental psychologyNatural language processingArtificial intelligenceCognitionComputer scienceStatisticsMathematicsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Memory researchers have recently conceptualized repeated events as an intermediate form of memory between episodic and semantic memory. We explored whether self-reported event similarity affects where repeated events fall on a semantic-episodic continuum. Across two preregistered studies, repeated measures correlation indicated that similarity was positively correlated with self-reported reliance on semantic memory. Similarity was negatively correlated with reliance on a single episode. Latent profile analysis revealed three types of repeated event memories that differed in their relative use of semantic, single episode, and mixed episodes reliance. One profile was distinctively low on single episode reliance, while the other two had overall balanced ratings (one was high, the other was low). Subsequent analyses revealed the first profile was significantly higher in similarity of place than the other profiles. Our findings have implications for theoretical perspectives on repeated event memory, and have practical significance in legal and clinical contexts.

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)0,003
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,102
Tête enseignante GPT0,324
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMemory Processes and InfluencesTravaux en français237 207