Using retrieval contingencies to understand memory integration and inference
Notice bibliographique
Résumé
Past work has yielded mixed insights into how people draw upon their memories to make flexible new inferences. Neuroimaging approaches have shown that memories can be combined during encoding to store never-experienced, inferential associations. By contrast, behavioural research has emphasized a retrieval-based mechanism in which separate, high-quality memories are recombined as inferences are needed. We hypothesized that there might be important individual differences to consider when reconciling these seemingly disparate findings. We set out to quantify these differences by measuring contingencies in people’s memory recall behaviour. In Experiment 1, we first compared the performance of three memory contingency metrics using simulations and data from a task known to induce dependency. In doing so, we developed a correction to remove biases associated with general memory performance to isolate the representational structure of memories, and we selected the highest-fidelity option—corrected Dependency—for subsequent analyses. Experiment 2 tested the sensitivity of our chosen metric: We manipulated the similarity across experiences to encourage integration for half of the memories. Consistent with prior work, we found that increasing the similarity between the two experiences yielded reliable recall dependency. Finally, in Experiment 3, we used memory dependencies to reveal individual differences in inference approaches: While indeed “separators” relied upon high-fidelity individual memories to make inferences, “integrators” made inferences just as accurately and more rapidly than separators, regardless of how well they recalled constituent experience details. Together, these findings highlight the importance of considering individual differences in memory representations when characterizing the mechanisms underlying flexible inference.
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 | 0,004 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».