Stimulus duration and recognition memory: An attentional subsetting account
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Attentional subsetting theory (Caplan, 2023) posits that only a small subset of item features are attended in episodic recognition tasks. This explained a pivotal finding for the development of recognition models: the near-null list-strength effect, where encoding strength influences recognition similarly in mixed-strength lists and pure-strength lists. Most research uses spaced repetition to manipulate encoding strength. However, the origin of the null list-strength effect was a more unusual manipulation of stimulus duration (1 s versus 2 s) — and reported an inverted list-strength effect. We present an attentional subsetting theory of duration that produces inversions — and explains why they are uncommon: Earlier-attended features dwell within a lower-dimensional feature subspace, which participants can sometimes disregard during test trials of pure-strong lists, giving strong-pure items an extra advantage. The model previously only solved for d ′ . We extend it to generate realistic hit and false-alarm rates by deriving the criterion from attention to each probe. Supporting the theory, two pre-registered experimental manipulations of stimulus-duration reproduced robust inverted list-strength effects, suggesting this type of finding is unlikely due to sampling error. This account of stimulus-duration, explaining inverted, as well as upright and null, list-strength effects, could be incorporated in most models with vector representations • The theory: participants attend a small, idiosyncratic subset of an items’ features. • Early versus later attended features may differ in dimensionality. • This explains how long study times can have more advantage in different lists. • Two experiments support this prediction.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle