MétaCan
Menu
Retour à la cohorte
Enregistrement W4402776680 · doi:10.1027/1618-3169/a000620

Which Encoding Techniques Facilitate Comprehension?

2024· article· en· W4402776680 sur OpenAlexaff
Sophia Tran, Myra A. Fernandes

Notice bibliographique

RevueExperimental Psychology (formerly Zeitschrift für Experimentelle Psychologie) · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComprehensionEncoding (memory)Reading comprehensionRepetition (rhetorical device)Cognitive psychologyReading (process)ParaphrasePerceptionPsychologyCognitionComputer scienceContrast (vision)LinguisticsNatural language processingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Previous work suggests that similar cognitive processes contribute to memory and comprehension. This is unsurprising as both begin with a common process: encoding. Despite this, the investigation of techniques that benefit memory and comprehension has proceeded separately. In the current study, we compared the robust memory techniques of production and drawing to a similarly effective comprehension strategy known as paraphrasing. Depending on the group, participants were asked to either engage in one of the encoding types (read aloud, draw, or paraphrase) or to silently read 20 term-definition pairs (randomly intermixed and counterbalanced). The encoding techniques of drawing and paraphrasing resulted in better performance on a multiple-choice test of concept comprehension, relative to silently reading. By contrast, reading aloud at encoding did not lead to any benefit relative to silently reading. The results suggest that techniques that invoke transformation of the to-be-remembered text into another format, be it into a picture (drawing) or personally relevant summary (paraphrasing), are particularly effective at improving comprehension. By contrast, encoding techniques that mainly provide a perceptual repetition (production and silent reading) are less effective.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,104
Tête enseignante GPT0,422
Écart entre enseignants0,318 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental Psychology (formerly Zeitschrift für Experimentelle Psychologie)Même sujetMemory Processes and InfluencesTravaux en français237 207