An embedded computational framework of memory: Accounting for the influence of semantic information in verbal short-term memory
Notice bibliographique
Résumé
• A model of recall called the Embedded Computational Framework of Memory (eCFM) is presented. • The eCFM integrates semantic word representations with an instance-based memory model. • The model successfully accounts for the influence of semantic information across a range of recall phenomena. • New predictions for list composition, presentation rate, order error, and false recall were derived from eCFM and tested. • The model captured all main findings and made accurate group and item-level predictions of veridical and false recall. We introduce the Embedded Computational Framework of Memory (eCFM), a model that integrates structured semantic word representations with an instance-based memory model to account for the influence of semantic information in verbal short-term memory. The eCFM combines principles from the episodic MINERVA 2 model and the semantic Latent Semantic Analysis model. After reviewing how semantic information impacts verbal short-term memory performance, we demonstrate eCFM’s ability to reconcile various phenomena within a common computational framework. Our model captures key findings, such as the influence of semantic information in serial recall, its reduction in serial reconstruction, and the impact of task difficulty on semantic information. In five experiments, we tested predictions derived from the eCFM. Experiments 1 and 2 manipulated list organization, with Experiment 1 using alternating lists of related or unrelated words and Experiment 2 using blocked lists. Experiment 3 varied presentation rates, Experiment 4 revisited the detrimental effect of semantic information on order information, and Experiment 5 explored false recall. We found that semantic information interacts with list composition, presentation rate affects the magnitude of its influence, and semantic information impacts order information contrary to the dominant view. Additionally, increasing the number of related study words to a non-studied semantic lure boosts false recall. The eCFM captured these findings as well as memory at the item level. Our demonstration provides insight into the cognitive mechanisms underlying verbal short-term memory and the interplay of semantic and episodic memory processes in recall.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».