MétaCan
Menu
Retour à la cohorte
Enregistrement W4403507856 · doi:10.1037/cep0000349

Text-based and memory-based metrics of cognitive coupling.

2024· article· en· W4403507856 sur OpenAlexafffund
Shunfeng Peng, Peter Dixon

Notice bibliographique

RevueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentale · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Computing and Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceCoupling (piping)CognitionCognitive psychologyCognitive sciencePsychologyNatural language processingMaterials scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

The present study was an investigation of the relation between cognitive coupling, a correlation between text difficulty and reading time, and other measures of mind wandering during reading. To measure cognitive coupling, we manipulated the text difficulty of individual sentences. Because mind wandering may shift attention away from the text, we predicted a cognitive coupling interaction, that is, that the effect of difficulty on processing time should be less when readers are off task. We also manipulated the consistency of a target sentence's content with a prior information. Analogous to the text-based cognitive coupling, we predicted an interaction of consistency with task focus: The impact of this consistency should be less noticeable when readers are off task. The results demonstrated the predicted text-based cognitive-coupling effect: There was less of an effect of text difficulty when readers reported being off task. However, there was no such interaction between consistency and task focus. We conclude that the consistency effect may depend on the relatively automatic activation of prior information rather than requiring consciously retrieving related information from memory. (PsycInfo Database Record (c) 2024 APA, all rights reserved).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,043
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,037
Tête enseignante GPT0,311
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentaleMême sujetCognitive Computing and NetworksTravaux en français237 207