MétaCan
Menu
Retour à la cohorte
Enregistrement W4404063295 · doi:10.3758/s13421-024-01658-w

Neighborhood frequency effects in simple and complex span: Do high-frequency neighbors help or hurt?

2024· article· en· W4404063295 sur OpenAlexafffund
Molly B. MacMillan, Ian Neath, Steven Roodenrys

Notice bibliographique

RevueMemory & Cognition · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWord lists by frequencyPsychologyWord (group theory)Task (project management)Set (abstract data type)Orthographic projectionCognitive psychologySimple (philosophy)Span (engineering)Speech recognitionLinguisticsArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

A word's orthographic neighborhood is the set of words that differ from the target word by one letter. Both Roodenrys (2009) and Robert et al. (Journal of Psycholinguistic Research, 44, 119-125, 2015) posit that orthographic neighbors are activated when the target word is encountered in tasks such as simple and complex span. The two accounts differ in that the former predicts a beneficial effect of this activation, because it produces feedback activation that helps redintegrate the target word, whereas the latter predicts a detrimental effect, because the need to overcome the greater interference from the larger number of higher-frequency items reduces the processing resources available. Four experiments assess the predictions of these two accounts. Experiments 1 and 2 found a beneficial effect of having a higher- compared with a lower-frequency neighborhood in both a simple and a complex span task. Experiments 3 and 4 found no detrimental effect of having one or more neighbors with higher frequency than the target in both a simple and complex span task. Implications for the two theories are discussed.

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)0,000
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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,306
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMemory & CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207