MétaCan
Menu
Retour à la cohorte
Enregistrement W4406130702 · doi:10.3389/fcogn.2024.1505513

Asking the right questions: interrogating the logic and assumptions of paradigms used to investigate interactions between procedural and declarative memory in category learning

2025· article· en· W4406130702 sur OpenAlexafffund
Priya B. Kalra

Notice bibliographique

RevueFrontiers in Cognition · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensWestern University
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésProcedural memoryDissociation (chemistry)RecallComputer scienceDeclarative memoryCognitive psychologyCognitive scienceTask (project management)Descriptive knowledgeProcess (computing)Artificial intelligenceProcedural knowledgePsychologyCognitionProgramming languageKnowledge managementKnowledge base

Résumé

récupéré en direct d'OpenAlex

In this mini-review, the methods used to investigate interactions between procedural and declarative systems in category learning are considered. Methods that were originally used to establish dissociations between memory systems may be biased toward demonstrating competition between them. In contrast, a modification of Jacoby's Process Dissociation Procedure allows researchers to consider the relative contributions of multiple processes involved in task completion. The original PDP was designed to consider the contributions of recall and familiarity to recognition, but the logic of the PDP can be applied to the contributions of procedural and declarative processes in category learning. Suggestions for improving the possibility of detecting cooperation between systems using the PDP are given.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,295

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,326
Écart entre enseignants0,293 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in CognitionMême sujetChild and Animal Learning DevelopmentTravaux en français237 207