Representing and remembering text paraphrases: a phantom recollection analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study was designed to evaluate the memory representations that support complex patterns of readers’ memorial judgments about text paraphrases. This issue was examined with reference to the phantom recollection model. That analysis considers memory judgments to be collaboratively supported by one’s recollection of an item in its context, a vaguer sense of stimulus familiarity, and the phantom recollection of the substance and even perceptual details of unstudied but related lures. In two experiments, subjects read blocks of brief passages and then judged explicit, paraphrased, control (lure) test items, and inference statements. Different subject groups were instructed to base their judgments (a) on a verbatim or “recognize” criterion, (b) on a gist criterion, or (c) to accept only items implied but not stated in their passages. Multinomial tree processing analysis was applied to the data. Both paraphrases and coherence-preserving (“bridging”) inferences were supported by phantom recollection. However, familiarity was greater for the former, reflecting the greater overlap of paraphrases than inferences with the perceptual details of the text. Some minor deviations between these results and those of prior studies are addressed. The joint application of the empirical paradigm and multinomial tree processing exposes the representations that support readers’ retrieval from text.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle