MétaCan
Menu
Retour à la cohorte
Enregistrement W4409359760 · doi:10.3758/s13423-025-02669-7

An embedded computational framework of memory: The critical role of representations in veridical and false recall predictions

2025· review· en· W4409359760 sur OpenAlexaff
Dominic Guitard, Jean Saint‐Aubin, J. Reid, Randall K. Jamieson

Notice bibliographique

RevuePsychonomic Bulletin & Review · 2025
Typereview
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensUniversity of Northern British ColumbiaUniversity of ManitobaUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésRecallLexiconEpisodic memorySemantic memoryReconstructive memoryCognitive psychologyPsychologyFalse memoryComputational modelEncoding specificity principleSemantics (computer science)Natural language processingArtificial intelligenceComputer scienceCognitionChildhood memory

Résumé

récupéré en direct d'OpenAlex

Human memory is reconstructive and thus fundamentally imperfect. One of its critical flaws is false recall-the erroneous recollection of unstudied items. Despite its significant implications, false recall poses a challenge for existing computational models of serial recall, which struggle to provide item-specific predictions. Across six experiments, each involving 100 young adults, we address this issue using the Embedded Computational Framework of Memory (eCFM) that integrates existing accounts of semantic and episodic memory. While the framework provides a comprehensive account of memory processing, its innovation lies in the inclusion of a comprehensive lexicon of word knowledge derived from distributional semantic models. By integrating a lexicon that captures orthographic, phonological, and semantic relationships within an episodic memory model, the eCFM successfully accounts for patterns of veridical serial recall (e.g., proportion correct, intralist errors, omissions) while also capturing false recall (e.g., extralist errors including both critical lures and non-critical lures). We demonstrate the model's capabilities through simulations applied to six experiments, with lists of words (Experiments 1A, 1B, 2A, and 2B) and non-words (Experiments 3A and 3B) that are either related or unrelated semantically (Experiments 1A and 1B), phonologically (Experiments 2A and 2B), or orthographically (Experiments 3A and 3B). This approach fills a computational gap in modelling serial recall and underscores the importance of integrating traditionally separate areas of semantic and episodic memory to provide more precise predictions and holistic memory models.

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)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,003
Communication savante0,0030,007
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,408
Écart entre enseignants0,361 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychonomic Bulletin & ReviewMême sujetMemory Processes and InfluencesTravaux en français237 207