Successful Prediction Is Associated With Enhanced Encoding
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
Abstract Forming memories requires a focus on the external world; retrieving memories requires attention to our internal world. Computational models propose that the hippocampus resolves the tension between encoding and retrieval by alternating between states that prioritize one over the other. We asked whether the success of a retrieval state affects the success of an encoding state, when both are measured in behavior. Across 3 Experiments (N = 197), we operationalized retrieval as the use of memories to make predictions about the future, and tested whether successful (vs. unsuccessful) prediction affected the likelihood of successful encoding. Participants viewed a series of scene categories that contained structure (e.g., beaches are followed by castles), which enabled memory retrieval to guide prediction. After structure learning, they completed a simultaneous prediction and encoding task. They were shown trial-unique category exemplars and made predictions about upcoming scene categories. Finally, participants completed a surprise memory test for the trial-unique images. Accurate (vs. inaccurate) predictions were associated with better encoding, and increasing prediction distance hurt both prediction and encoding. This association between encoding and prediction could not be explained by generic on- vs. off-task states. We propose that, in addition to stimulus and endogenous factors that modulate switches between encoding and retrieval, the success of one state can facilitate a switch to the other. Thus, although encoding and prediction depend on distinct and competitive computational mechanisms, the success of one in behavior can increase the likelihood of success for the other.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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