Mémoire procédurale et processus cognitifs : application de règles en morphologie, syntaxe et calcul arithmétique
Bibliographic record
Abstract
\n Selon les modèles linguistiques et psycholinguistiques, le langage est sous-tendu par un lexique mental et une grammaire mentale. Le lexique peut être conceptualisé comme une mémoire à long terme dans laquelle sont encodés tous les mots acquis par un individu, alors que la grammaire mentale est plutôt responsable de la production de formes verbales régulières par l'application de règles linguistiques. Dans une tentative de réconcilier le langage avec les autres fonctions cognitives, Ullman et ses collaborateurs (Ullman, 2001, 2004; Ullman & Corkin, 1997; Ullman & Pierpont, 2005) ont récemment proposé le modèle déclaratif/procédural (MDP) selon lequel, la mémoire déclarative (i.e., mémoire à long terme responsable de l'apprentissage, du stockage et de la récupération d'informations relatives aux faits, aux concepts et aux événements personnels) sous-tend également le lexique mental alors que la mémoire procédurale (i.e., mémoire à long terme responsable de l'apprentissage et du contrôle des habiletés sensori-motrices et cognitives) sous-tend les opérations en cause dans la grammaire mentale. Cette interrelation entre le langage et la mémoire à long terme est brièvement illustrée par une étude de cas unique d'un patient présentant un déficit limité à l'application de règles spécifiques dans les domaines de la morphologie, de la syntaxe et du calcul arithmétique en raison d'une atteinte de la mémoire procédurale.\n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.007 |
| Scholarly communication | 0.007 | 0.012 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".