在Deese-Roediger-Mcdermott语义和结构错误识别范式中的选择和响应时间的全球匹配模型
Adam F Osth1, Lyulei Zhang1, Samuel Williams1
1Melbourne School of Psychological Sciences, University of Melbourne.
Psychological review
|December 4, 2025
概括
一个新的计算模型解释了Deese-Roediger-McDermott范式中的虚假记忆创建. 它根据语义和结构相似性准确地预测错误的识别,即使对于单个参与者和响应时间.
科学领域:
- 认知心理学 认知心理学
- 计算神经科学是一种神经科学.
- 记忆研究 记忆研究
背景情况:
- 迪斯-罗迪格-麦克德莫特 (DRM) 范式是诱导实验室环境中虚假记忆的常见方法.
- 现有的DRM范式的计算模型是有限的,不考虑结构相似性,个人参与者数据或响应时间.
研究的目的:
- 提出一个新的全球匹配模型,解决DRM范式之前的计算模型的局限性.
- 使用统一的检索机制解释语义和结构错误识别.
主要方法:
- 开发了一个包含语义和结构表示的全球匹配模型.
- 利用一对线性弹道积累器来建模决策和响应时间分布.
- 将模型与个人参与者数据和项目特征相匹配.
主要成果:
- 该模型成功地解释了与其他未呈现的项目相比,关键诱的错误识别.
- 它解释了参与者和项目之间错误识别的个体差异.
- 该模型还捕获了处理水平,学习时间和速度的效应,强调真假识别.
结论:
- 一个单一的检索机制可以解释DRM范式内的语义和结构错误识别.
- 全球匹配模型提供了对虚假记忆现象的全面解释,包括响应时间和个体差异.
- 这项工作通过整合结构因素和个体变异性来推进记忆研究中的计算建模.
