Cours 10 Flashcards
Critique sur approche des boîtes MALT (Craik & Lockhart)
Combien de boites = trop?
Capacité limitée?
- semble dépendre du type de matériel
- chunks
- type de limite de capacité ?
Codage de quel type?
Frontières parfois floues entre boîtes
Approche basée sur processus de mémoire
Résultats intense avev différents tests de mémoire reflètent différents processus cognitifs nécessaires pour les produire
Accent = processus utilisés pour enregistrement permanent info (encodage –> traitement –> récupération)
Postulats niveaux de traitement (Vraik & Lockhart)
Différents stimuli encodés de différentes façons en mémoire (type encodage influence durée trace)
Mémoire = séries de processus cognitifs (chaque étape de traitement + profond que la précédente)
2 types de répétition (répétition de maintien + répétition élaborative)
2 type de traitement (surface + profond)
Traitement + profond = traces + fortes/durables en MALT / meilleur rappel
répétition élaborative
Sens de l’item
Faire liens entre item/connaissance préalable
Chunking
Seul type efficace pour Entreposage permanent de info
répétition de maintien
Maintien info en MACT
Pas efficace pour transfert en MALT
Traitement de surface
Accent sur caractéristiques physiques de l’entrée
Répétition de maintien
Traitement profond
Accent sur signification de l’entrée
Répétition élaborative
But Profondeur de traitement (Hyde & Jenkins)
Déterminer validité niveaux de traitement
Étudier effet de l’intention d’apprendre
Profondeur de traitement (Hyde & Jenkins)
2 conditions: apprentissage incident + apprentissage intentionnel
4 types d’essais: E-G + NOMS + FRÉQUENCE + PLAISANT
1 contrôle
Résultats Profondeur de traitement (Hyde & Jenkins)
+ traitement profond = + Nombre de mots rappelés (seul fréquence/plaisant aussi bon que contrôle)
Intention d’apprendre = aucun effet significatif sur rappel
Interprétation Profondeur de traitement (Hyde & Jenkins)
Support pour approche des niveaux de traitement
Intention = pas facteur important en MALT
Facteur important = stratégie optimale d’encodage profond
But Effet de génération (Slamecka & Graf)
Déterminer si implication/effort actif dans le processus d’apprentissage est bénéfice vs réception passive de l’information
Hypothèse Effet de génération (Slamecka & Graf)
Génération item à mémoriser = récupération tjrs supérieur
Effet de génération (Slamecka & Graf)
2 conditions
- lecture paires de mots
- génération 2e mot d’une paire
5 types essais
- rime
- association
- synonyme
- antonyme
- catégorie
Résultats Effet de génération (Slamecka & Graf)
Perfo pour rime + basse (traitement - profond = niveaux de reconnaissance + bas)
Générer mots associés améliore perfo de reconnaissance pour toutes conditions
Interprétation Effet de génération (Slamecka & Graf)
Generation = traitement + profond = meilleure reconnaissance –> Support pour Craik et Lockhart
But Effet d’auto-référende (Rogers)
Déterminer importance de faire des liens entre nouvelle info et notre expérience personnelle
Théorie Effet d’auto-référende (Rogers)
Récupération info supérieur quand association entre nouveau matériel et expériences personnelles
Si nouveau matériel cadre avec vision de soi = traces mnesiques + forte car nouvelle car nouvelle connaissance associée avec traits durables
Types essais Effet d’auto-référende (Rogers)
- structurel (grosses lettres)
- phonémique (rime)
- sémantique (même sens)
- auto-référence (vous décrit)
Hypo Effet d’auto-référende (Rogers)
Intégrer connaissances avec expérience personnelle = + gros effet
Pendant auto-reference si nouveau savoir cadre avec vision de soi = meilleur rappel
Résultats Effet d’auto-référende (Rogers)
Traitement + profond = meilleure perfo
Perfo auto référence + élevée que toutes autres conditions et > si essais positifs (oui)
Interprétation
Soutien pour approche des niveaux de traitement Craik et Lockhart
But Imagerie visuelle pour mémoire (Bower et Winzenz)
Vérifier profondeur traitement pour tâches multiples
Déterminer si imagerie produit meilleur rappel
Hypo Imagerie visuelle pour mémoire (Bower et Winzenz)
Imagerie demandant encodage sémantiques ET connaissance long terme de dynamique objets = + profond que tâches sémantiques
