“Explaining Your Results” as Access-Biased Memory
作为访问偏向记忆的“解释结果”AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般统计推断中的记忆与信息选择机制，未提供对应所列计量领域细分的明确证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
作为访问偏向记忆的“解释结果”
- 研究问题
- 研究者解释统计结果时，按推断含义检索既往实验会如何影响判断？文章关注这种记忆机制产生的非样本信息及其实际信息量。
- 方法与思路
- 作者构建未知参数与二项数据下的推断兼记忆模型，假定记忆保存实验而非充分统计量，并按实验对推断的含义分类和访问。
- 材料陈述的贡献
- 摘要称，这种检索生成的非样本信息弱于其表面表现；在该模型中，最优记忆查询应寻找与当前证据略有矛盾的既往实验。
- 阅读关注点
- 阅读全文时应核对记忆分类与访问规则、信息强弱的衡量方式，以及最优查询结论依赖的目标函数和模型条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断该模型对实际科研行为的解释能力；摘要未说明实证验证，不能推断刊本变化。
原文摘要
This article presents an inference-cum-memory model with uncertain parameter p and binomial data. The model is intended to represent the phenomenon especially common in the social sciences of explaining the results of a statistical calculation. The principal assumptions of the model are that experiments, not sufficient statistics, are stored in memory, and that the experiments are categorized by and accessed according to their implications for inference. The nonsample information thereby generated is weaker than it appears. In the context of this model, optimal memory interrogation involves search for previous experiments that slightly contradict the current evidence.