Speaker
Description
Il paradigma Deese-Roediger-McDermott (DRM) è uno degli strumenti più utilizzati per indagare i fattori che causano le false memorie. Tipicamente, in questo compito, i partecipanti memorizzano prima una lista di parole e poi devono indicare se le parole presentate in una nuova lista erano presenti nella lista memorizzata. Utilizzando questo paradigma, gli studi precedenti hanno dimostrato il ruolo cruciale della somiglianza semantica nella generazione di false memorie, mostrando che parole nuove semanticamente relate a quelle apprese tendono ad essere erroneamente riconosciute come parte della lista memorizzata. Sebbene il DRM abbia molti punti di forza, presenta una significativa limitazione che pone problemi sia pratici che teorici: richiede una lunga e complessa fase manuale preliminare per costruire le liste a partire da norme di associazione di parole. Per superare questo limite, abbiamo sviluppato False Memory Generator (FMG), un software per generare automaticamente liste DRM, che sfrutta le relazioni di similarità tra gli elementi di uno spazio vettoriale. Qui presentiamo FMG e dimostriamo la validità delle liste generate a partire da spazi semantici distribuzionali nel replicare i noti effetti semantici nella produzione di false memorie. Infine, mostriamo come FMG offra un'ampia gamma di applicazioni, permettendo di studiare i fattori che inducono false memorie in contesti ben oltre le possibilità attuali. FMG può essere infatti impiegato per testare come qualsiasi proprietà codificata in uno spazio vettoriale (ad esempio caratteristiche associate alle parole, ai loro referenti o anche ad altri stimoli, come immagini, suoni, ecc.) influisca sulla produzione di false memorie.
