Abstract Prior work has shown that priming improves subsequent episodic memory, i.e., memory for the context in which an item is presented is improved if that item has been seen previously. We previously attributed this effect of “Priming on Subsequent Episodic Memory” (PSEM) to a sharpening of the perceptual/conceptual representation of an item, which improves its associability with an (arbitrary) background context, by virtue of increasing prediction error (Greve, Cooper, Kaula, Anderson, & Henson, 2017). However, an alternative explanation is that priming reduces the attentional resources needed to process an item, leaving more residual resources to encode its context. We report four experiments that tested this alternative, resource-based hypothesis, based on the assumption that reducing the available attentional resources by a concurrent load would reduce the size of the PSEM. In no experiment was there an interaction between attentional load and priming on mean memory performance, nor a consistent correlation across participants between priming and PSEM, failing to support the resource account. However, formal modelling revealed that a resource account is not, in fact, inconsistent with our data, by confirming that nonlinear (sigmoidal) resource-performance functions can reproduce any interaction with load, and, more strikingly, any pattern of correlation between priming and PSEM. This work reinforces not only the difficulty of refuting attentional resource accounts of memory encoding, but also questions the value of load manipulations more generally.

中文翻译：

---

对后续情景记忆的启动效应：测试注意力帐户

摘要 先前的工作表明，启动可以改善随后的情景记忆，即，如果之前已经看过该项目，则该项目所呈现的上下文的记忆会得到改善。我们之前将“启动后续情景记忆”（PSEM）的这种效果归因于项目的感知/概念表示的锐化，这通过增加预测误差来提高其与（任意）背景上下文的关联性（Greve，库珀、考拉、安德森和汉森，2017 年）。然而，另一种解释是，启动减少了处理项目所需的注意力资源，留下更多剩余资源来编码其上下文。我们报告了四个实验来测试这种基于资源的替代假设，基于这样的假设，即通过并发负载减少可用的注意力资源会减小 PSEM 的大小。在没有实验中，注意力负荷和启动之间对平均记忆性能的影响，也没有在参与者之间启动和 PSEM 之间存在一致的相关性，无法支持资源帐户。然而，正式建模表明，资源帐户实际上与我们的数据并不矛盾，通过确认非线性（S 型）资源性能函数可以再现与负载的任何交互，更引人注目的是，启动和之间的任何相关模式PSEM。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。在没有实验中，注意力负荷和启动之间对平均记忆性能的影响，也没有在参与者之间启动和 PSEM 之间存在一致的相关性，无法支持资源帐户。然而，正式建模表明，资源帐户实际上与我们的数据并不矛盾，通过确认非线性（S 型）资源性能函数可以再现与负载的任何交互，更引人注目的是，启动和之间的任何相关模式PSEM。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。在没有实验中，注意力负荷和启动之间对平均记忆性能的影响，也没有在参与者之间启动和 PSEM 之间存在一致的相关性，无法支持资源帐户。然而，正式建模表明，资源帐户实际上与我们的数据并不矛盾，通过确认非线性（S 型）资源性能函数可以再现与负载的任何交互，更引人注目的是，启动和之间的任何相关模式PSEM。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。启动和 PSEM 之间的参与者之间也没有一致的相关性，无法支持资源帐户。然而，正式建模表明，资源帐户实际上与我们的数据并不矛盾，通过确认非线性（S 型）资源性能函数可以再现与负载的任何交互，更引人注目的是，启动和之间的任何相关模式PSEM。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。启动和 PSEM 之间的参与者之间也没有一致的相关性，无法支持资源帐户。然而，正式建模表明，资源帐户实际上与我们的数据并不矛盾，通过确认非线性（S 型）资源性能函数可以再现与负载的任何交互，更引人注目的是，启动和之间的任何相关模式PSEM。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。更引人注目的是，启动和 PSEM 之间的任何相关模式。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。更引人注目的是，启动和 PSEM 之间的任何相关模式。这项工作不仅加强了驳斥记忆编码的注意力资源帐户的难度，而且更普遍地质疑了负载操作的价值。