Efficient learning free recall dataset

# Dataset

Free recall data from a bunch of different free recall variants. [Download link](https://github.com/ContextLab/efficient-learning-data).

# Things to do

- Bayesian version of TCM, like [this one](https://www.dropbox.com/s/nruwawbey8wu8nr/SochEtal09.pdf)
- Maybe add a multiple timescales component?
- Predict:
- Which words are recalled overall
- Clustering (memory fingerprints)
- Individual recalls
- Thought trajectories

- could also model [this dataset](http://memory.psych.upenn.edu/files/pubs/HowaKaha99.data.tgz)-- [Howard, M. W. and Kahana, M. J. (1999). Contextual variability and serial position effects in free recall. Journal of Experimental Psychology: Learning, Memory, and Cognition, 25(4), 923–941.](http://memory.psych.upenn.edu/files/pubs/HowaKaha99.pdf)

Commencez par examiner le dataset efficient-learning-data lié ainsi que l’article de Soch et al. sur le TCM bayésien, puis décidez quelle cible de prédiction et quelle portée de modèle poursuivre. Le travail serait considéré comme terminé lorsqu’un plan de modélisation défini et des résultats seraient disponibles pour des cibles sélectionnées telles que le recall global, le clustering, les recalls individuels ou les trajectoires de pensée ; le dataset de Howard et Kahana constitue une portée supplémentaire possible.

Rédigé par le modèle d'indexation à partir du texte de l'issue.