Выбор основан на суммировании активаций в семантической памяти.
Как от сенсорных входов, так и от контекста. Этот аккаунт может показаться скорее похожим на аккаунт Трейсмана. Аттенюатор, так как наиболее вероятные входы с большей вероятностью будут выбраны из-за
взаимодействие между заливкой и вводом. Тем не менее.
Трейсман поместил аттенюатор на начало системы до места, где хранятся долгосрочные знания, тогда как Норман поместил селективный процесс внимания после параллельного доступа к семантическому объем памяти. Кроме того, модель Нормана имеет некоторые общие черты с моделью (1963); а не полный анализ всех входов на самом высоком уровне,
Норман позволил вниманию быть вопросом степени.
Значения уместности присваиваются вообще уровни обработки, и значение релевантности может измениться при дальнейшей обработке. А сообщение, которое изначально кажется маловажным, может оказаться более уместным после дальнейшей обработки. Наконец, большинство сообщений будет отклонено, и только наиболее подходящие для наиболее глубокой обработки.
Модель Нормана легко может учитывать эффекты семантики, которые были затруднительны для исходной теории фильтров. Очень вероятные слова, представленные на ухо без присмотра, будут услышаны, потому что эффекта контекстно-зависимой уместности.
Льюис (1970) провел эксперимент, показали, как связь между скрытым или посещаемым сообщением и незатененным
или автоматическое сообщение влияет на скорость затенения. Слова, представленные на ухо без присмотра были семантически связаны, ассоциативно связаны или не связаны с сообщением, которое
затененный. Хотя субъекты ничего не могли вспомнить по ушам без присмотра.
Время, которое потребовалось им, чтобы сказать затененные слова, было больше, когда имелась семантическая
отношения между ними. Этот эффект предсказывается моделью Нормана, поскольку бессознательное
семантическая обработка замедлила обработку обслуживаемых слов.
