در مواردی‌که اطلاعات معینی را برای فقط چند لحظه باید به‌خاطر بسپاریم، باز هم سه مرحلهٔ حافظه شامل رمزگردانی، اندوزش و بازیابی در کار هستند.
رمزگردانی
برای رمزگردانی اطلاعات در حافظهٔ کوتاه‌مدت، نخست باید توجه ما بر آن اطلاعات متمرکز شود. از آنجا که توجه امری انتخابی است تنها آنچه انتخاب شود به حافظهٔ کوتاه‌مدت راه می‌یابد. این بدان معنی است که بخش عمدهٔ آنچه در معرض حواس قرار می‌گیرد هرگز به حافظهٔ کوتاه‌مدت راه نمی‌یابد و مسلماً برای بازیابی بعدی نیز در دسترس ما نیست. در واقع بخش عمدهٔ ناتوانی حافظه، ناشی از کم‌توجهی است. برای مثال، اگر از فروشگاهی خرید کرده باشید و از شما رنگ چشم صندوقدار را بپرسند ممکن است نتوانید جواب درستی بدهید. این امر نه به‌خاطر ناتوانی حافظهٔ شما، بلکه به این دلیل است که شما اصلاً به رنگ چشمان صندوقدار توجه نداشته‌اید.
رمزگردانی شنیداری
در جریان رمزگردانی، اطلاعات به‌صورت رمز یا بازنمائی وارد حافظه می‌شود. برای مثال، وقتی شماره‌ای را در دفتر تلفن پیدا می‌کنید و ضمن گرفتن شماره، آن را به‌خاطر می‌سپارید ارقام را به‌چه صورت بازنمائی می‌کنید؟ آیا این بازنمائی دیداری (visual) است (تصویری ذهنی از ارقام)، یا شنیداری (acoustic) (صدای نام ارقام) یا معنائی (semantic) (نوعی پیوند معنی‌دار بین ارقام)؟ پژوهشها نشان داده که می‌توان اطلاعات را به‌یکی از این صورت‌ها در حافظهٔ کوتاه‌مدت رمزگردانی کرد، هرچند وقتی سعی داریم اطلاعات را از راه مرور ذهنی (rehearsal) - یعنی با تکرار پیاپی در ذهن - فعال نگهداریم، رمز شنیداری را ترجیح می‌دهیم. در مواردی‌که اطلاعات شامل ماده‌های کلامی مانند ارقام، حروف یا کلمات باشد، مرور ذهنی روش متداولی است. بنابراین، هنگامی که سعی می‌کنیم شمارهٔ تلفنی را به‌خاطر بسپاریم، به احتمال زیاد آن را به‌صورت صداهای نام ارقام رمزگردانی می‌کنیم و تا گرفتن شماره، با خود تکرار می‌کنیم.
در آزمایش مشهوری که در آن شواهدی در تأیید رمزگردانی شنیداری به‌دست آمد، به آزمودنی‌ها سلسله حروفی شامل شش حرف صامت (مثلاً RLBKSJ) برای لحظه‌ای کوتاه نشان داده شد. پس از کنار رفتن حروف، آزمودنی‌ها می‌بایستی هر شش حرف را به‌ترتیب بنویسند. هرچند تمام آزمایش یکی دو ثانیه بیشتر طول نمی‌کشید، آزمودنی‌ها گاه دچار اشتباه می‌شدند. در چنین مواردی، حرف اشتباهی معمولاً صدائی شبیه صدای حرف درست داشت. در مثال فعلی، آزمودنی امکان داشت بنویسد RLTSKJ که در آن به‌جای حرف B، حرفی با صدای نسبتاً مشابه (حرف T)، نوشته شده است (کنراد - Conrad در ۱۹۶۴). یافتهٔ فوق مؤید این فرضیه است که آزمودنی‌ها حروف را به‌صورت شنیداری رمزگردانی می‌کنند (برای مثال، bee برای B)، و بعضی وقت‌ها بخشی از این رمز را فراموش می‌کنند، (مثلاً تنها قسمت ee از صدا باقی می‌ماند)، و آن‌گاه در پاسخ خود حرفی (مثلاً T، tee) را می‌آورند که با بخش آخر واژهٔ درست مطابقت دارد. برمبنای این فرضیه، در عین حال می‌توان تبیین کرد که چرا یادآوری ردیفی از موادی که تشابه صوتی دارند (مثلاً TBCGVE) دشوارتر از یادآوری موادی است که از لحاظ صوتی متمایز از یکدیگر هستند (مثل RLTKSJ).
رمزگردانی دیداری
در صورت نیاز، می‌توانیم مواد کلامی را به‌صورت بازنمائی یا رمز دیدار نیز حفظ کنیم. با این‌حال، آزمایش‌ها نشان داده که هرچند مواد کلامی را می‌توان به‌صورت دیداری نیز حفظ کرد، اما این رمز دیداری به‌سرعت محو می‌شود. برای مثال، پس از نگاهکردن به نشانی THIRD AVENUE 7915 ، می‌توانید به‌مدت یکی دو ثانیه، بازنمائی دیداری از آن در ذهن داشته باشید. در این بازنمائی جزئیات دیداری حفظ می‌شود، مثلاً اینکه نشانی را با حروف بزرگ نوشته‌اند. اما پس از چند ثانیه آنچه باقی می‌ماند صدای آن نشانی است (یعنی رمز شنیداری آن) و این رمز، اطلاعات مربوط به شکل حروف را حفظ نخواهد کرد (پوزنر - Posner و کیل - Keele در ۱۹۶۷).
این برتری رمز شنیداری ممکن است عمدتاً در مطالب کلامی صادق باشد. وقتی بخواهیم مواد غیرکلامی را در حافظه بی‌اندوزیم (مانند تصاویری که توصیف و درنتیجه مرور ذهنی آنها به‌طور شنیداری دشوار است) رمز دیداری اهمیت بیشتری می‌یابد. هرچند اکثر افراد می‌توانند برخی انواع تصویر ذهنی دیداری را در حافظهٔ کوتاه‌مدت نگاهداری کنند، اما فقط افراد معدودی قادر هستند تصاویر را به‌روشنی عکس با تمام جزئیات آنها به‌یاد بسپارند. این توانائی عمدتاً در کودکان دیده می‌شود. این قبیل کودکان می‌توانند لحظه‌ای به تصویری نگاه کنند، و پس از کنار رفتن تصویر هنوز هم صورت ذهنی آن را در برابر چشمانشان داشته باشند. به‌علاوه، می‌توانند این تصویر ذهنی را تا چندین دقیقه حفظ کنند، و وقتی از آنها سؤال می‌شود، جزئیات دقیقی از قبیل تعداد لکه‌های روی دم گربه (شکل آزمایش تصویر ذهنی روشن) را به‌یاد بیاورند.
آزمایش تصویر ذهنی روشن. این تصویر به‌عنوان آزمون به‌مدت ۳۰ ثانیه به کودکان دبستانی نشان داده شد. پس از آنکه تصویر کنار گذاشته شد، پسربچه‌ای در تصویر ذهنی خود حدود ۱۴ لکهٔ راه‌راه روی دم گربه گزارش کرد. این نقاشی اثر مارجوری‌توری (Marjorie Torrey) است که در کتاب آلیس در سرزمین عجایب اثر لویس کارول (Lewis Carroll) به تلخیص ژوزت فرانک (Josette Frank) آمده است.
به‌نظر می‌رسد این کودکان جزئیات را مستقیماً از روی تصویر ذهنی روشن خود گزارش می‌کنند (هیبر - Haber در ۱۹۶۹). البته تصویر ذهنی روشن پدیدهٔ بسیار نادری است. بعضی بررسی‌ها با کودکان نشان داده که فقط در حدود ۵ درصد آنان می‌توانند تصاویر ذهنی پایدار و با جزئیات دقیق گزارش کنند. به‌علاوه، وقتی معیار دقیق‌تری برای ارزیابی تصویر ذهنی روشن به‌کار گرفته می‌شود - مثلاً افراد صفحه‌ای از کتابی را در ذهن خود مجسم کرده و آن را از پائین به بالا به‌همان خوبی بخوانند که از بالا به پائین - فراوانی تصاویر ذهنی روشن، حتی در بین کودکان نیز بسیار اندک می‌شود (هیبر، ۱۹۷۹). بنابراین بازنمائی یا رمز دیداری شیء در حافظهٔ کوتاه‌مدت، چیزی کمتر از عکسی است که از آن شیء گرفته باشند.
دو نظام حافظهٔ کوتاه‌مدت
وجود رمزهای شنیداری و دیداری، پژوهشگران را به این نتیجه رسانده که حافظهٔ کوتاه‌مدت دو انباره موقت (buffer) دارد: انبارهٔ موقت شنیداری که اطلاعات را برای مدتی کوتاه به‌شکل رمز صوتی ذخیره می‌کند، و دیگری انبارهٔ موقت دیداری - فضائی که اطلاعات را برای مدتی کوتاه به‌صورت رمز دیداری یا فضائی ذخیره می‌سازد (بادلی - Baddeley در ۱۹۸۶). اخیراً برخی پژوهشها با استفاده از اسکن مغزی نشان داده که این دو نوع انبارهٔ موقت، ساختارهای مغزی مجزائی دارند.
در آزمایشی، در هر کوشش آزمودنی‌ها سلسله حروفی می‌دیدند که در آن گاهی خود حرف و گاهی جای آن حرف در هر کوشش تغییر می‌کرد (شکل آزمایشی دربارهٔ انباره‌های موقت شنیداری و دیداری).
آزمایشی دربارهٔ انباره‌های موقت شنیداری و دیداری. آزمودنی‌ها می‌بایستی بگویند آیا هر ماده با سومین مادهٔ بیش از آن از لحاظ معینی یکسان بوده یا نه. نیمهٔ بالائی شکل، نمودار رویدادهائی است که طی آن آزمودنی‌ها می‌بایستی تنها به‌نام حروف توجه کنند. نیمهٔ پائین شکل نشان‌دهندهٔ رویدادهای آزمایشی است که طی آن آزمودنی‌ها می‌بایستی تنها به مکان حروف توجه کنند. در هر دو بخش، پاسخ درست ماده‌های آزمون نیز ارائه شده است (اقتباس از اسمیت و همکاران، ۱۹۹۵).
به این ترتیب، محرک‌ها در هر دو مورد یکسان بود، با این تفاوت که آزمودنی‌ها یا اطلاعات کلامی را ذخیره می‌کردند (خود حروف)، یا اطلاعات فضائی را (مکان حروف). فرض بر این بود که اطلاعات کلامی در انبارهٔٔ موقت شنیداری و اطلاعات فضائی در انبارهٔ موقت دیداری - فضائی نگهداری می‌شود. هم در کوشش‌های مربوط به‌خود حروف و هم در کوشش‌های مربوط به مکان حروف، شاخص‌های پی‌ای‌تی فعالیت مغزی ثبت می‌شد. نتایج نشان داد که این دو انبارهٔ موقت در دو نیمکرهٔ متفاوت قرار دارند. در کوشش‌هائی که آزمودنی‌ها می‌بایستی اطلاعات کلامی را ذخیره کنند (انبارهٔ موقت شنیداری) فعالیت مغزی بیشتر در نیمکرهٔ چپ جریان داشت، اما در کوشش‌هائی که آزمودنی‌ها می‌بایستی اطلاعات فضائی را ذخیره کنند (انبارهٔ موقت دیداری - فضائی)، بیشترین فعالیت مغزی در نیمکرهٔ راست صورت می‌گرفت. به این ترتیب به‌نظر می‌رسد که این دو انبارهٔ موقت، دو دستگاه متمایز هستند (اسمیت - Smith، جونایدز - Jonides و کیپه - Koeppe در ۱۹۹۶).