Смущенията в дългосрочната памет се решават чрез отблъскване и прецизност заедно с диагностичните измерения на паметта, част 3

Методи за анализ

Критерии за изключване, базирани на ефективността За анализи, които включват данните от задачата за реконструкция, ние изключихме малък брой участници въз основа на ефективността по време на кръгове 9-12 на теста за асоциативна памет. Участниците бяха изключени, ако (a) техният процент грешки за несъстезателни изпитания е бил по-голям от 20% за някой от тези кръгове или (b) са избрали лицата на примамката на повече от 20% от състезателните изпитания за който и да е от тези кръгове.

Човешката памет е много важна и ни помага по-добре да разбираме и да се справяме с различни предизвикателства в живота. В съвременното общество обаче ние сме изправени пред огромно количество информация и паметта ни често е предизвикана и уморена.

Въпреки това можем да реконструираме връзката между данните за задачите и паметта по някои прости начини. Първо, можем да се опитаме да използваме работната памет, за да подобрим паметта си. Работната памет се отнася до способността за задържане и обработка на информация в краткосрочната памет. Чрез редовно изпълнение на задачи за паметта можем да упражняваме работната си памет и по този начин да подобрим паметта си.

Второ, можем да подобрим паметта си, като използваме сетивната си памет. Нашите сетивни спомени са толкова мощни, че можем да си припомним например вкуса на дадена храна за първи път. Като подобрим сензорната си памет, можем да подобрим паметта си.

Освен това можем да укрепим паметта си, като използваме метода на двореца на паметта. Дворците на паметта са древна техника, която използва сложни сцени, които конструираме, за да свържем информацията, която искаме да запомним, със сцената. По този начин можем лесно да си припомним информацията.

И накрая, можем да опитаме някои физически упражнения, за да подобрим паметта си. Физическата активност засилва метаболизма, което от своя страна повишава мозъчната ни активност. Чрез упражнения можем също така да насърчим кръвообращението, така че мозъкът да получава повече кислород и хранителни вещества, така че да може да обработва по-добре информацията.

В обобщение, можем да реконструираме връзката между данните за задачата и паметта, като използваме различни методи. Независимо дали става дума за упражняване на работна памет, укрепване на сензорната памет, използване на дворец на паметта или ангажиране с физическа активност, това може да ни помогне да подобрим паметта си и да ни направи по-гъвкави и ефективни в живота. Вижда се, че трябва да подобрим паметта и Cistanche deserticola може значително да подобри паметта, тъй като Cistanche deserticola е традиционен китайски лекарствен материал, който има много уникални ефекти, един от които е да подобрява паметта. Ефикасността на мляното месо идва от различните активни съставки, които съдържа, включително киселина, полизахариди, флавоноиди и др. Тези съставки могат да насърчат здравето на мозъка по различни начини.

Щракнете върху познайте добавките за подобряване на паметта

Въз основа на тези критерии един участник беше изключен от анализа на данните от задачата за реконструкция в Експеримент 1 (получаващ N=35), четирима бяха изключени от Експеримент 2 (получаващ N=37) и осем бяха изключени от Експеримент 3 (давайки N=49) (вижте https://osf.io/dj6q2/ за други критерии за изключване, които са установени, но не са приложими). Обосновката за наличието на висок праг за включване на участниците в анализа на задачата за реконструкция беше да се сведат до минимум случаите, при които участниците възстановяват напълно погрешно лице и вместо това да се съсредоточи върху отклонението/прецизността в иначе правилно запомнените лица.

Измерване на асоциативна памет

Както беше отбелязано по-горе, тестът за асоциативна памет беше използван, за да се потвърди, че участниците са постигнали висока точност при свързването на сигнали с лица. Тестът за асоциативна памет също така позволява манипулационна проверка дали конкурентното състояние предизвиква смущения (по-ниска точност на асоциативната памет) в сравнение с неконкурентното състояние. Данните от теста за асоциативна памет първо бяха анализирани по отношение на точността, неконкурентна в сравнение с неконкурентните опити. Проведохме отделна ANOVA с повтарящи се измервания за всеки експеримент с фактори на условие (състезателен, несъстезателен) и кръг на обучение (1–9 за Експеримент 1, 1–12 за Експерименти 2 и 3).

За състезателни изпитания ние също разделихме грешките според това дали се дължат на конкуренция (грешка на смущение) или не (примамки). Ако грешките бяха случайни, грешките на смущенията биха възникнали при една пета (20%) от опитите за грешки. За да проверим дали грешките на смущението са възникнали при нивата на вероятността по-горе, ние проведохме t-тестове с една извадка за всеки експеримент, сравнявайки средния процент грешки на смущението (във всички кръгове на обучение) до 20%.

Пристрастност при измерване

Както е описано по-горе, при всяко изпитване в задачата за конструиране целевото лице беше разположено в едно от четирите места (центъра на четирите квадранта). По този начин, както за осите x, така и за y на пространството за търсене, целта беше по средата между центъра и границата на пространството за търсене (фиг. 1а). За измерване на потенциални пристрастия, за всеки експеримент всички отговори бяха подравнени на обща ос и преустроени в обща скала, отделно за всяко измерение на характеристиката (афект, пол). За премащабираните данни обхватът на възможните отговори за всяко измерение беше -2 до 2, като 0 е центърът на пространството на лицето (т.е. центърът на това пространство за търсене).

За състезателното състояние, местоположението на целевото лице върху диагностичното измерение=1 и местоположението на лицето на примата=-1 (фиг. 1c). По този начин отклонението от лицето на примата ще бъде представено чрез стойности, по-големи от 1, докато отклонението към лицето на примата (или към центъра на пространството на лицето) ще бъде представено чрез стойности, по-ниски от 1. За недиагностичното измерение местоположението на целевото лице и лицето на двойката=1. Въпреки че лицата от несъстезателното състояние бяха включени в задачата за реконструкция, отклонението не беше измерено за тези лица, тъй като не съществуваше разлика между диагностични спрямо недиагностични измерения. По-скоро неконкурентните лица бяха от критично значение в теста за асоциативна памет, където те послужиха за установяване на общ ефект на интерференция на паметта.

Важно е да се отбележи, че за задачата за реконструкция обхватът на реакцията при всяко изпитване беше асиметрично разпределен около целта. Ако обхватът на отговор беше симетрично разпределен около целта, тогава правилният отговор на всеки опит по дефиниция би бил центърът на това пространство за търсене - което вероятно щеше да накара участниците да се научат просто да отговарят в центъра. Въпреки това, недостатъкът на подхода, който използвахме, е, че за диагностичното измерение в състезателното състояние имаше повече възможности да се реагира към лицето на примата (стойности между -2 и 1), отколкото далеч от лицето на примата (стойности от 1 до 2 ).

Разбира се, тази асиметрия работи срещу нашия прогнозиран ефект на отблъскване (стойности по-големи от 1). Независимо от това, за да отчетем асиметрично ограничения диапазон на реакция, ние оценихме истинската средна стойност чрез монтиране на пресечени нормални разпределения към данните. За всеки участник бяха проведени отделни модели за диагностичните и недиагностичните измерения, като всеки модел обединява данни за лица и характеристики (афект, пол), за да включва достатъчен брой точки от данни. По този начин всеки модел включва 32 точки от данни (осем лица в състезателно състояние × четири опита за реконструкция на лице). Оценката на максималната вероятност беше използвана за намиране на средното и стандартното отклонение на съкратено нормално разпределение, което най-добре отговаря на данните. Разпределенията бяха моделирани с помощта на пакетите transform и MASS в R.

Ние ограничихме пространството за търсене на средната стойност до диапазон от правдоподобни стойности, равномерно балансирани от двете страни на целта (± 1 единица) и ограничихме стандартното отклонение да бъде максимум 1 и минимум 0,1. Въпреки че разглеждаме моделираните средни стойности като по-добра оценка на истинските средни стойности, има някои източници на вариация, които моделите не отчитат. Например, моделите не отчитат потенциално уникални разпределения за всяко измерение на характеристика и/или стимул. Освен това има доказателства, че може да има присъщи, глобални отклонения в начина, по който чертите на лицето се припомнят по-късно (Bülthof & Zhao, 2020; Won et al., 2020). Критично обаче е, че всякакви глобални отклонения биха повлияли еднакво върху диагностичните и недиагностичните измерения. Следователно нашият анализ се фокусира основно върху разликите в моделираните средства за диагностичните спрямо недиагностичните измерения.

Прецизност на измерване

За да измерим прецизността, с която диагностичните и недиагностичните характеристики са запомнени за всяко лице, ние изчислихме стандартното отклонение на отговорите в четирите опита за реконструкция за всяко лице, отделно за измеренията на диагностичните и недиагностичните характеристики. След това изчислихме средната стойност на тези стойности на стандартното отклонение за всеки участник, отделно за диагностичните и недиагностичните измерения.

Измерване на връзката между отклонението на реконструкцията и асоциативната интерференция

За да определим дали отклонението на измерението на диагностичната характеристика играе адаптивна роля при намаляване на смущенията в паметта, проведохме серия от модели със смесени ефекти, които се фокусираха върху връзката между отклонението, измерено по време на задачата за реконструкция, и точността на теста за асоциативна памет (осреднено за последните четири кръга за улавяне крайното състояние на обучение). Въпреки че този анализ беше извършен на ниво отделни елементи (лица), стойността на точността за всяко лице беше определена като средна точност за това лице и неговия двойка. Като такива, и двата примата с всеки комплект имаха една и съща стойност на точност. Обосновката за осредняване на точността между приматите беше, че ако, например, участниците свържат две конкуриращи се лица (примати) с една и съща реплика (професия), вместо да третират едната от тези асоциации като „правилна“, а другата като „неправилна“, това е по-подходящо за грешката да бъде споделена между двете лица.

За анализите, свързани с пристрастията на реконструкцията към точността на асоциативната памет, ние изключихме участниците, които имаха перфектна точност във всички опити, в последните четири кръга на теста за асоциативна памет. Обосновката за това изключване е, че за тези участници не е имало вариация в асоциативната памет, която моделът да обясни. Освен това, ние не проведохме този анализ за Експеримент 1, като се има предвид представянето почти на тавана на теста за асоциативна памет през последните четири кръга (11 участници (31%) имаха 100% точност, а останалите участници имаха средна точност от 95,96± 3,01 % със средно SD в рамките на участник от 3,62 ±1,70). За Експерименти 2 и 3 – които използват повече подобни примати – точността на асоциативната памет е по-ниска и следователно по-малко участници са изключени поради тавана на представянето (седем участници (19%) в Експеримент 2 и шест участника (12%) в Експеримент 3; средна стойност точност за останалите участници, Exp. 2: M=92.47 ± 7.58%, Exp. 3: M =93.56 ± 6.26%).

За тези модели беше критично да се изчисли пристрастието на реконструкцията на ниво отделни лица. Обаче, описаният по-горе метод за оценка на средната пристрастност за всеки участник чрез обединяване на опити/лица не беше осъществим за този анализ предвид малкия брой наблюдения (четири опита на лице). По този начин, за този анализ, ние просто използвахме средната стойност на отговора на реконструкцията (през четирите опита на лице). За да отговорим на безпокойството, че всяка наблюдавана връзка между пристрастията на реконструкцията и точността на асоциативната памет може да се дължи на потенциални „грешки при размяната“, нашият предварително регистриран подход беше да изключим всички индивидуални отговори (опитвания), за които мащабираният отговор беше между {{0}} и 0 и да се запазят само отговорите, за които скалираният отговор е между 0 и 2. За диагностичното измерение всички отговори, които са по-близо до конкуриращия се примат, отколкото до целта, следователно са изключени. Всички останали отговори бяха включени в средния отговор за всяко лице.

Макар и рядко, ако дадено лице беше свързано с изключен отговор при всичките четири опита за реконструкция, това лице беше напълно изключено от анализа. За Експеримент2 това се случи за общо четири лица, разпределени между четирима участници; за Експеримент 3 това се случи за общо шест лица, разпределени между шестима участници. Въпреки че този предварително регистриран подход за изключване на потенциални суап грешки беше предназначен като консервативен подход за елиминиране на влиянието на екстремни грешки, всички наши основни резултати останаха значими, когато не бяха изключени отговори. Освен това, в проучвателни анализи, които комбинираха данни от експерименти 2 и 3, вместо да изключат изцяло екстремните отговори, отговорите между -2 и 0 бяха ограничени до стойност от 0, което позволява всички опити да се запази в модела, но да се намали влиянието на екстремните отговори.

Моделите със смесени ефекти бяха внедрени в R с помощта на пакета theme4 (Bates et al., 2014). Тестовете за съотношението на вероятността бяха използвани за сравняване на модели със съответните променливи с нулеви модели, които изключват тези променливи. За да се отчетат потенциалните разлики, свързани с това дали диагностичното измерение е ефект спрямо пола, всички модели включват тази категорична променлива като фиксиран ефект. За да позволим връзката между пристрастията на реконструкцията и точността на асоциативната памет да варира за всеки участник, ние моделирахме връзката между пристрастията и точността на асоциативната памет със случайни прихващания и произволни наклони за всеки участник, където е възможно.

Нашият предварително регистриран подход за работа с модели, които не успяха да се сближат или които достигнаха единичен ft, беше да стартираме отново същия модел с премахната произволна склонност за отклонение (вижте Barr et al., 2013). Въпреки че всичките ни предварително регистрирани модели се сближиха, проучвателен модел, който използваше разликата в отклонението на диагностичното спрямо недиагностичното измерение като предиктор, не успя да се сближи, когато беше включен произволен наклон; по този начин премахнахме случайния наклон. Проучвателните модели, които включват само беззнакова грешка или точност като предиктори (без пристрастия), не успяха да се сближат, когато за тези променливи бяха включени произволни наклони; по този начин премахнахме произволни наклони за тези променливи.

И накрая, проучвателните модели, които включват отклонение заедно с прецизност и грешка без знак като предиктори, също не успяха да се сближат, когато случайните наклони бяха включени за всички променливи; когато премахвахме произволни наклони, приоритизирахме запазването на произволен наклон за отклонение, което доведе до изключване на произволни наклони за прецизност и грешка без знак.

Резултати

Тест за асоциативна памет

За да проверим дали точността на асоциативната памет се различава между състезателните и несъстезателните условия, ние проведохме ANOVA с повтарящи се измервания за всеки експеримент с фактори на условие (състезателен, несъстезателен) и кръг (Опит 1: първите девет кръга; Опит 2 и Експеримент. 3: 12 кръга). За всеки експеримент имаше значителен основен ефект от условието (Експ. 1: F(1,35) {{10}}.14, p < 0.001, 휂2G=0.034; Опит 2: F(1,40)=67.43, p < 0,001, 휂2G=0.10; Опит 3: F(1, 56)=88.21, p <0.001, 휂2G=0.16), с по-ниска точност в състезателното състояние (фиг. 2а). За да потвърдим, че тази разлика конкретно отразява смущенията, разгледахме видовете направени грешки. За условията на състезание, грешките биха могли да съответстват на избора на лицето на състезателя или на една от четирите несъстезателни примамки (фиг. 2b). Ако грешките са произволни, състезателят ще бъде избран на една пета от опитите за грешка. Обаче, комбинирайки опити за грешка в рундове, състезателят беше избран на нива над шансовете (Опит 1: M=60.18 ± 19.68%, t(35)=12.25, p< 0.001, d = 2.04; Exp. 2: M = 71.29 ± 15.78%, t(40) = 20.82, p < 0.001, d = 3.25; Exp. 3: M = 78.63 ± 11.58%, t(56) = 38.21, p < 0.001, d = 5.06), confirming that increased errors in the competitive condition refected interference from the competitor face.

За да проверим дали точността на реконструкцията на лицето е над шанса, ние измерихме евклидовото разстояние между всеки отговор и местоположението на целевото лице (в двуизмерното пространство на отговора; Фиг. 1c). За всеки участник средното евклидово разстояние между отговорите и целевите местоположения беше сравнено с пермутирано разпределение (изчислено чрез изместване на отговорите в рамките на участника 10, 000 пъти). Прецизност над вероятността (по-добра от 97,5% от пермутираните средни стойности) се наблюдава за всеки участник (фиг. 3).

Пристрастие при реконструкция на лицето

За да тестваме нашата критична прогноза за отблъскване по измерението на диагностичното лице, сравнихме отклонението на характеристиките (вижте Методи) за диагностичните спрямо недиагностичните измерения в конкурентното състояние (фиг. 4а). Първо тествахме прогнозите в Експерименти 1 и 2, а след това тествахме за репликация в Експеримент 3. ANOVA с многократни измервания с фактори на измерение (диагностичен, недиагностичен) и експеримент (Експеримент 1, Експеримент 2) разкри значително по-голямо отклонение към отблъскването на диагностичното измерение (F(1,70)=22.25, p< 0.001, 휂2 G = 0.061). There was a trend toward a significant interaction between dimension and experiment (F(1,70) = 3.96, p = 0.0506, 휂2 G = 0.011), with a relatively weaker effect size in Experiment 1 (d = 0.27) than in Experiment 2 (d = 0.73). As predicted, Experiment 3 replicated, with a large effect size and preregistered hypothesis, the greater bias toward repulsion on the diagnostic dimension (t(48) = 5.87, p < 0.001, d = 0.83).

Въпреки че нашите предварително регистрирани анализи се фокусираха върху сравнението между диагностични и недиагностични измерения, ние също тествахме дали реконструкциите на диагностичното измерение значително се различават от истинското местоположение на целевите лица. Наистина, комбинирайки данни от всичките три експеримента, моделираните средни стойности за диагностичното измерение бяха значително по-големи от истинската стойност на1 (t(120)=4.39, p < 0.{{ 60}}01, d=0.40), отразявайки отклонение от конкурентното лице. Този ефект не се различава значително в различните експерименти (F(2,118)=2.15, p=0.12, 휂2G =0.035). За разлика от това, в недиагностичното измерение имаше малко, но значително отклонение към центъра на лицевото пространство (моделирани средства < 1; t(120)=-2.33, p=0.021, d {{ 25}}.21). Този ефект се различава значително в различните експерименти (F(2,118)=9.56, p <0.001, 휂2G=0.14). Всъщност в експеримент 1 отговорите бяха значително над 1 (t(34)=2.15,p=0.039, d=0.36), а в експерименти 2 и 3 те бяха значително под 1 (Експл. 2: t(36)=-2.45, p=0.019, d =0.40; Експ. 3: t(48) {{58} }.98, p < 0.001, d=0.57). Докато абсолютните стойности на реконструираните отговори трябва да се тълкуват с известна предпазливост (поради потенциални глобални отклонения), последователното пристрастие към отблъскване на диагностичното измерение подкрепя нашата прогноза, че конкуренцията предизвиква целенасочено отблъскване на диагностичното измерение.

Прецизност на реконструкцията на лицето

След това тествахме дали прецизността на реконструкцията се различава в диагностичните спрямо недиагностичните измерения (фиг. 4b). Ние дефинирахме прецизността като стандартното отклонение при повтарящи се реконструкции на едно и също лице (вижте Методи). За състезателното състояние, ANOVA с многократни измервания с фактори на измерение (диагностичен, недиагностичен) и експеримент (Exp. 1, Exp. 2) разкри значително по-голяма прецизност – т.е. по-ниска вариабилност на реконструкцията – върху диагностичното измерение (F(1,7) {{10}})=16.81, p < 0,001, 휂2G=0.044). Този ефект не взаимодейства с експеримента (F(1,70)= 0.34, p=0.56, 휂2G=0.001). Ефектът от по-голяма прецизност върху диагностичното измерение беше възпроизведен (в съответствие с нашата предварително регистрирана прогноза) в Експеримент 3 (t(48)=5.45,p <0.001, d=0.74).

Въпреки че нашата мярка за прецизност беше математически независима от нашата мярка за отклонение, забележимо е, че тези мерки бяха свързани така, че лицата, реконструирани с по-голяма точност, също бяха склонни да бъдат свързани с по-голямо отклонение (виж Фиг. S2A, OSM). Важно е обаче, че ефектът от по-голяма прецизност върху диагностичното спрямо недиагностичното измерение остава значителен дори когато елементите с голямо отклонение са изключени от анализа (виж Фиг. S2B, OSM).

Връзка между отклонението на реконструкцията и асоциативната интерференция

И накрая, тествахме нашето предсказание, че по-голямото пристрастие на реконструкцията (отблъскване) на диагностичното измерение е свързано с по-добро представяне на теста за асоциативна памет (по-малко смущения). Поради почти тавана на асоциативната памет в Експеримент 1 (фиг. 2), ние се фокусирахме върху данните от Експеримент 2. Проведохме модел със смесени ефекти, който прогнозира точността на асоциативната памет на ниво елемент с фиксирани ефекти на (а) отклонение върху диагностичното измерение (непрекъсната променлива) и (б) дали диагностичното измерение е засегнато или пол (категорична променлива). Отклонението беше моделирано с произволни отсечки и наклони за всеки участник. Използвайки тест за съотношение на вероятността, сравнихме този модел с модел без пристрастия. Критично, моделът ft беше значително по-добър, когато беше включено пристрастието (χ2(1)=4.67, p=0.031), като пристрастието предсказва положително асоциативната точност на паметта (пристрастност=3.58, SE =1.62). Като контрола, повторихме същия анализ, но с отклонение върху недиагностичното измерение; тук отклонението не успя да подобри модела ft (χ2(1)=0.021, p=0.89, отклонението=-0.31,SE=2.14). За Експеримент 3 прогнозирахме (използвайки предварително регистриран анализ) репликация на връзката между отклонението на диагностичното измерение и точността на асоциативната памет. Наблюдавахме малък ефект в прогнозираната посока, но той не беше значителен (χ2(1)=0. 24, p=0.63, отклонение=0.69, SE= 1.41).

В нашия предварително регистриран анализ изключихме реакциите на реконструкция (изпитания), които бяха по-сходни с конкурента, отколкото с целта. Обосновката за това беше да се гарантира, че екстремните реакции (потенциални суапови грешки) нямат прекомерно влияние върху модела (вижте Методи). Въпреки това, този подход напълно елиминира тези изпитания, вместо да минимизира влиянието им.

Следователно, като проучвателен анализ, ние заменихме тези екстремни резултати за реконструкция със стойност от {{0}} (равно разстояние между целта и конкурента, вижте Методи). Това позволи да бъдат включени всички опити, но намали влиянието на екстремните реакции (вижте Фиг. S4 (OSM) за допълнителен анализ на това какво могат да представляват тези екстремни реакции). За този проучвателен анализ ние комбинирахме данни от Експерименти 2 и 3, като експериментът (Опит 2, Експеримент 3) беше добавен като фиксиран ефект. В сравнение с нулев модел, добавянето на отклонение към диагностичното измерение значително подобри модела ft (χ2(1)=15.88, p < 0,001), с положително отклонение (отблъскване), прогнозиращо по-висока точност на асоциативната памет (пристрастие {{12} }.45, SE=1.04).

Добавянето на взаимодействие между експеримента и отклонението не подобри напасването на модела (χ2(1) =1.39, p=0.24, exp×bias=-2.47, SE=2 .08), което показва, че връзката между пристрастията и асоциативната памет не се различава в различните експерименти. Освен това отклонението значително подобри съответствието на модела, когато се прилага само към данни от експеримент 3 (χ2(1)=3.98, p=0.046, отклонение=2.45, SE=1 .19), потвърждавайки, че връзката между отклонението и асоциативната памет не се ръководи само от данните от Експеримент 2. Като контрола проведохме същото сравнение на модела, но с пристрастие към недиагностичното измерение като предиктор; няма значителна разлика между моделите (χ2(1)=0.14, p=0.71, отклонение =-0.40, SE=1.08).

Освен това, степента на отклонение на диагностичното измерение по отношение на недиагностичното измерение (т.е. оценката на разликата в отклонението) също значително подобри пригодността на модела в сравнение с нулев модел без отклонение, χ2(1)=19.87, p< 0.001, βbias. dif = 2.71, SE = 0.60 (random slopes were excluded due to reaching singularity).

For more information:1950477648nn@gmail.com