Приносът на епизодичната дългосрочна памет към работната памет за обвързвания

Резюме: Настоящите експерименти подкрепят две заключения относно ограничението на капацитета на работната памет (WM). Първо, те предоставят доказателства за хипотезата за обвързване, капацитетът на WM е ограничен от намеса между обвързвания, но не и елементи. Второ, те показват, че епизодичният LTM допринася значително за обвързването на паметта, когато капацитетът на WM е разтегнат до краен предел от по-големи набори от размери. Тествахме непосредствената памет за набори от двойки дума-картина. С увеличаване на размера на набора, паметта за обвързвания намалява по-рязко от паметта за елементи, както е предвидено от хипотезата за обвързване. И все пак, при по-високи зададени размери производителността беше по-стабилна от очакваното от памет с ограничен капацитет, което предполага принос на епизодична дългосрочна памет (LTM) за заобикаляне на ограничението на капацитета на WM. В подкрепа на тази хипотеза, ние показваме двойна дисоциация на приноса на WM и епизодичния LTM към обвързващата памет: производителността при зададени размери, по-големи от 3, беше конкретно засегната от проактивна намеса - но беше имунизирана срещу влияния от забавяне, изпълнено с дистрактор. За разлика от това, производителността при зададен размер 2 не беше повлияна от проактивна намеса, но беше увредена от забавяне, изпълнено с дистрактор.

Cistanche опит - Подобряване на паметта

1. Въведение

В теориите за човешката памет често се прави разлика между работна памет (WM) и дългосрочна памет (LTM). WM се разбира като система с ограничен капацитет, която поддържа ментални представяния на разположение за обработка, докато в LTM информацията се съхранява по-трайно с предполагаемо неограничен капацитет (Cowan, 2008). WM и LTM показват значително структурно и функционално припокриване (Eriksson, Vogel, Lansner, Bergstr¨om, & Nyberg, 2015; Lewis-Peacock & Postle, 2008; Ranganath, 2006; Ranganath & Blumenfeld, 2005; Ranganath, Cohen, & Brozinsky, 2005) и връзката между тези системи е в центъра на дебата между привържениците на няколко модела на паметта, които или ги представят като две отделими системи на памет (напр. Atkinson & Shiffrin, 1968; Baddeley, 2012; Barrouillet & Camos, 2012; Cowan, 2008), или като единна система за памет (напр. Crowder, 1982; Melton, 1963; Nairne, 1990, 2002). Междинните теории между тези крайности концептуализират WM като подгрупа от LTM представяния, които – за ограничен период от време – са в повишено състояние на достъпност (Cowan, 1995; Oberauer, 2002). Тясната връзка между WM и LTM също е емпирично добре подкрепена. Например, измерванията на капацитета на WM са силно свързани със способността за запомняне в дългосрочен план (Unsworth, 2010; Wilhelm, Hildebrandt, & Oberauer, 2013) и с асоциативното обучение (Tamez, Myerson, & Hale, 2008, 2012). Един от начините, по които WM и LTM си взаимодействат, е, че бързо формираните представяния в епизодичните LTM могат да допринесат за изпълнението на задачи, предназначени да тестват WM (Cowan, 2019). Приносът на епизодичния LTM към производителността в WM тестовете не винаги се признава от изследователите, но неговата правдоподобност е неоспорима: Със сигурност епизодичната памет, която поддържа информация за събития, които сме преживели преди много време, също поддържа информация за събития преди няколко секунди. Ролята на епизодичната памет се приема за даденост в моделите на свободно припомняне (напр. Davelaar, Goshen-Gottstein, Ashkenazi, Haarmann, & Usher, 2005; Sederberg, Howard, & Kahana, 2008), но не и в моделите на серийно припомняне ( напр. Lewandowsky & Farrell, 2008), което е най-често използваната парадигма за тестване на WM. Разликата между свободното и серийното припомняне обаче се основава повече на историческото разделение на изследователските традиции, отколкото на съществена разлика (Grenfell-Essam & Ward, 2012; Ward, Tan, & Grenfell-Essam, 2010). Например, един от основните работни коне на изследванията на WM, парадигмата на сложния обхват (Daneman & Carpenter, 1980), е много подобна на парадигмата на непрекъснатото разсейване в изследванията върху епизодичните LTM (Bjork & Whitten, 1974): Представяне на списък елементите се вмъкват с периоди на обработка на дистрактора. В литературата за епизодични LTM задачите за отвличане на вниманието се използват за изместване на информация от WM, за да се получи по-чиста мярка за епизодични LTM. Някои изследователи твърдят, че същото може да се случи при сложни задачи (McCabe, 2008; Unsworth & Engle, 2007), така че представянето отразява значителна степен на припомняне от епизодични LTM. По-общо казано, Cowan (2019) твърди, че епизодичните следи се създават бързо в активираната част на LTM и допринасят за производителността при WM тестове. Beukers, Buschman, Cohen и Norman (2021) твърдят, че информацията, успешно поддържана в WM задачи, като същевременно остава „невронно безшумна“ (т.е. не може да се декодира от невронна активност по време на интервала на задържане), не се поддържа в WM, а в епизодични LTM. В подкрепа на тази възможност изследванията показват, че е възможно бързо образуване на епизодични LTM следи в рамките на няколко секунди (Huebner & Gegenfurtner, 2011; Verhaeghen, Vandenbroucke, & Dierckx, 1998). Целта на настоящото изследване е да се разбере как LTM допринася за WM въз основа на предположението, че трябва да има някаква форма на разделение между съдържанието на WM и представянията в LTM, за да се отразят техните различни функции. По този начин настоящата работа няма да говори за дебата дали WM и LTM са структурно отделни системи. По-скоро се фокусираме върху идентифицирането на функционални разлики между тях, чрез които можем да определим до каква степен изпълнението на задача с памет зависи от WM и до каква степен разчита на епизодични LTM.

Основни химични съставки на Cistanche deserticola

1.1. Капацитетът на WM е ограничение за свързванията

Въпросът как са свързани WM и LTM първоначално не е мотивирал настоящите експерименти. По-скоро началната точка на нашето разследване беше: Защо капацитетът на WM е ограничен? Една хипотеза за естеството на това ограничение на капацитета е, че то поставя специфично ограничение на запомнените временни обвързвания (Oberauer, 2019). Тази обвързваща хипотеза гласи, че ограничението на WM се отнася до краткосрочната поддръжка на обвързвания, но не и до елементи. Паметта за елементи се определя като способността да се помни кои отделни елементи (напр. думи, визуални обекти) са се появили наскоро. Може да се постигне чрез поддържане на високо ниво на активиране на представянията на представените елементи, което в някои теории за WM е единствената форма на поддръжка (напр. Davelaar et al., 2005; Ma, Husain, & Bays, 2014). Паметта за елементи често е достатъчна, за да се запомни кои елементи са включени в текущия набор от памети – тези с най-високо ниво на активиране – но не и за запомняне на структурата на набора от памети (напр. реда на елементите). Свързванията се разбират като временни връзки между представяния на елементи, кодиращи отношенията между тях (напр. кой обект е представен заедно с коя дума) или отношения между елементи и техния контекст (напр. кой обект е представен на кое място, или коя дума е представена в коя последователна позиция на списък). Неуспешно свързване на паметта, докато паметта на елемента е непокътната, се проявява в характерни грешки в WM тестове. Например при серийно извикване хората често си спомнят елементите от списъка, но ги възпроизвеждат в грешен ред (Henson, 1996). В тест на WM за пространствени масиви от обекти участниците са много добри в запомнянето кои обекти са били в масива и кои местоположения са били заети, но често не успяват да присвоят всеки обект на правилното му местоположение (Pertzov, Dong, Peich и Husain , 2012). Хипотезата за обвързване гласи, че капацитетът на WM е ограничаващ фактор за краткосрочната поддръжка на обвързвания, но не и на елементи. Паметта за елементи се поддържа в активираната част на LTM, която е част от WM системата, но не подлежи на ограничение на капацитета (Cowan, 1995; Oberauer, 2009a). Хипотезата за свързване може да бъде тествана чрез капитализиране на първичното експериментално откритие, демонстриращо ограничен капацитет на WM: ефектът на зададения размер. Тъй като броят на елементите, които трябва да се държат в WM, се увеличава, производителността на хората намалява рязко (вижте Фиг. 1 за няколко примера). Хипотезата за обвързване предполага, че с увеличаване на размера на набора, паметта за обвързвания трябва да намалява, докато паметта за елементи трябва да бъде (до голяма степен) незасегната. Oberauer (2019) предостави доказателства за тази прогноза в два експеримента, тестващи непосредствената памет за списъци с думи с различни размери на набори. Паметта за сонди в определени позиции в списъка беше изследвана чрез тестове с множество алтернативи за принудителен избор, в които някои алтернативи представляваха грешки в елементите (т.е. думи, които не са в списъка), докато други представляваха обвързващи грешки (т.е. думи в списъка от различна от тестваната позиция ). Степента на грешки на участниците се увеличава с дължината на списъка и това се дължи почти изключително на обвързващи грешки (вж. Cowan, 2022). Допълнителна подкрепа за хипотезата за обвързване идва от проучвания на индивидуалните различия, които показват, че способността за поддържане на временни обвързвания е силно свързана с флуидна интелигентност и е вероятно да стимулира високите корелации между представянето в задачите на WM и тестовете за интелигентност (Chuderski, 2019 ; Wilhelm et al., 2013). Към днешна дата твърдението, че капацитетът на WM е ограничен от намеса между обвързванията, е експериментално изследвано само за обвързване на елементи към съответните им серийни позиции в списък. Въпреки това ефектът от размера на набора върху способността за запомняне на връзката между елементите от списъка и тяхната позиция може да не е чисто отражение на ограничението на капацитета за поддържане на обвързвания. Това е така, защото зададеният размер може да бъде объркан с отличителните черти на серийните позиции. Няколко официални модела на серийно припомняне предполагат такова объркване. Например в модела Start-End (Henson, 1998) серийните позиции са представени чрез претеглена комбинация от маркер за началото на списъка и маркер за края. Отличителността на тези представяния на позиции е по-ниска в средата на списъка, отколкото по-близо до началото и края – което води до ефект на първичност и актуалност. Тъй като дължината на списъка се увеличава, повече елементи се разпределят на позиции, по-отдалечени от началото и края, така че средната позиционна отличителност намалява. В друг модел (Botvinick & Watanabe, 2007) се приема, че серийните позиции са подобни на представянето на числени количества. По-високите количества са по-малко отличителни от по-малките – например, по-лесно е да се направи разлика между 1 и 2 обекта, отколкото между 6 и 7. С увеличаването на дължината на списъка се набират позиции, съответстващи на по-високи числа, което отново означава, че средната позиционна отличителността в списъка намалява. Следователно, в настоящото изследване, ние имахме за цел да тестваме хипотезата за обвързване за друга форма на обвързвания в WM: обвързванията между думи и картини. Този избор на материали има предимството, че няма известно объркване между размера на набора от памети и отличителността на представянията, които са обвързани едно с друго: отличителността по двойки между думи или картини, взети на случаен принцип от група, не трябва да се влияе от това как много думи или снимки са включени в комплекта памет. Предишна работа, използваща подобна парадигма за проучено извикване за изследване на паметта за кратки списъци от двойки думи (Murdock Jr., 1963), показа, че вероятността за извикване на правилната двойка намалява с увеличаване на размера на набора. Следователно тази задача е подходяща за по-нататъшно изследване на приноса на паметта на елемента и обвързването към ефекта на размера на набора. Съгласно хипотезата за обвързване, намесата между обвързванията създава ограничение на капацитета селективно върху способността да се поддържат. Следователно все пак трябва да очакваме, че увеличаването на размера на набора силно влошава способността на хората да запомнят коя дума е комбинирана с коя картина. В същото време увеличаването на зададения размер не трябва да има никакъв или много по-благоприятен ефект върху способността на хората да си спомнят отделни елементи (т.е. да си спомнят кои думи или картини са видели в текущия опит). Прогнозата за паметта на елемента не е, че изобщо няма ефект на набор от размери, защото ако паметта на елемента не е ограничена от капацитета на WM, тя все още е ограничена от фактори, ограничаващи достъпа до епизодични LTM.1 Въпреки това, ние очакваме този ефект на набор от размери да не показва подписа на ограничение на капацитета, както често се наблюдава при WM тестове: Стабилна производителност на високо ниво за зададени размери в рамките на капацитета, последвано от рязък спад, след като зададеният размер надхвърли капацитета.

Фигура 1. Представителни констатации, демонстриращи ефекта на размера на комплекта върху точността (взети от Oberauer et al., 2018). (A) Серийно припомняне в прости и сложни span тестове с вербални материали (Unsworth & Engle, 2006). (B) Обхват на паметта за бягане (Bunting, Cowan, & Scott Saults, 2006). (C) Разпознаване на предмет (McElree & Dosher, 1989). (D) Стандартен N-back (Jonides et al., 1997) и версия на N-back, в която следващите стимули се представят в N колони, така че всеки стимул се появява в същата колона като едната N стъпки назад (Verhaeghen & Basak, 2005). (E) Актуализиране на WM с цифри и аритметични операции (Oberauer & Kliegl, 2001). (F) Откриване на промяна с масиви от цветни квадрати (Adam, Mance, Fukuda, & Vogel, 2015).

1.2. Настоящото изследване

Първата цел на настоящото изследване беше да предостави нов тест на хипотезата за свързване на капацитета на WM. Постигнахме това с Експеримент 1, но този експеримент също разкри силен намек, че епизодичният LTM е допринесъл значително за нашия тест за обвързваща памет, особено при по-големи размери на набори. Следователно, втората ни цел беше да проучим този принос и да го изолираме от приноса на WM към обвързващата памет. Ние направихме това чрез въвеждане на манипулации, за които се предполага, че конкретно нарушават или WM, като въвеждане на задача за разсейване преди теста (напр. Peterson & Peterson, 1959) или епизодична LTM, чрез въвеждане на проактивна намеса (Cowan, 2005). Имахме за цел да проучим при кой зададен размер всяка от тези манипулации влияе на производителността на паметта в незабавен 4-алтернативен тест за разпознаване с принудителен избор.

2. Експеримент 1

В експеримент 1 имахме за цел да тестваме хипотезата за обвързване чрез тестване на паметта на субектите за различен брой двойки дума-картина. По време на теста паметта беше подсказвана или от картини, или от думи, и участниците трябваше да изберат другия елемент от тестваната двойка от четири варианта за отговор. Тези опции включват целта и три различни вида примамки: (1) примамка в рамките на изпитването: стимул, който е част от двойка в текущата двойка, но не и тестваната двойка; (2) стара примамка: стимул, който е бил част от двойка в предишен опит; и (3) нов елемент: стимул, който не е използван в нито един опит. Този тест е предназначен за разграничаване на паметта за предмет и обвързване: Отхвърлянето на примамката в рамките на изпитването изисква памет за правилното обвързване между съответно поставената картина (или дума) и целевата дума (или картина). Ако субектите имат непокътната памет за предмет, но нямат обвързваща памет, те биха могли да изключат стари и нови примамки, но трябва да избират между целевата и примамката в рамките на опита с еднаква вероятност. Ако нямат нито обвързване, нито памет за артикули в WM, но някакъв сигнал за познаване на предишни артикули като цяло, който им позволява да изключат новата примамка, тогава те биха избрали между целта, примамката в рамките на изпитанието и старата примамка. Ако изобщо нямат памет, те трябва да отгатнат между четирите варианта на отговор (вижте Bartsch, Loaiza, & Oberauer, 2019; Oberauer, 2019; Wilhelm et al., 2013 за подобни подходи). Ако капацитетът на WM е наистина ограничен от намеса между обвързванията, докато паметта на артикула не се влияе от лимита на капацитета на WM, тогава хората трябва да могат да избягват грешките на артикула (т.е. избиране на стари или нови примамки) доста добре, независимо от размера на комплекта, но трябва да показват рязко увеличение на грешките при завързване (т.е. при избора на примамка в рамките на изпитването), тъй като размерът на комплекта достига и надвишава капацитета на WM (т.е. около 3-4 чифта). Следователно производителността трябва да намалява с увеличаване на размера на комплекта и това увеличение трябва да се дължи главно на по-високия процент на грешно избрани примамки в рамките на изпитването при теста.

Китайска билка цистанче

2.1. Метод

2.1.1. Участници

Събрахме данни от 20 участници за Експеримент 1 (средна възраст=23.67; 15 жени). Избрахме първоначалния размер на извадката от N=20 за този и следващите експерименти, тъй като е достатъчен за откриване на средни до големи ефекти в дизайни в рамките на субектите и тъй като е известно, че ефектите от размера на набора от памет са големи. Използването на байесова статистика означава, че размерът на извадката може да бъде увеличен в случай на двусмислени доказателства, докато неяснотата бъде разрешена (Rouder, 2014; Sch¨onbrodt, Wagenmakers, Zehetleitner, & Perugini, 2017); това беше необходимо за експерименти 2, 3, 4 и 5. Само участници, чийто майчин език е немски, на възраст между 18 и 35 години и които съобщават за нормално или коригирано до нормално зрение, участваха в този и следващите експерименти. Всички са били студенти, записани в университета в Цюрих или ETH Zurich. Участниците подписаха информирано съгласие преди проучването и бяха разпитани в края. Експерименталният протокол на този и всички следващи експерименти е в съответствие с разпоредбите на Комитета по етика на Факултета по изкуства и социални науки на университета в Цюрих. Този и всички следващи експерименти бяха проведени лично в лабораторията.

2.1.2. Материали и процедура

За измерване на работната памет за обвързвания и различни условия на WM натоварване, ние последователно представихме произволни двойки wordpicture при зададени размери 2, 3, 4, 6 и 8 (вижте Фиг. 2). Думите бяха извлечени от набор от 1198 неутрални думи от Берлинския списък с афективни думи (BAWL-R, Vo et al., 2009), с минимална дължина 2 и максимална дължина 10 букви. Думите имат средна честота на милион от 59,33. Картините са съставени от набор от 2400 снимки на обекти от реалния свят (Brady, Konkle, Alvarez, & Oliva, 2008). Думите и снимките на всеки опит бяха извлечени от тези групи без замяна, така че всеки стимул да се използва само в един опит. Всяка двойка беше представена за 900 ms със 100 ms междустимулен интервал. След интервал на задържане от 1000 ms, незабавната памет беше тествана за произволна половина от представените двойки в произволен ред с процедура с четири алтернативи за принудителен избор. В опитите с нечетен комплект с размер 3 беше тествана само една от трите двойки. В половината от опитите субектите са били подсказвани с думата на двойка и е трябвало да избират от четири картини, показани около нея, като щракнат върху опцията, която смятат, че е била представена заедно с думата при кодиране (условие за подсказване на дума). В другата половина от опитите, субектите са били подсказвани с картина и е трябвало да избират от 4 думи (условие за подсказване на картина). Четирите опции винаги се състоят от правилния елемент, примамка от същия опит, примамка от предишен опит (стара примамка за проникване; избрана от произволно избран предишен опит) и нов елемент (нова примамка). Отново, този тест е предназначен да разграничи паметта за предмет и обвързване: Отхвърлянето на примамката в рамките на изпитването изисква памет за правилното обвързване между съответно поставената картина (или дума) и целевата дума (или картина). Ако субектите нямат непокътната памет за свързване, те биха избрали между целевата и примамката в рамките на изпитването с еднаква вероятност. По същия начин, отхвърлянето на старата пробна примамка изисква памет за правилните елементи от текущия опит. Само ако субектите изобщо нямат памет, тогава те биха познали между четирите опции с еднаква вероятност. Примамката в рамките на изпитването винаги се извличаше от двойка, представена непосредствено преди или след целевата двойка, за да се контролира увеличаването на контекстните промени в двойките в рамките на изпитването при по-големи размери на набора. Причината да тестваме само половината от представените двойки беше, че искахме да избегнем повтарянето на всяка опция за отговор в тестовете, за да минимизираме зависимостите между отговорите в едно и също изпитване. Следователно саметричните примамки бяха изтеглени от нетестваните двойки. Едночасовият експеримент включваше 80 опита, с 8 опита за комбинация от условие на реплика (дума срещу реплика на картина) и размер на набора (2,3,4,6 и 8).

2.1.3. Анализ на данни

Ние анализирахме данните от Експеримент 1 с помощта на байесова йерархична логистична регресия, предвиждаща правилни или неправилни отговори в 4-AFC теста според размера на набора от памети. Правилните отговори бяха дефинирани като избор на целевия артикул от алтернативите (т.е. примамка в рамките на изпитването, стара примамка за проникване, нова примамка). Включихме произволно прихващане от участници и случаен наклон за фиксирания ефект (т.е. зададен размер). Фиксираният ефект беше зададен по размер и беше включен като непрекъснат предиктор в модела. В случай, че открием някакъв ефект на размера на набора, тествахме дали той се дължи на намалена памет за връзване, което ще се прояви в увеличаване на вероятността да се избере същата пробна примамка над всички останали опции. Ние внедрихме това в байесова йерархична логистична регресия, предвиждаща вероятността от грешки в 4-AFC теста поотделно за всеки тип грешка (проникване от същия опит, стара примамка за проникване и нова примамка) по размер на набора от памети. Трябва да се отбележи, че четирите зависими променливи не са независими, тъй като броят на отговорите за всяка от 4-те категории (правилно, проникване от същия опит, стара примамка за проникване и нова примамка) се равнява на един. Следователно един от тези анализи е излишен. Въпреки това докладваме и четирите, за да представим доказателствата за ефекта на зададения размер върху всяка категория отговори по най-прозрачния начин. Моделът е внедрен в R пакет brms (Bürkner, 2017, 2018 г.). Коефициентите на регресия са дадени преди на Коши със скала от 0,353. Тези скали бяха избрани, тъй като тези приоритети наскоро бяха предложени като приоритети по подразбиране за сравнения на модели с логистични модели (Oberauer, 2019). Използвахме напълно неинформативни приоритети за корелационните матрици, така наречените LKJ приоритети с параметър на формата 1. Изчислихме Bayes Фактори за оценка на силата на доказателствата за ефекта на всеки предиктор чрез сравняване на модела, включващ този предиктор, с модел, който го изключва. По подобен начин тествахме за доказателства, включително термина за взаимодействие като случаен ефект – където е приложимо – и го запазихме за последващи сравнения на модели, ако имаше доказателства за това. Моделите, изключващи основен ефект, изключват само неговия фиксиран ефект, но запазват неговия случаен ефект. Използвахме фактора Bayes за сравнение на модела, изчислен чрез мостовия семплер (Gronau, Singmann, & Wagenmakers, 2017), включен в пакета с оръжия. BF10 по-голям от 1 дава доказателство за ефект; BF10 по-нисък от 1 дава доказателство срещу ефект и следователно доказателство за нулевата хипотеза. Силата на доказателствата за нулевата хипотеза е BF01=1/BF10. BF10 от 10 показва, че данните са 10 пъти по-вероятни при алтернативната хипотеза, отколкото при нулевата хипотеза. Обикновено BF > 3 се считат за предоставящи съществени доказателства за една хипотеза пред друга. Използвахме алгоритъм MCMC (имплементиран в Stan; Carpenter et al., 2017), който оценяваше постериорите чрез вземане на проби от стойности на параметри, пропорционални на продукта от преди и вероятност. Тези проби се генерират чрез 4 независими вериги на Марков, с 1000 проби за загряване всяка, последвани от 50 000 проби, извлечени от задното разпределение, които бяха запазени за анализ. Следвайки Gelman et al. (2013), ние потвърдихме, че 4-те вериги се сближават с едно и също задно разпределение, като потвърдихме, че ̂R статистиката – отразяваща съотношението на дисперсията между веригата към дисперсията във веригата – е<1.02 for all parameters, and we visually inspected the chains for convergence. Further, we calculated the common estimate of the capacity of WM across our variation of set size and additional manipulations in each experiment. Based on the assumptions of discrete memory states, this estimate K is derived from the number of items remembered (Adam, Vogel, & Awh, 2017; Cowan, 2001; Zhang & Luck, 2008). For n-alternative forced choice tests of a single item, this estimate is obtained with K for the number of remembered items; N for the memory set size, P (correct) for the proportion of correct responses, and g for the chance of guessing the correct response. The chance of guessing depends on assumptions about the capacity limit and on whether the difficulty of the lures affects the probability of choosing them. If the capacity limit is a limit on all information remembered about an item, then we distinguish a state of remembering the tested item (leading to a correct response) from a state of no information about the item, in which case the person guesses with equal probability from the entire response set: Here the chance of guessing is determined by the number of response alternatives, resulting in g = 1/4. If we assume that WM capacity places a limit on binding memory but not item memory, then we can distinguish a state of remembering the item-position binding (leading to a correct response) from a state of not remembering the binding, but still having item memory available to restrict the response set to the candidates from the current list. On this assumption, guessing chooses each candidate from the current list with equal chance, leading to guessing being set to ½. Here we report K estimates based on g = ¼. because it reflects the most common assumption about capacity limits; K estimates based on g = ½ can be found in the Supplementary Material. Finally, we also computed the input-output distance of the pairs as a predictor of the probability of choosing the correct response. The input-output distance represents the number of intervening events – encoding or testing of other pairs – between the encoding of a given pair and the test of that pair. For example, if a pair in the set-size 8 condition is presented in the serial position 6, and tested first, the input-output distance would be 2. If the same pair would be tested 4th, the input-output distance would be 5. This analysis was exploratory, as we had no predictions for it, but it turned out to be informative about the division of labor between WM and episodic LTM. The data and the analysis scripts can be accessed in the Open Science Framework (https://osf.io/ymgkq).

Фиг. 2. Илюстрация на парадигмата на Експеримент 1. На субектите последователно беше показан списък от двойки дума-картина с различни размери на набора. Незабавната памет беше тествана за половината от двойките в произволен ред, или чрез подсказване с картина или дума. Субектите трябваше да избират между четирите опции за отговор, включващи правилния артикул, примамка от същия опит, примамка от стар опит и нов артикул.

2.2. Резултати

Фигура 3 показва средната вероятност за избор на всяка от четирите опции за отговор в зададените размери. Заинтересованият читател може също да намери средния дял на правилните отговори, разбити по тип реплика, серийна позиция, както и изходна позиция в Допълнителното (Фиг. S2A, Фиг. S 3A, Фиг. S 4A). Таблица 2 изброява формулите, вътрешнокласовите корелации, както и броя на наблюденията на пълните модели на йерархичните логистични регресионни модели.

2.2.1. точност

Първият ни въпрос беше дали натоварването на паметта (т.е. зададеният размер) влияе върху вероятността за избор на правилната опция. Байесовата йерархична логистична регресия разкри основен ефект от размера на набора (BF10=5.2 × 1010), в сравнение с модел, изключващ неговия фиксиран ефект. И все пак, както е показано на Фиг. 2, средната вероятност за избор на правилния артикул намалява само от комплект размери 2 до 4, като производителността се изравнява между комплекти размери 4 до 8. За да се оцени доказателството за това забавяне на набора- ефект на размера, съпоставихме моделите с различни кодове за зададен размер. Ние заменихме линейно падащия предиктор с размер на набор с алтернативни предиктори, в които кодирането с размер на набор отразява различните възможни плата (Таблица 1). Моделът, който прогнозира вероятността за правилна реакция с изравняване на зададения размер при стойности 4 и по-високи, описва най-добре данните; в сравнение с модела, предполагащ линейно падане във всички зададени размери, беше предпочитано с BF10 от 8,12 × 104 (вижте таблица 1) за сравнения на модела на линейно падане с всички възможни плата).

2.2.2. Видове грешки

Вторият ни въпрос беше дали този ефект на размера на набора се дължи на намалена памет за обвързване, което ще се прояви в увеличаване на вероятността да се избере същата пробна примамка над всички останали опции. Затова използвахме байесова йерархична логистична регресия, предвиждаща вероятността от грешки в 4-AFC теста поотделно за всеки тип грешка (проникване от същия опит, стара примамка за проникване и нова примамка) по размер на набора от памети. Установихме, че ефектът на зададения размер е изцяло управляван от избора на една и съща пробна примамка (BF10=9.18 × 1010), тъй като имаше доказателства срещу ефекта на зададения размер и за двата други типа грешки, избирайки стари пробни прониквания (BF10=12.37), както и нови елементи (BF01=8.97).

2.2.3. Входно-изходно разстояние

И накрая, проверихме ефекта на входно-изходното разстояние върху вероятността за избор на правилния отговор. Както е показано на фиг. 4, припомнете си

Таблица 1 Резултати от байесовата йерархична логистична регресия, предвиждаща броя на правилните отговори в Експеримент 1.

Забележка: Всички модели включват участник като произволен ефект. За тестове на всеки предиктор за размера на набора (1–4), първият ред представя фактора на Байс (BF) на всеки модел (показан в различни колони) спрямо линейния модел [1]. Вторият ред показва BF на модела, използвайки съответния ограничен предиктор над най-добрия модел. Моделът, отпечатан с удебелен шрифт, е най-добрият модел в сравнение с модела Null.

Фиг. 3. Незабавна производителност на паметта в експеримент 1. Панел A показва вероятността за избор на правилния елемент в зададени размери. Панели B, C и D показват вероятността за избор съответно на примамката в рамките на изпитването, старата и новата примамка. Лентите за грешки представляват 95-процентния доверителен интервал в рамките на субекта.

2.3. Дискусия

Целта на Експеримент 1 беше да се тества хипотезата за свързване на връзките между елементите. Резултатите подкрепят хипотезата за обвързване, тъй като ефектът на зададения размер се движи изключително от намалена памет за обвързване, което се проявява в увеличаване на вероятността да се избере същата пробна примамка над всички останали опции. Неочаквано, пагубният ефект от натоварването на паметта върху WM се забави след 4 двойки, като участниците се представиха сравнимо в незабавната задача за памет в зададени размери 4, 6 и 8. Това беше изненадващо, тъй като предишни изследвания последователно показват, че в различни парадигми на WM, точността на обвързванията на елемент-контекст намалява непрекъснато – често по ускорен начин – при увеличаване на размерите на набора (за общ преглед: Oberauer et al., 2018: Benchmark 1.1 и Фиг. 1). Ефектът на забавяне на зададения размер не е това, което трябва да очакваме от памет с ограничен капацитет, защото това предполага, че колкото повече информация се представя, толкова повече информация се поддържа в паметта. За илюстрация, Фигура 5A показва стойностите на K, отразяващи броя на двойките, запомнени в набор от размери, което показва, че оценките на капацитета се увеличават непрекъснато с размера на набора (вижте Допълнителна фигура S 1 за K оценки, базирани на 50 процента вероятност за предположение). Едно възможно обяснение за забавящия се ефект на размера на набора е, че участниците разчитат поне отчасти на своите епизодични LTM за поддържане на обвързвания дума-картина, а влиянието на LTM се увеличава с по-големи размери на набор по такъв начин, че производителността се изравнява при набор размер 4 до 8 на ниво на точност, което може да се поддържа само с използване на LTM. Следователно ние предполагаме, че при по-големи размери на набори, епизодичният LTM допринася силно за производителността в нашата WM задача – по-специално, той допринася не само за паметта на артикулите, но и за обвързващата памет. За да тестваме тази хипотеза, в Експерименти 2 и 3 манипулирахме полезността от разчитането на епизодични LTM представяния чрез предизвикване на проактивна намеса в едно от условията. Ако епизодичният LTM специално допринася за производителността при по-големи набори от размери, ефектът от проактивната интерференция (PI) трябва да присъства само при по-големи набори от размери. Обратно, при по-малки размери на набори, където производителността разчита на WM представяния, PI не би трябвало да има ефект, тъй като WM защитава съдържанието си срещу PI (Cowan, 2005; Cowan, Johnson, & Scott Saults, 2005; Halford, Maybery, & Bain , 1988; Oberauer, Awh и Sutterer, 2017; Wickens, Born и Allen, 1963; Wickens, Moody и Dow, 1981). В експерименти 4 и 5 тествахме обратната хипотеза, че задача за разсейване по време на интервала на задържане, която трябва селективно да наруши WM, засяга производителността само при кратки размери на набора. Друга констатация беше сравнително високата производителност при къси входно-изходни разстояния. Това наблюдение е съвместимо с нашето предположение, че капацитетът на WM е ограничен от намеса между обвързванията, ако направим едно допълнително предположение: При по-големи размери на набори, последните представени двойки са тези, които се поддържат предпочитано в WM. Може да има две причини за това. Едната е, че намесата в WM е предимно ретроактивна, така че представените по-рано двойки са най-повредени от намеса. Като алтернатива, по-рано представените двойки са умишлено възложени на епизодични LTM, тъй като имат най-дълго време за установяване в епизодичната памет. При тези предположения, последните представени двойки са най-достъпни в WM, особено когато се тестват в началото на изходната последователност. При по-късни тестове те все повече се повреждат чрез смущения в изхода от предходните тестове, причинени от извличане на други двойки от епизодична памет в WM. Когато тестваме хипотезата, че епизодичният LTM допринася конкретно за производителността при по-големи размери на набори в следващите експерименти, следователно ще проучим също дали производителността за двойки с къси входно-изходни разстояния са селективно защитени срещу PI и са селективно уязвими към вторична задача смущения, също и при по-големи зададени размери.

Фиг. 4. Вероятност за избор на правилния отговор при входно-изходно разстояние и зададени размери в експеримент 1. Лентите за грешки показват доверителни интервали между субектите.

3. Експерименти 2 и 3

В експерименти 2 и 3 имахме за цел да проучим приноса на епизодичните LTM към нашата задача за свързване на WM при различни размери на набори. Тествахме хипотезата, че LTM допринася по-силно за производителността при по-големи размери на набори. В експеримент 1 използвахме уникални за изпитването стимули, т.е. всяка дума и всяка картина бяха представени само веднъж във всички опити. В Експерименти 2 и 3 ние предизвикахме проактивна намеса чрез повтаряне на едни и същи думи и картини от затворен набор от елементи, но в нови комбинации, и сравнихме това състояние със състояние с уникални за изпитването стимули. В допълнение, ние изследвахме размери на набори в по-голям диапазон (1, 2, 3, 6, 8 и 30 двойки в Експеримент 2; 2, 3, 8 и 16 двойки в Експеримент 3). Ако забавящият ефект на размера на набора, наблюдаван в Експеримент 1, отразява асимптота на производителност, определена от епизодичния LTM, тогава той трябва да се разпростре до още по-високи размери на набора. В този случай паметта за 16 или 30 чифта трябва да бъде на същото ниво като паметта за 6 или 8 чифта.

3.1. Метод

3.1.1. Участници

Събрахме данни от 30 участници за Експеримент 2 (средна възраст=23.21; 22 жени) и данни от 40 участници за Експеримент 3 (средна възраст=23.0; 29 жени ).

3.1.2. Материали и процедура

Тестваме паметта за обвързване в Експеримент 2 при зададен размер 2, 3, 6, 8 и зададен размер 30, а в Експеримент 3 при зададен размер 2, 3, 8 и зададен размер 16 в условия със и без проактивна намеса (PI ). Експеримент 2 включваше две сесии `a 1-h, включващи 120 опита, с 20 опита за условие за всеки малък набор от размери (2,3,6,8) и пет опита за набор от размер 30. Условията (PI срещу. без PI) варира между сесиите. Редът на сесиите беше балансиран между участниците. В PI сесията стимулите бяха извлечени от набори от дванадесет думи и дванадесет картини за малките размери на комплекта (2,3,6,8) и от комплекти от 45 думи и 45 картинки за набор с размер 30. Тези 45 стимула включваха дванадесетте от затвореното множество на малките размери на множеството. В сесията без PI стимулите отново бяха изтеглени без замяна от големите набори от Експеримент 1. Освен тези промени, парадигмата следваше тази от Експеримент 1. Експеримент 3 също беше двусесиен `a 1- h експеримент, включващ 208 опита, с 13 опита за условие за всеки зададен размер. Условията (PI срещу липса на PI) варираха между сесиите и репликата (дума срещу картинна реплика) се поддържаше постоянна в рамките на участниците (половината участници винаги бяха насочвани с думи, а другата половина с картинки).2 В PI сесията, стимулите бяха извлечени от набори от 24 думи и 24 картини.3 Освен тези промени, парадигмата следваше тази от Експеримент 2.

3.1.3. Анализ на данни

Ние анализирахме експерименти 2 и 3, като използвахме байесова йерархична логистична регресия, предвиждаща правилни или неправилни отговори в 4-AFC теста по размер на набора и проактивна намеса. Отново правилните отговори бяха определени като избор на целевия елемент от алтернативите (т.е. проникване в рамките на списъка, старо проникване, ново). Фиксираните ефекти бяха проактивна интерференция и размер на набора, като последният беше включен в модела като непрекъснат предиктор, увеличавайки се при малки размери на набори и забавяйки се при размери на набори 4 и по-големи (т.е. 6,8 и 30 за Exp2, 8 и 16 за Exp. 3), както е установено в Експеримент 1 (т.е. кодиране III в Таблица 1). Моделът включва случайно прихващане, произволни наклони с зададен размер и проактивна намеса.

3.2. Резултати

Фигури 6 и Фигури 7 показват средната вероятност за избор на всяка от четирите опции за отговор като функция на зададения размер и условието за проактивна интерференция, съответно за Експеримент 2 и 3. Заинтересованият читател може също да намери средния дял на правилните отговори, разбити по тип реплика, серийна позиция, както и изходна позиция в Допълнителното (Фиг. S2B и C, Фиг. S 3B и C, Фиг. S 4B и C) . Таблица 2 изброява формулите, вътрешнокласовите корелации, както и броя наблюдения на пълните модели на йерархичните логистични регресионни модели.

Фиг. 5. Оценки на капацитета K при определени размери и условия на (A) Експеримент 1, (B) Експеримент 2, (C) Експеримент 3, (D) Експеримент 4 и (E) Експеримент 5.

3.2.1. точност

Първият ни въпрос беше дали проактивната намеса повлия на ефекта на зададения размер върху вероятността за избор на правилната опция, ограничавайки анализа до диапазона на зададения размер на Експеримент 1 (т.е. от 2 до 8). Байесовата йерархична логистична регресия разкри съществени доказателства за ефект на взаимодействие както в експеримент 2, така и в 3 (BF10=7.81 и BF10=10.19, съответно), както и убедителни доказателства за основните ефекти на зададен размер (BF10=1.19 × 1012 и BF10=2.25 × 1020) и проактивни смущения (BF10=16.10 и BF10=406.78) и в двете експерименти. Имаше по-голяма вероятност за избор на правилния артикул при по-малък в сравнение с по-голям набор от размери и без PI, отколкото с PI. Последващи анализи на данни от Експеримент 2 разкриха, че проактивната намеса само (отрицателно) повлиява вероятността за избор на правилната опция за комплект размери 6 и 8 (BF10=5890 и BF10=17.37, съответно ), но няма вредно въздействие при зададени размери 2, 3 и 4 (BF01=5.46, BF01=9.25 и BF01=13.27, съответно). Еквивалентно, последващите анализи на Експеримент 3 разкриха, че проактивната намеса само (отрицателно) повлиява вероятността за избор на правилната опция за набор от размер 8 (BF10=20.14), но няма вреден ефект при набор от размери 2 (BF 01=13.44) и 3 (BF01=20.61).

Фиг. 6. Незабавна производителност на паметта в експеримент 2. Панел A показва вероятността за избор на правилния елемент в зададените размери и при условия с проактивна намеса, реализирана от малък набор от 12 елемента [PI (12)], и без (noPI ). За набор от размер 30 в условието за проактивна интерференция, ефективността е показана и за стимули от допълнителен набор от 33 елемента [PI(33)]. Панели B, C и D показват вероятността за избор съответно на примамката в рамките на изпитването, старата и новата примамка. Лентите за грешки представляват 95-процентния доверителен интервал в рамките на субекта.

3.2.2. Видове грешки

Вторият ни въпрос беше дали ефектът на зададения размер е бил предизвикан от погрешно избиране на една и съща пробна примамка, отразявайки ефект конкретно върху обвързващата памет и как този ефект се влияе от проактивна намеса. Затова използвахме байесова йерархична логистична регресия, предвиждаща вероятността от грешки в 4-AFC теста отделно за всеки тип грешка (примамка от същия опит, стара примамка за проникване и нова) по зададен размер и условие за проактивна интерференция . Вероятността да се избере една и съща пробна примамка се увеличи с размера на комплекта и в двата експеримента 2 и 3 (BF10=6.96 x 107 и BF10=5.06 × 1014) и нямаше доказателства за взаимодействие с PI (Exp. 2: BF10=0.67) или доказателство срещу него (Exp. 3: BF10=0.13). В експеримент 2 имаше доказателства срещу основния ефект на PI (BF01=76.92), докато в експеримент 3, където репликата се поддържаше постоянна сред участниците, имаше доказателства за основен ефект на PI върху вероятността да се избере една и съща пробна примамка (BF10=24.39). За вероятността да се избере стара примамка за проникване имаше доказателства и за двата основни ефекта в двата експеримента (размер на комплекта: Експ. 2: BF10=2.34 × 106; Експ. 3: BF10=1.11 × 109 и PI: Експ. 2: BF10=45.96; и Експ. 3: BF10=5.54 × 105 ). Доказателствата за взаимодействието бяха двусмислени в Exp 2 (BF10=0.88), но достоверни в Exp 3 (BF10=4.66). Последващи анализи разкриха, че проактивната намеса увеличава вероятността за избор на старата пробна примамка за комплект размер 8 (BF10=5.41 × 106), но няма ефект при комплект размер 2 и при комплект размер 3 (BF{{ 53}}.79 и BF01=5.73, съответно). Анализът на вероятността за избор на нов елемент показа, че субектите избират нови елементи по-често, в случай че няма PI (основен ефект BF10=48.19, BF10=2.44 × 10100). Нямаше доказателства за ефект от зададения размер в Exp. 2 (основен ефект BF10=0.73), но достоверно доказателство в Exp. 3 (BF10=7.12 × 1012).

3.2.3. Много големи комплекти

Трето, интересувахме се как се проявява ефектът на зададения размер в паметта за обвързване при натоварване на паметта, което надвишава капацитета на WM, а именно при зададен размер 30 (Exp. 2) и 16 (Exp. 3), и как проактивната намеса влияе върху това модел. Следователно ние използвахме байесова йерархична логистична регресия, прогнозираща вероятността за правилни отговори за набор от размери 6 и 8 в сравнение с набор от размер 30 (Exp. 2) и за набор от размер 8 в сравнение с набор от размер 16 (Exp. 3). Експеримент 2. Обединихме данните от набори с размери 6 и 8, тъй като предишният ни анализ разкри доказателства срещу разлика в производителността между тези два набора с размери (BF01=9.18). Непосредствената производителност на паметта не се различава между зададените размери 6, 8 (обединени) и 30 (B01=132.95). Изненадващо, имаше доказателства срещу ефекта на PI при зададен размер 30 (BF01=9711). Една от причините за това е по-големият пул, използван за този набор от размери: от 45 стимула, от които са взети проби от набор от 30 опита, 33 са използвани само за набор от 30 опита и следователно се появяват рядко дори в състояние на PI, така че че общото ниво на PI е относително доброкачествено за този набор от размери. Ето защо ние проведохме анализ, сравнявайки производителността, ограничена до дванадесетте стимула, които също бяха включени в затворения пул на малките набори от размери, с производителността в отворения пул при зададен размер 30 и намерихме доказателства срещу разлика (BF{{30} }.08). Експеримент 3. Анализът разкрива, че незабавната производителност на паметта не се различава между зададените размери 8 и 16 (B01=2.69). Има доказателства за основен ефект на PI (BF10=1026.91), но доказателства срещу взаимодействие (BF01=40.38). Освен това, ние оценихме оценките на капацитета на WM въз основа на броя елементи, запомнени в зададени размери (фиг. 5B и C и допълнителна фигура S 1 B и C). Те драстично надхвърлиха общите оценки на капацитета на WM – около 4 елемента – достигайки около 16 при най-високия зададен размер. Проактивната намеса повлия на оценките на K само при по-големи размери на набор, но не и при размери на набор 2 и 3.

Фиг. 7. Незабавна производителност на паметта в Експеримент 3. Панел A показва вероятността за избор на правилния елемент в зададени размери и при условия с проактивна намеса, реализирана от малък набор от елементи (PI) и без (noPI). Панели B, C и D показват вероятността за избор съответно на примамката в рамките на изпитването, старата и новата примамка. Лентите за грешки представляват доверителния интервал в рамките на субекта.

Таблица 2 Подробности за моделите на йерархична логистична регресия на Експерименти 1–5.

3.2.4. Входно-изходно разстояние

И накрая, ние анализирахме ефекта от проактивната интерференция върху избора на правилния отговор през входно-изходното разстояние на двойките, представени в зададен размер 6 и 8 (Exp. 2) и 8 и 16 (Exp. 3) – което като цяло показа достоверно ефекти на PI. Както може да се види на Фиг. 8 и Фиг. 9, проактивната намеса не е повлияла на вероятността за избор на правилния отговор за входно-изходни разстояния от 1 и 2 при тези зададени размери (вижте Таблица 3 за BF).

Фиг. 8. Вероятност за избор на правилния елемент в Експеримент 3 при условия с проактивна намеса и без, през входно-изходни разстояния и зададени размери. Лентите за грешки представляват доверителния интервал между субектите.

3.3. Дискусия

Резултатите от Експерименти 2 и 3 предоставят доказателства за по-голямото участие на епизодични LTM при по-големи размери на набори, което обяснява намаления ефект на размера на набора при по-големи размери на набори в тези експерименти и в Експеримент 1. По-конкретно, проактивната намеса повлиява отрицателно само производителността при набор размери 6, 8 и 16, но не и при по-малки размери. Този ефект се проявява предимно като увеличаване на погрешните селекции на примамки от предходни опити, както се очаква от проактивна намеса между опитите: Проактивната намеса възниква от трудността да се прави разлика между съответния текущ опит и вече неподходящата информация от предишни опити (Gardiner, Craik, & Birtwistle, 1972). В условия без проактивна намеса, ефектът на зададения размер се задържа на плато при по-големи размери на набор (между 4 и 30), възпроизвеждайки Експеримент 1. Това плато вероятно отразява нивото на ефективност, което може да се достигне, като се разчита само на епизодични LTM. Взети заедно, резултатите от Експерименти 2 и 3 подкрепят идеята, че ефектът на размера на набора върху паметта за платата на обвързванията се дължи на включването на епизодични LTM при по-големи размери на набора. Освен това, в специалния случай, когато последните представени една или две двойки се извличат първи, участниците показаха много добро представяне, което не се влияе от PI в по-големите размери на комплекта (6, 8 и 16). Това е съвместимо с тези артикули, които се извличат от WM, без принос от епизодични LTM към производителността. Докато за входно-изходно разстояние 1, липсата на проактивни смущения може да се отдаде на ефект на тавана, за разстояние 2 не може. В заключение, изглежда, че при по-големи набори от размери ефективността до голяма степен се управлява от епизодични LTM. Това е вярно по-специално за двойки, кодирани рано или извлечени късно, тъй като намесата от намесващи се събития разваля техните WM представяния до степен, която ги прави практически безполезни, така че рисуването на епизодични LTM е най-доброто, което човек може да направи.

4. Експеримент 4 и 5

Сега, след като показахме приноса на LTM към по-големи набори от размери, имахме за цел да преценим приноса на WM към задачата в наборите от размери. Доказано е, че производителността на WM се влошава от обработката на дистрактори по време на интервала на задържане (вижте Brown, 1958; Lewandowsky, Geiger, & Oberauer, 2008; Peterson & Peterson, 1959; и Oberauer et al., 2018 Benchmark 2.1 за общ преглед ). Следователно в експерименти 4 и 5 тествахме WM за обвързване в широк диапазон от размери на набори при условия или на липса на разсейване, или на разсейване между кодирането и теста. Целта беше да се тества прогнозата, че забавянето, изпълнено с дистрактор, влошава производителността селективно при малките размери на набора, където разчита предимно на WM.

4.1. Метод

4.1.1. Участници Събрахме данни от 30 участници за експеримент 4 (средна възраст=23.9, 27 жени) и 30 участници за експеримент 5 (средна възраст=24.05, 13 жени).

4.1.2. Материали и процедура

Парадигмата следваше тази от Експеримент 1, с изключение на включването на 15 s дистракторска задача след представянето на двойките в половината от опитите. В останалите опити паметта беше тествана след 1 s незапълнен интервал на задържане, както в Експеримент 1. В Експеримент 4 те трябваше да преценят с натискане на бутон дали хоризонтална лента се побира в празнината между два квадрата (Vergauwe, Barrouillet и Camos , 2010) (вижте фиг. 10 за примерен стимул). В експеримент 5 задачата за разсейване включваше преценка дали аритметичните уравнения са правилни или не (напр. 5 × 4=20?). В рамките на интервала на задържане от 15 s трябваше да бъдат направени 15 преценки, което доведе до 1 s време за представяне на дистрактор.4 Експеримент 4 включва набори с размери 2, 3, 8 и 16. Експеримент 5 включва набори с размери 2, 3, 4 и 6. И двата експеримента включват две сесии на един час и се състоят от 208 опита, с 13 опита за условие за всеки зададен размер. В рамките на всеки от 16-те блока на експеримента, всяка комбинация от зададен размер и условие за разсейване (с разсейване срещу без разсейване) се реализира два пъти; редът на условията беше рандомизиран във всеки блок. Освен тези промени, парадигмата следва тази от Експеримент 1.

Фиг. 9. Вероятност за избор на правилния елемент в Експеримент 3 при условия с проактивна намеса и без входно-изходни разстояния и зададени размери. Лентите за грешки представляват доверителния интервал между субектите.

Таблица 3 Фактори на Bayes на ефекта от проактивната интерференция при най-късите входно-изходни разстояния на набор от размери 8 и 16, Експеримент 2 и 3.

Фиг. 10. Примерни стимули на задачата за разсейване от Експеримент 4.

4.2. Анализ на данни

Ние анализирахме експерименти 4 и 5 с йерархична логистична регресия на Байес, предвиждаща правилни или неправилни отговори в 4-AFC теста по зададен размер и разсейване (без разсейване срещу разсейване). Включихме произволно прихващане на участник и случаен наклон за зададен размер, както и разсейване. В допълнение, ние оценихме корелацията между параметрите на случайните ефекти. Фиксираните ефекти бяха разсейване и зададен размер и последният беше включен като непрекъснат предиктор плато при зададени размери 4 и по-големи (т.е. опит 4: 8 и 16; опит 5: 4 и 6), както е установено в експеримент 1 (т.е. кодиране III в таблица 1).

4.3. Резултати

Фиг. 12 и Фиг. 11 показват средната вероятност за избор на всяка от четирите опции за отговор в зададените размери за условия на разсейване и без разсейване, съответно в експерименти 4 и 5. Заинтересованият читател може също да намери средния дял на правилните отговори, разбити по тип реплика, серийна позиция, както и изходна позиция в Допълнителното (фиг. S2D и E, фиг. S 3D и E, фиг. S 4D и E) . Таблица 2 изброява формулите, вътрешнокласовите корелации и броя на наблюденията на пълните йерархични логистични регресионни модели.

4.3.1. точност

Първият ни въпрос беше дали разсейването влияе различно на производителността на паметта в различните зададени размери. Сравнението на модела разкри доказателства за взаимодействие между размера на комплекта и разсейването в двата експеримента 4 и 5 (BF01=8.73 × 108 и BF01=1.38 × 104, съответно), както и доказателства за основен ефект от размера на комплекта (BF10=3.92 × 1011 и BF10=1.52 × 108), но доказателство срещу основен ефект на разсейване (BF01=15.33 и BF{ {17}}.94). Последващи анализи на експеримент 4 разкриха, че разсейването само (отрицателно) повлиява вероятността за избор на правилната опция за набор от размер 2, (BF10=7138), но няма вредно въздействие при набор от размери 3 и (обединени) 8 и 16 (BF01=4.73, BF01=51.68, съответно). Еквивалентно, последващите анализи на Експеримент 5 разкриха, че разсейването само (отрицателно) повлиява вероятността за избор на правилната опция за комплект размер 2, (BF10=12.00), но няма вредно въздействие при задайте размери 3 и (обединени) 4 и 6 (BF10=18.52, BF10=5.18). Също така, оценката на капацитета на WM K в експерименти 4 и 5 беше отрицателно повлияна само от напълнения с дистрактор RI при зададен размер 2 (виж Фиг. 5D и E).

4.3.2. Видове грешки

Вторият ни въпрос беше дали ефектът на зададения размер е бил предизвикан от погрешно избиране на една и съща пробна примамка, както е предвидено от хипотезата за обвързване, и дали е имало взаимодействие с присъствието на задачата за разсейване. И в двата експеримента 4 и 5, вероятността за избор на една и съща пробна примамка беше единственият тип грешка, показващ взаимодействие между разсейване и размер на комплекта (BF10=1.63 × 107 и BF10=3.{{ 8}} × 106 ). Последващи анализи разкриха, че само за комплект размер 2 е имало ефект на разсейване върху вероятността за избор на примамка от същия опит (BF10=879.52 и BF10=1452), докато имаше доказателства против този ефект при по-големи набори от размери 3 (BF01=9.38 и BF01=333.33) и (обединени) 8 и 16 (BF01=49.24, Exp 4). В експеримент 5 имаше доказателство за по-добро представяне в присъствието на задача за разсейване при (обединени) размери 4 и 6 (BF10=256). И за трите вида грешки имаше доказателства за основен ефект от размера на комплекта и в двата експеримента (вижте Таблица 4 за BF). Освен това имаше доказателства срещу основния ефект на разсейване за примамки от същия опит и нови примамки и анекдотични доказателства за ефект на разсейване в случай на проникване от стар опит.

Екстракт от цистанче на прах

Щракнете тук, за да видите продуктите Cistanche Improve Memory

【Попитайте за повече】 Имейл:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692

4.3.3. Входно-изходно разстояние

И накрая, ние се интересувахме от това как задачата за разсейване повлия на производителността през входно-изходните разстояния при всички зададени размери. По-конкретно, резултатите от предишните експерименти предполагат, че последните една или две двойки, когато са тествани рано, се извличат от WM независимо от размера на набора. Ако случаят е такъв, задачата за разсейване трябва селективно да влошава производителността при къси входно-изходни разстояния, дори за по-големи размери на набора. Както е показано на Фиг. 13 и Фиг. 14, задачата за разсейване повлия на вероятността за избор на правилния отговор за малки входно-изходни разстояния (1 и понякога 2) при зададени размери 2 и понякога 3, но не и при зададен размер 4, 6, 8 и 16 (вижте таблица 5 и таблица 6 за BF). Това предполага, че в настоящия експеримент при по-големи размери на набор дори двойките с минимално входно-изходно разстояние често са били извлечени от епизодични LTM, а не от WM.

Фиг. 11. Незабавна производителност на паметта в Експеримент 5. Панел A показва вероятността за избор на правилния елемент в зададени размери. Панели B, C и D показват вероятността за избор съответно на примамката в рамките на изпитването, старата и новата примамка. Сивата линия представлява състоянието със задача за отвличане на вниманието след кодирането. Лентите за грешки представляват доверителния интервал в рамките на субекта.

Фиг. 12. Незабавна производителност на паметта в Експеримент 4. Панел A показва вероятността за избор на правилния елемент в зададени размери. Панели B, C и D показват вероятността за избор съответно на примамката в рамките на изпитването, старата и новата примамка. Сивата линия представлява състоянието със задача за отвличане на вниманието след кодирането. Лентите за грешки представляват доверителния интервал в рамките на субекта.

4.4. Дискусия

разрешаването на кодирането на двойки дума-картина селективно влошава производителността за набор от размер 2, но няма вредно въздействие при по-големи набори от размери. Това показва, че WM допринася по-силно за производителността при най-малкия размер на набора (и до известна степен, все още при размер на набора 3 в Exp. 4), но при по-големите размери на набора, производителността вече се управлява до голяма степен или изключително от LTM и следователно по-скоро не се влияе от обработката на дистрактора по време на интервала на задържане. Заедно с експерименти 2 и 3, в които проактивната намеса селективно уврежда производителността при по-големи набори от размери, резултатите от експерименти 4 и 5 представляват двойна дисоциация на приноса на WM и LTM в набор от размери на двойки думи. При повечето обстоятелства двойната дисоциация е убедително доказателство за разграничаването на два механизма или процеса, но има условия, при които това заключение не е валидно. Анализът на проследяване на състоянието предлага по-солидна основа за оценка на доказателствата за разграничение (вж. Newell & Dunn, 2008, за въведение). Обосновката е следната: Имаме нужда от две зависими променливи, измерващи съответно двата хипотетични механизма или процеса. В нашия случай приемаме, че производителността на паметта при малки размери на набор отразява предимно WM, докато производителността при по-големи размери на набор отразява предимно епизодични LTM. Освен това се нуждаем от две независими променливи, за които оценяваме ефекта им върху двете зависими променливи. Тук това са манипулацията на PI и интервал на задържане, изпълнен с дистрактор. Проследяването на състоянието представлява връзката на двете зависими променливи във всички експериментални условия. В настоящия случай ние начертаваме производителността при малки размери на набора по оста x и производителността при по-големи размери на набора в съответното състояние на оста y (вижте Фиг. 15). Разглеждаме два алтернативни теоретични сценария. В 1-дименсионалния сценарий има само едно латентно измерение на силата на паметта или достъпността на паметта, което определя производителността за всички набори от размери. Това измерение се влияе повече или по-малко от двете независими променливи. Латентното измерение се превръща в изпълнение чрез неизвестна, но монотонно нарастваща функция. Ако това е така, тогава всички точки в следата на състоянието трябва да лежат на една монотонно нарастваща функция. В алтернативния двуизмерен сценарий има две латентни измерения на паметта, едно за WM – засягащо предимно производителността при малки размери на набори – и едно за епизодични LTM – засягащо основно производителността при големи размери на набори. Една независима променлива може да повлияе на едно измерение, а другата независима променлива на друго измерение. В резултат на това точките от данни в проследяването на състоянието не е необходимо да попадат върху една единствена монотонна функция. Проследяването на състоянието на Фиг. 15 ясно подкрепя 2-дименсионалния сценарий.

5. Обща дискусия

Настоящите резултати имат два приноса към нашето разбиране на работната памет: Първо, предоставихме нов тест на хипотезата за свързване на капацитета на WM, като тествахме способността на хората да поддържат връзки между елементи. В рамките на пет експеримента показахме, че капацитетът на WM наистина е ограничен предимно – макар и може би не изключително – от броя на свързванията между елементите. Второ, ние показахме двойна дисоциация на приноса на WM и епизодичния LTM към производителността в тази незабавна задача с паметта: производителността при зададени размери, по-големи от 3, беше конкретно засегната от проактивна намеса – но беше имунизирана срещу влияния от забавяне, изпълнено с дистрактор. За разлика от това, производителността при зададен размер 2 не беше повлияна от проактивна намеса, но беше увредена от забавяне, изпълнено с дистрактор.

Фиг. 13. Вероятност за избор на правилния елемент в Експеримент 4 при условия със и без задача за разсейване през входно-изходни разстояния и зададени размери. Лентите за грешки представляват доверителния интервал между субектите.

5.1. Ограничения на капацитета на WM за обвързванията между елементите

Първата ни цел беше да тестваме хипотезата за обвързване с нов WM тест, който деконфузира броя на обвързванията от отличителните белези за извличане, към които са обвързани стимулите. По този начин ефектът от размера на набора върху производителността може да се припише по-недвусмислено на ограничението на капацитета на WM. Хипотезата за обвързване прогнозира, че с увеличаване на размера на набора, паметта за обвързвания трябва да намалее, докато паметта за елементи трябва да бъде до голяма степен незасегната (Oberauer, 2019). В Експерименти 1 и 2 предоставихме подкрепа за тази прогноза с нова WM задача, в която отличителността на знаците за извличане – думи или картини – не зависи от размера на набора. Ние показахме, че ефектът на зададения размер се движи от намалена памет за връзване, което се прояви в увеличаване на вероятността да се избере една и съща пробна примамка, но не и от останалите опции. Обратно, паметта на артикула – отразена в способността да се отхвърлят нови примамки – не беше повлияна от размера на комплекта. Експерименти 3, 4 и 5 възпроизвеждат констатацията, че по-голямата част от грешките, извършени при по-големи размери на набори, са обвързващи грешки, тоест грешки при избора на елемент от текущия опит, но принадлежащ към друга двойка, различна от тестваната. В тези експерименти обаче имаше и доказателства за ефект на размера на комплекта върху другите два вида грешки – избор на стари елементи и нови елементи. Формата на тези ефекти на размера на комплекта се различава от тази на примамките в рамките на изпитването: докато разпространението на последните се увеличи рязко от размер 2 до 4 и се забави след това, делът на старите и новите примамки се увеличи по плитък, приблизително линеен начин със зададен размер. Това постепенно увеличение напомня за сравнително плиткия ефект на дължината на списъка, наблюдаван при тестовете за разпознаване на елементи на епизодични LTM (Annis, Lenes, Westfall, Criss, & Malmberg, 2015; Osth & Dennis, 2015, за прегледи и потенциални обяснения на този ефект) . Освен това, увеличаването на примамките от стари изпитания с размер на комплекта беше модулирано от PI, което предполага, че произтича от факта, че при по-големи размери на комплекта повечето двойки се извличат от епизодични LTM. Независимо от това, не можем да изключим, че капацитетът на WM също играе роля в ограничаването на паметта на елементите при по-високи размери на набори в експерименти 3 и 4 (вижте Cowan, 2022). Заключаваме, че ограничението на капацитета на WM е основно, но може би не изключително, ограничение върху способността за поддържане на обвързвания.

5.2. Приносът на LTM към тестовете на WM

Въз основа на неочакваното откритие, че пагубният ефект от размера на набора върху WM се забави след 4 двойки – като участниците се представиха сравнимо в задачата за незабавна памет в набори с размери 4, 6 и 8 – ние изследвахме диференциалния принос на LTM към нашата релационна WM задача . Резултатите от Експерименти 2-5 показаха, че нашите манипулации, които са насочени или към WM (интервал на задържане, изпълнен с дистрактор, Exp. 4 и 5) или LTM (PI, Exp. 2 и 3), също повлияват по различен начин видовете грешки: По-конкретно, в Експерименти 4 и 5, включително интервал на задържане, пълен с дистрактор, специално увеличиха вероятността за избор на същата пробна примамка при малък размер 2 – но не и при по-големи размери на комплект. Това е, което трябва да очакваме, ако WM е конкретно отговорен за поддържането на обвързвания при малки размери на набори и задачата за разсейване селективно уврежда WM. В експерименти 2 и 3, които манипулират количеството PI и по този начин полезността на епизодичните LTM, PI води до диференцирано увеличение на грешките при избора на старата пробна примамка при по-големи размери на комплекта. Това може да се очаква, тъй като PI намалява разграничението между опитите в епизодични LTM, което прави по-трудно да се определи дали даден стимул е бил представен в текущото или предишно изпитване. Допълнителен проучвателен анализ разкри, че производителността е имунизирана срещу PI дори при по-големи размери на набори, когато много малко събития за кодиране или извличане се намесват между представянето на двойка и нейния тест. Това предполага, че последните представени двойки се поддържат в WM и са достъпни от WM, стига да не са повредени от изходна интерференция. Ние обаче не открихме, че тези двойки са уязвими към задача за отвличане на вниманието в експерименти 4 и 5, така че нашето заключение за това кои двойки се поддържат за предпочитане в WM при по-големи размери на набор остава условно. Как работят заедно WM и епизодичният LTM? Въз основа на настоящите резултати ние си представяме тяхното сътрудничество, както следва: Всяка следваща двойка води до активиране на представяния на нейните елементи (т.е. понятията, съответстващи на думата и обекта) в семантичната памет. Връзката между тях е кодирана в WM чрез временно обвързване. Освен това се създава епизодична следа от паметта, която представя елементите и тяхната връзка като интегрирано събитие (вижте Cowan, 2019; Cowan & Chen, 2008). Това означава, че артикулите дори в кратки списъци са представени едновременно в LTM и WM. С представянето на последователни двойки се натрупва смущение между обвързванията в WM. Ако приемем, че намесата е предимно ретроактивна, това води до постепенна загуба на достъпност на по-ранни двойки в WM. Алтернативно, намесата може да бъде симетрична, но по-рано представените двойки се премахват от WM, за да се предотврати намесата им в по-късно представените двойки. Така или иначе, свързванията на последните представени двойки са най-достъпни в WM в началото на теста. Когато се тества двойка, даденият елемент първо се използва като реплика за извличане за достъп до неговия двойник чрез свързването им в WM. Ако това не успее, се прави опит за извличане на тестваната двойка от епизодичната памет. И двата опита за извличане черпят допълнителна информация от активирането на представяния в семантичната памет: повторното активиране на дума или обект чрез извличане, базирано на сигнали – от WM или епизодичен LTM – се комбинира с неговото постоянно активиране в семантичната памет. Докато първият допринася информация за връзките между елементите, вторият допринася информация за елемента. Той помага да се изключат нови думи или обекти от алтернативите на отговора, а при условие на нисък PI също така помага да се изключат елементи от предишни опити. В състояние на висок PI обаче всички думи и обекти в малкия пул са хронично активирани в семантичната памет и следователно активирането на елемента носи малко информация. Разграничаването между текущите и предишните изпитания трябва да разчита на извличане, базирано на знаци, като се използва или обвързване в WM, или епизодични представяния на паметта. До степента, в която разчита на WM, трябва да очакваме разпространението на прониквания от стари списъци да се увеличи с зададения размер, както установихме, че е случаят при условие с висок PI. Както бе споменато във въведението, приносът на епизодичните LTM за производителността при WM задачи се обсъжда от известно време. Въпреки това предположението за такъв принос ни поставя пред главоблъсканица: Епизодичният LTM не е ограничен от ограничение на капацитета – така че защо производителността в WM тестовете е толкова силно ограничена? По-специално, защо способността на хората да запомнят информация в WM тестовете е практически перфектна при зададени размери до около 2 или 3 и след това бързо се разпада, когато зададеният размер се увеличи допълнително, както е илюстрирано на Фиг. 1? Част от отговора вероятно е, че типичните WM задачи включват високо ниво на проактивна намеса между изпитанията: При изпитанията за серийно извикване паметта за поръчка се поддържа чрез обвързване на всеки елемент от списъка с представяне на неговата позиция в списъка, така че позицията да може да бъде използвани като сигнал за извличане на предмета при извикване (Lewandowsky & Farrell, 2008). В опитите едни и същи представяния на позиции действат като знаци за извличане (Fischer-baum & McCloskey, 2015), така че проактивната намеса се натрупва в епизодичната памет: Всяка позиция е свързана с повече и повече елементи – по един от всеки предходен опит – които се конкурират за извличане с целевия елемент от текущия опит. По същия начин, в повечето задачи за изследване на визуален WM, стимулите се представят като пространствено разпределени масиви, а при теста целевият стимул се идентифицира по неговото местоположение. Същите или много подобни местоположения се използват повторно в опитите, така че местоположенията като знаци за извличане се свързват с все повече и повече различни стимули в епизодичните LTM. За разлика от това, WM избягва проактивна намеса между опитите, тъй като WM се изчиства след всеки опит и съдържанието на WM е защитено срещу смущения от LTM (Oberauer, 2009b; Oberauer et al., 2017). Следователно, в настройки с висок PI в изпитанията, приносът на епизодичните LTM вероятно ще бъде скромен и производителността е силно ограничена от капацитета на WM, което води до рязък спад с увеличаване на размера на набора. Обратно, когато PI е много намален, хората могат да разчитат на епизодични LTM, за да заобиколят ограничението на капацитета на WM. Предишни изследвания вече показаха това за незабавни тестове на паметта на предмети (Endress & Potter, 2014). Новият принос на настоящата работа е да покаже това явление и за релационната памет: В условия без проактивна намеса хората могат да запомнят 20 - и може би повече - бързо представени произволни двойки стимули, далеч надхвърлящи всяка оценка на капацитета на WM. Проактивната намеса нарушава тази способност, показвайки, че тя разчита на епизодични LTM. Допълнителна индикация за по-силен принос на LTM към задачата WM беше, че при по-големи размери на набор типът грешки се измести от прониквания от същия опит към прониквания от стар списък. Независимо от това, само PI не може да обясни напълно защо настоящата задача разкри по-малко строго ограничение на непосредствената памет, отколкото по-типичните WM задачи. Дори в условията с висок PI, ефектите на размера на комплекта над четири двойки бяха доста плитки, а оценките на капацитета от най-високите размери на комплекта – по-специално в Експеримент 2 – бяха необичайно високи. Подозираме, че това може да се дължи на факта, че използвахме знаци за извличане, които са относително добре различими. В края на краищата те имат репрезентации в семантично (а в случай на картини, също и визуално) пространствено пространство с високи измерения. За разлика от това, сигналите за извличане на типични WM задачи – в повечето случаи позиции в редовия списък или пространствени местоположения в масив – са по-малко различими, тъй като обитават едно- или двуизмерни пространства, които стават все по-пренаселени с увеличаване на размера на набора. Силно отличителните знаци за извличане биха могли да позволят на епизодичните LTM да работят сравнително добре дори в лицето на проактивна намеса.

Фиг. 14. Вероятност за избор на правилния елемент в Експеримент 5 при условия със и без задача за разсейване през входно-изходни разстояния и зададени размери. Лентите за грешки представляват доверителния интервал между субектите.

Fig. 15. State-trace plot of the data from Experiments 2 and 4. The proportion of correct responses of each participant was averaged over low set sizes (2, 3, or 4 pairs), and high set sizes (>4 двойки, с изключение на 30 двойки в експеримент 2). Всяка точка от данни представлява едно експериментално състояние, за което имаме мярка за ефективност и на двете нива на зададен размер. Лентите за грешки са 95 процента доверителни интервали за сравнения в рамките на субектите.

Таблица 4 Байесови фактори на основните ефекти от размера на набора и задачата за разсейване в експерименти 4 и 5.

Таблица 5 Фактори на Bayes за ефекта на задачата за разсейване в зададени размери, в зависимост от входно изходното разстояние на Експеримент 4. Стойностите, по-големи от 3, представляват доказателство за ефекта на задачата за разсейване и са отпечатани с удебелен шрифт, стойности под 0. 33 доказателства срещу ефект.

Таблица 6 Фактори на Bayes за ефекта на задачата за разсейване в определени размери, в зависимост от входно изходното разстояние на Експеримент 5. Стойностите, по-големи от 3, представляват доказателство за ефект от задачата за разсейване и са отпечатани с удебелен шрифт, стойности под 0. 33 доказателства срещу.

6. Заключение

Настоящото проучване прави три приноса към нашето разбиране на работната памет: Първо, лимитът на капацитета на WM е основно, но може би не изключително, ограничение върху способността да се поддържат обвързвания – в този случай да се поддържат обвързвания между елементи. Второ, ние показахме двойна дисоциация на приноса на WM и епизодичния LTM към производителността в тази незабавна задача за памет: При размери на набори, по-големи от 3, LTM силно допринесе за производителността, докато производителността при размер на набор 2 се ръководеше от WM. Трето, ние предлагаме и емпирично подкрепяме методи за измерване на относителния принос на WM и епизодичните LTM към производителността в непосредствените задачи на паметта, които изследователите използват, за да тестват и изследват WM: Проактивната намеса може да се използва като индекс на приноса на епизодичните LTM . Обратно, уязвимостта към задача за разсейване може да се използва като индекс на приноса на WM.

Добавка Cistanche близо до мен-Подобряване на паметта

Препратки

Adam, KCS, Mance, I., Fukuda, K., & Vogel, EK (2015). Приносът на пропуските на вниманието към индивидуалните различия в капацитета на визуалната работна памет. Journal of Cognitive Neuroscience, 27 (8), 1601–1616.

Адам, KCS, Vogel, EK и Awh, E. (2017). Ясно доказателство за ограниченията на елементите във визуалната работна памет. Когнитивна психология, 97, 79–97. https://doi.org/10.1016/j. cogpsych.2017.07.001

Annis, J., Lenes, JG, Westfall, HA, Criss, AH, & Malmberg, KJ (2015). Ефектът на дължината на списъка не прави разлика между моделите памет за разпознаване. Вестник за памет и език, 85, 27–41.

Atkinson, RC, & Shiffrin, RM (1968). Човешка памет: предложена система и нейните контролни процеси. В , том. 2, брой C. Психология на ученето и мотивацията (стр. 89–195). Elsevier. https://doi.org/10.1016/S0079-7421(08)60422-3.

Baddeley, AD (2012). Работна памет: теории, модели и противоречия. Годишен преглед на психологията, 63, 1–29.

Barrouillet, P., & Camos, V. (2012). С течение на времето: Времеви ограничения в работната памет. Текущи насоки в психологическата наука, 21 (6), 413–419. https://doi.org/ 10.1177/0963721412459513

Bartsch, LM, Loaiza, VMVM, & Oberauer, K. (2019). Дали ограниченият капацитет на работната памет е в основата на възрастовите разлики в асоциативната дългосрочна памет? Психология и стареене, 34 (2), 268–281. https://doi.org/10.1037/pag0000317

Beukers, AO, Buschman, TJ, Cohen, JD, & Norman, KA (2021). Дали безшумната работна памет е просто епизодична памет? Тенденции в когнитивните науки, 25 (4), 284–293.