За какво е полезно времето в работната памет?

ali.ma@wecistanche.com

Кликнете върху Cistanche NZ за памет

Резюме

Предоставяне на повече време на хората за обработка на информация в работатапаметподобрявапредставянето им в работатапаметзадачи. Често се приема, че свободното време, предоставено след представянето на артикул, позволява на процесите на поддръжка да противодействат на забравянето на този артикул, което предполага, че времето има полза със задна дата. Две други хипотези - краткотрайна консолидация и времева отличителност - предполагат локален ефект на времето върху непосредствено предхождащи и следващи елементи. Тук ние показваме вместо нова глобална и проактивна полза от времето в работатапамет. В три експеримента за серийно припомняне (Ns=21, съответно 25 и 26 млади възрастни), ние променяхме позицията и продължителността на свободното време в рамките на списък от седем елемента от съгласни. Експеримент 1 показа, че ефектът е глобален, а не локален. Експерименти 2a и 2b показаха, че увеличеното време за междинни елементи е от полза само за следващите елементи, което предполага проактивна полза. Това откритие изключва процесите на поддръжка, краткосрочната консолидация и времевата отличителност като обяснения на ползата от свободното време, но е в съответствие с предложението за постепенно възстановяващ се ресурс за кодиране.

Ключови думи: работна памет на cistanche, време, акаунт за ресурс за кодиране, проактивна полза, памет, отворени данни, отворени материали

В контекста на краткосрочни или работнипамет, изтичането на времето обикновено се смята за възможност за забравяне (Donkin et al., 2015; Lewandowsky & Oberauer, 2009; Mercer & McKeown, 2014; Ricker et al., 2016, 2020). Една по-малко проучена роля на времето е, че при определени обстоятелства то помага да се поддържа информацията в работатапамет. Когатопаметсписъкът се представя по-бавно – тоест с повече свободно време между елементите – често се установява, че незабавното серийно извикване е по-добро (Ricker & Hardman, 2017; Souza & Oberauer, 2017; Tan & Ward, 2008; за прегледи вижте Oberauer et др., 2018; Penney, 1975). Тук попитахме какво причинява този благоприятен ефект на времето за работната памет.

Едно възможно обяснение е, че свободното време между елементите се използва за репетиция. Репетицията е често срещана стратегия за поддържане на задачи с работна памет. Три форми на репетиция могат да допринесат за благотворния ефект на свободното време: артикулационна репетиция (Tan

При опресняване, базирано на вниманието, информацията се активира отново чрез умишлено внимание към нея по време на поддръжката. При подробна репетиция представянето на стимули, които трябва да бъдат запомнени, се обогатява чрез свързването им със знания за дългосрочната памет.

Свободното междинно време може също да се използва за краткосрочно консолидиране (Jolicœur & Dell'Acqua, 1998) на току-що кодирания елемент. Краткосрочната консолидация се извършва след кодиране на артикул; изчислено е, че отнема около 0.5 s до 1,5 s и се предполага, че изисква централен ресурс за обработка (Jolicœur & Dell'Acqua, 1998; Nieuwenstein & Wyble, 2014).

Трето обяснение идва от хипотезата за времева отличителност. Според теориите за времева отличителност на паметта, увеличаването на времето между елементите намалява сходството на техния времеви контекст, което от своя страна трябва да намали времевата объркваемост и да увеличи точността на паметта (Brown et al., 2007). Свързана идея е, че изключително дългите междинни времена – например, когато подмножества от елементи от списък са временно групирани (Ryan, 1969b) – предизвикват промяна на контекста, увеличавайки контекстуалната отличителност между елементите в различни групи.

Тези обяснения водят до различни прогнози за това кои елементи в списъка с памет се възползват от увеличеното свободно време. Ние разглеждаме разликите в прогнозите по две измерения (вижте таблица 1), които най-добре могат да бъдат обяснени чрез фокусиране върху един междинен интервал някъде в средата на списъка с памет: (a) Благоприятният ефект от свободното време в този интервал може да бъде ретроактивен (т.е. подобряване на паметта за елементи, кодирани преди интервала) или проактивно (т.е. подобряване на паметта за последващо кодирани елементи), и (б) благоприятният ефект може да бъде локален (т.е. подобряване на паметта само за елементите, непосредствено преди или след свободния -времеви интервал) или глобален (т.е. подобряване на паметта за всички елементи от списъка, предхождащи или следващи интервала).

Трите форми на репетиция (артикулационна репетиция, усъвършенствана репетиция и опресняване на вниманието) могат да се прилагат само към елементи, които вече са кодирани в работната памет преди интервал от свободно време, и следователно техният ефект трябва да бъде предимно ретроактивен. Артикулационната репетиция обикновено е кумулативна и следователно ефектът трябва да бъде ретроактивен и глобален, облагодетелствайки всички елементи, кодирани преди интервала на свободното време, използван за репетиция. Също така обикновено се приема, че опресняването преминава през всички елементи в работната памет, вместо да се спира на последния представен елемент, което предполага глобален ретроактивен ефект (Barrouillet et al., 2007; Lemaire et al., 2018; Oberauer & Lewandowsky, 2011). ). Обратно, разработването може да включва всички елементи, кодирани до момента, или само последния кодиран елемент, така че ефектът може да бъде глобален или локален.

Подобряването на паметта за елементи, предшестващи интервал от свободно време, може да има косвен ефект и върху следващите елементи. Например, ако свободното време се използва за подобряване на поддръжката на предварително кодирани елементи, тогава когато се даде достатъчно време, процесите на поддръжка като репетиция или опресняване на тези елементи могат да бъдат завършени през това време. Това може да намали разходите за репетиране или опресняване на предходни елементи по време на кодиране или поддръжка на следващите

Изявление за релевантност

Работната памет е черната дъска на нашия ум, където можем да съхраняваме налична информация за кратко - например можем да задържим нов телефонен номер в работната памет и след това да го напишем от паметта. Изминаването на времето обикновено се свързва със забравяне на информацията, съхранявана в работната памет: Много изследователи смятат, че информацията в работната памет избледнява бързо, освен ако не я репетираме, като я повтаряме на себе си. За разлика от тази идея, изследванията показват, че ако правим пауза между добавянето на елементи към работната памет, нашата памет се подобрява. Проучихме за какво хората използват тези паузи. Например, човек може да използва пауза, за да прегледа това, което вече е в работната памет (напр. репетиция). Вместо това открихме, че паузите подобряват извикването на информация, която се добавя към работната памет след паузата, без да водят до забравяне на елементи, които вече са в работната памет преди паузата. Това откритие предполага, че паузите (т.е. времето) помагат на работната памет да се подготви за бъдеща информация и изисква нов начин на мислене за ролята на времето в работната памет.

елементи и по този начин да се подобри поддръжката на следващите елементи. В този случай може да възникне проактивен ефект в допълнение към ретроактивния ефект.

Обикновено се приема, че краткосрочната консолидация се прилага само към последния кодиран елемент. Освен това той разчита на ограничен ресурс за обработка, така че повечето теоретици приемат, че само един елемент е консолидиран по всяко време (за преглед вижте Ricker et al., 2018). Тази концептуализация предполага, че във всеки интервал от свободното време се консолидира само непосредствено предходният елемент. Ако всеки елемент се консолидира само докато не бъде прекъснат от началото на следващия елемент, благоприятният ефект от свободното време трябва да бъде ретроактивен и локален: по-дългото свободно време позволява по-дълго консолидиране на предходния елемент. Ricker и Hardman (2017) предлагат алтернативна хипотеза: Краткосрочната консолидация е балистична

процес, който веднъж започнал, продължава до завършване. Когато не е дадено достатъчно време за завършване на консолидацията, консолидацията на следващия елемент се отлага и по този начин се ограничава (Ricker & Hardman, 2017). Увеличеното свободно време избягва това отлагане и по този начин подобрява паметта за следващия елемент, предвиждайки местна проактивна полза само за този елемент. В поредица от експерименти с визуална работна памет Рикър и Хардман (2017) получиха доказателства за такъв локален, проактивен ефект.

Според хипотезата за времева отличителност, по-дългото свободно време между елементите трябва да увеличи времевата отличителност на елементите непосредствено преди и след интервала на свободното време (Brown et al., 2007). Следователно, времевата отличителност предсказва локални ефекти, които са както проактивни, така и ретроактивни. Тази прогноза е тествана в няколко проучвания. Докато прогнозираните ефекти са наблюдавани при тестове за разпознаване (Morin et al., 2010) и някои версии на тестове за реконструкция на реда, те очевидно липсват в тестовете за незабавно серийно припомняне (Lewandowsky et al., 2006; Nimmo & Lewandowsky , 2005, 2006; Parmentier et al., 2006; Peteranderl & Oberauer, 2018).

По подобен начин промените в контекста между времевите групи предсказват симетрични проактивни и ретроактивни ползи, които са предимно локални, но също до известна степен глобални (Burgess & Hitch, 1999; Farrell, 2012). Такива ефекти обикновено се наблюдават при серийно припомняне, което води до вътрешногрупово предимство и ефекти на скорошност (Frankish, 1989; Ryan, 1969a).

За да разберем за какво се използва свободното време в работната памет, тествахме (а) дали свободното време има локални или глобални ефекти и (б) дали ефектът от свободното време е проактивен, ретроактивен или и двете. Експеримент 1 се фокусира върху преценката между глобални и локални ефекти. Променяхме продължителността на междинното време в списъците. Междинните времена бяха или последователно кратки в целия списък, последователно дълги, или варираха в рамките на списъка по различен начин за всички позиции, така че средното време на междинните елементи беше толкова дълго, колкото и при постоянно дълго състояние. Целта на условието за променлив интервал беше да се тества дали продължителността на всеки междинен интервал има ефект предимно върху съседните елементи (т.е. локални ефекти) или се разпространява в елементите на списъка (т.е. глобален ефект).

Манипулацията с променлив интервал възпроизвежда дизайна на Lewandowsky et al. (2006) за тестване на хипотезата за времева отличителност. Проучванията за серийно припомняне с този дизайн не откриха доказателства за локални ефекти на времето, което противоречи на прогнозите за времева отличителност. Една възможност, която обаче трябва да обмислим, е, че хората използват безплатни междинни интервали за процеси като подробна репетиция или краткосрочна консолидация, само ако тяхната продължителност е предвидима. В този случай непредсказуемо вариращите интервали в проучванията за времева отличителност може да не са били използвани за никакъв процес, подобряващ паметта. Ако е така, паметта в състоянието на променливи интервали трябва да е по-бедна, отколкото в условието с постоянно дълги интервали, въпреки предоставянето на същото количество свободно междинно време като цяло.

С експерименти 2a и 2b тествахме до каква степен ползата от свободното време е проактивна или ретроактивна. Увеличихме само едно междинно време, докато останалите бяха фиксирани. Позицията на по-дългото междинно време варира в целия списък. По-дългият междинен интервал може да бъде 2500 ms или 500 ms, докато редовните междинни интервали са 50 ms всеки. Попитахме дали дългият интервал има ефект за предходните елементи (ретроактивно), следващите елементи (проактивно) или и двете. Освен това очаквахме да видим ефекти на времевото групиране, дължащи се на девиантния междинен интервал както за 500-ms, така и за 2,500-ms интервали. Тъй като Ryan (1969b) не наблюдава разлика в ефектите на групиране между къси и дълги междугрупови интервали, ние предвидихме, че тези ефекти на групиране са еквивалентни и за двете девиантни дължини. Целта беше да се наблюдава дали допълнителното свободно време (2,000 ms), дадено на различни позиции в списъка с памет, би допринесло за ефективността за елементите, наблюдавани преди или след манипулирания интервал, над и над ефектите на времевото групиране.

Метод

Участници

Двадесет и един, 25 и 26 млади възрастни участваха съответно в експерименти 1, 2a и 2b. Размерите на извадката бяха избрани на базата на предишни експерименти, които показаха благоприятни ефекти от по-дълги интервали между елементите. Събирането на данни беше спряно, когато достигнахме предварително определен целеви размер на извадката (N плюс 1, ако е възможно, в случай че трябва да изключим каквито и да е данни по време на анализа). Експеримент 1 имаше целеви размер на извадката от 20, а експерименти 2a и 2b имаха целеви размер на извадката от 25. Експериментите продължиха до 60 минути. Участниците бяха възстановени за времето си с кредит за курс или 15 швейцарски франка на час.

Процедура

Всяко изпитване започва с централна точка на фиксиране, представена за 500 ms, последвана от представяне на списъка на изследването. Списъците се състоят от седем съгласни, представени една по една (виж Фиг. 1). В експеримент 1 всеки елемент от списъка беше представен на екрана за 250 ms, последван от празен екран за остатъка от интервала между стимули (ISI), тук дефиниран като общия интервал от изместването на една съгласна до началото на следващата . В Експерименти

Фиг. 1. График на фазата на кодиране във всяко от условията от Експерименти 1 и 2. Във всяко условие седем съгласни, произволно изтеглени от 21 съгласни, бяха представени една по една. Това беше последвано от тест за припомняне на сериен номер. Интерстимулните интервали (ISI), дефинирани като общия интервал от изместването на една съгласна до началото на следващата, варират в зависимост от условията. Числата над списъците показват ISI за съгласните под тях. В експеримент 1 последната съгласна винаги се представя за 250 ms и е последвана от интервала на задържане. Интервалът на задържане, времето между отместването на последната съгласна и теста, беше фиксиран за всички условия (1250 ms). В условието за дълга променлива, шест различни ISIs бяха присвоени на случаен принцип към всяка ISI позиция в рамките на списък (50, 250, 550, 950, 1450 и 1950 ms). При дълго фиксирано състояние ISI бяха фиксирани (870 ms); сумата от ISI беше приблизително същата като при дългопроменливото състояние. При кратко фиксирано състояние ISI бяха фиксирани (50 ms) и сумата им беше по-кратка, отколкото при другите условия. В експеримент 2 един от ISI може да бъде по-дълъг от останалите ISI, като въвежда празнина във фазата на кодиране и осигурява свободно време между учебните елементи. Тази празнина беше 500 ms в състояние на къс интервал и 2500 ms в състояние на дълъг интервал. В показаните тук примери за условия на кратък и дълъг интервал, интервалът се появява след първия елемент в списъка с изследвания. В действителния експеримент празнината може да бъде във всяка позиция в списъка. Всички други ISI в Експеримент 2 (включително тези в състояние без празнина [базова линия]) бяха 50 ms. Само Експеримент 2b имаше условието за липса на пропуски.

2a и 2b, всеки елемент от списъка беше представен за 300 ms, последван от празен екран за останалата част от ISI. Стандартният ISI в експерименти 2a и 2b е 50 ms. Във всички експерименти представянето на списък беше последвано от забавяне (1250 ms за експеримент 1; 1,000 ms за експерименти 2a и 2b), след което участниците започнаха незабавния тест за серийно извикване. Участниците бяха инструктирани да напишат буквите в техния ред на представяне. Те трябваше да въведат седем елемента, преди да продължат към следващия процес.

Експеримент 1. Експериментът се състои от шест блока от по 18 опита всеки, което води до 108 опита. За да проверим дали ефектът на свободното време е глобален или локален, манипулирахме продължителността на ISI. ISI е общ интервал от изместването на един елемент до началото на следващия елемент. Имаше три условия: кратко фиксирано състояние, състоящо се от къси ISI (50 ms) в целия списък, дълго фиксирано състояние, състоящо се от по-дълги ISI (870 ms) в целия списък, и дълго променливо състояние, състоящо се от променливи ISI. Всеки участник получи равен брой опити във всяко от тези условия, в произволен ред.

Ключовата манипулация беше условието с дълга променлива, което следваше дизайна на Lewandowsky et al. (2006). Имаше шест различни ISI в това състояние: 50 ms, 250 ms, 550 ms, 950 ms, 1450 ms и 1950 ms. При всяко изпитване на състоянието с дълга променлива, всеки от тези ISI беше присвоен на една междинна позиция в списъка. Имаше 720 възможни поръчки от шест интервала; тези поръчки бяха присвоени на 20-те участници чрез алгоритъм, който минимизира променливостта в честотите на използване на всяка поръчка. По този начин ISI, предхождащ или следващ всеки елемент, не се обърква със серийната позиция на елемента. Сумата от ISI в дългосрочно променливо състояние (5200 ms) е приблизително равна на сумата от ISI в дългосрочно фиксирано състояние (5220 ms). Времето след последния елемент в списъците беше фиксирано за всички условия (1250 ms).

Експеримент 2а. Експериментът се състоеше от осем блока от по 36 опита всеки, което доведе до 288 опита. Във всяко изпитване имаше отклонение на ISI на една междинна позиция, или къса (500 ms), или дълга (2500 ms). И двете създадоха времева празнина в контраст с фона на останалите стандартни ISI, които бяха всичките 50 ms. Известно е, че такава празнина води до групиране във времето (Ryan, 1969b), но тъй като Ryan (1969a) е показал еквивалентни ефекти на групиране за къси и дълги празнини, не очаквахме разлика в ефектите на групиране между късата междина и дългата условия на празнина. Изследвахме дали в допълнение към общата полза от групирането, допълнителното свободно време, дадено в условието за дълга пауза, подобрява паметта за елементи, предхождащи свободното време, или елементи, следващи свободното време. Имаше шест позиции в списъка с изследвания, където можеше да се вмъкне празнината: след всеки елемент от първия до шестия. Общо имаше 12 условия: шест позиции на празнина с две продължителности на празнината. Всеки блок се състои от три опита на всяко състояние, което води до 24 опита на състояние.

Експеримент 2б. Експеримент 2 беше същият като експеримент 1, с изключение на една разлика. Добавихме базово състояние, при което нямаше празнини, за да изследваме общите ефекти на празнината, като времево групиране. В изходното състояние не е имало отклонение на ISI; всички ISI бяха 50 ms. Това направи общо 13 условия. Всеки блок се състои от три опита на всяко състояние, което води до общо 312 опита.

Материали

За всеки списък седем съгласни бяха изтеглени на случаен принцип без замяна от 21 съгласни на немската азбука.

Анализ на данни

Изчислихме байесови линейни модели със смесени ефекти, използвайки функцията lmBF от пакета BayesFactor (Версия 0.9.12-4.2; Morey & Rouder, 2018), внедрена в R среда за програмиране (Версия 4.0.1; R Core Team, 2020). Нашият анализ следва подход за избор на модел, фокусиран само върху набора от „правдоподобни модели“, подразбиращи се от принципа на маргиналността (Rouder et al., 2016). По-конкретно, за всеки експеримент оценихме пълния набор от правдоподобни модели и след това сравнихме всички модели с нулевия модел, който съдържаше само прихващане и случаен ефект на субекти, използвайки фактори на Бейс (BF). Моделът с най-голям BF беше използван, за да се определи кой от ефектите (т.е. основни ефекти и взаимодействие) данните предоставят доказателства за или против. Тъй като нашите данни съдържаха повтарящи се измервания (за всички фактори във всички експерименти), ние извършихме тази стъпка два пъти - веднъж за минималния модел, в който структурата на произволни ефекти съдържаше само произволни пресичания и веднъж за структурата на максимални произволни ефекти, оправдана от дизайна (Barr et al., 2013). По-долу докладваме резултати въз основа на максималния модел. Освен ако не е посочено друго, моделът на BF (т.е. предоставяне на доказателства за или против конкретен ефект) е един и същ за набора от модели, използващи структурата на минимални произволни ефекти. Пълните резултати са предоставени и в допълнителния материал, достъпен онлайн. Всички анализи бяха извършени върху данните, обобщени от участник и клетка на дизайна. Следователно структурата на максималните произволни ефекти, оправдана от дизайна, не включва произволни наклони за ефект от най-висок порядък (напр. взаимодействие от най-висок порядък; Singmann & Kellen, 2020).

Фиг. 2. Делът на точните отговори на задачата за незабавно серийно извикване в трите условия на Експеримент 1. Графиките показват (a) средна производителност за всяко условие в серийни позиции, (b) производителност за всяко условие, осреднена в серийни позиции като функция на времето преди артикула и (c) производителност за всяко състояние, осреднено за серийни позиции като функция на времето след артикула. Точността на серийното извикване беше определена чрез присвояване на правилен отговор на всеки елемент от списъка само ако този елемент беше извикан в правилната изходна позиция. Лентите за грешки означават 95 процента доверителни интервали в рамките на субектите.

Резултатите, докладвани по-долу, често се дават под формата на BF10, което показва силата на доказателствата за определен фокусен модел, Модел 1, срещу модел за сравнение, Модел 0. Стойността на BF10 показва колко по-вероятно е модел 1 пред модел 0. Ако стойността на BF10 е по-голяма от 1, това показва доказателство за алтернативния модел (т.е. Модел 1 над Модел 0). Ако стойността на BF10 е по-малка от 1, това показва доказателство за по-простия модел (т.е. модел 0 над модел 1). В последния случай вместо това отчитаме BF01, който се дава от BF01=1/BF10, така че стойностите на BF01, по-големи от 1, показват доказателство за по-простия модел. BF не могат да се интерпретират като p стойности и не предоставят граница за значимост. По-голям BF показва по-силни доказателства за печелившия модел. Като насока за тълкуване, BF по-малки от 3 се считат за слаби доказателства, BF между 3 и 10 се считат за съществени доказателства, а BF по-големи от 10 или по-малки от 0,1 се считат за силни доказателства (Kass & Raftery, 1995).

За експеримент 1 първият анализ включваше два фактора, серийна позиция и състояние, а вторият анализ включваше само един фактор, ISI, което изискваше сравнение само на един модел 1 с модел 0. За експерименти 2a и 2b анализът включваше три фактора, което доведе до няколко правдоподобни модела, които биха могли да обяснят данните. За анализите, които включват повече от един фактор, първо изследвахме BF10 за всеки модел в сравнение с нулевия модел и открихме модела, описващ данните с най-силните доказателства, показани от стойността на BF10. След това моделът с най-висок BF10 беше сравнен с допълнителни модели за тестване на специфични хипотези за наличието или отсъствието на отделни ефекти. Това може да стане чрез просто разделяне на BF10 на модела, включително ефекта, с BF10 на модела, изключващ ефекта, което осигурява BF в полза на ефекта. Нулевите модели от тези стойности на BF10 трябва да са еднакви, за да има смисъл новият BF. В някои случаи последващите анализи също използват Bayesian t-тестове. Във всички експерименти производителността се отнася до точността на серийно извикване, която присвоява правилен отговор на всеки елемент от списъка само ако този елемент е бил извикан в правилната изходна позиция.

Резултати

Експеримент 1

Нашата цел в Експеримент 1 беше да изследваме локалните и глобалните ефекти на свободното време в работната памет. Сравнението на модела показа сериозни доказателства за пълния модел. Имаше взаимодействие между условие (късо фиксирано, дълго фиксирано и дълго променлива) и серийна позиция (BF10 > 10,000 в сравнение както с нулевия модел, така и с втория най-добър модел, който се състоеше и от двата основни ефекта) . Както може да се види от Фигура 2а, производителността при дълго фиксирани и дълго променливи условия е по-добра от производителността при кратко фиксирани условия (и двата BF10 > 10, 000 от Bayesian t тестове, сравняващи производителността между условията агрегирани в серийна позиция). Освен това, производителността при дълго фиксирани и дълго променливи условия не се различава (BF01=7.7, което предполага доказателство за нулевия модел за липса на разлика между двете условия).

Второ, ние анализирахме условието за дълга променлива, като разгледахме подробно как времето преди и след елемента – ISI непосредствено преди или след елемент – повлия на паметта на всеки елемент. За този анализ серийни позиции 1 и 7 бяха изключени, тъй като серийна позиция 1 нямаше време преди елемента, а серийна позиция 7 нямаше време след елемента. Фиксираните ефекти за втория анализ бяха (а) продължителността на времето преди елемента и (б) продължителността на времето след елемента. Както времето преди елемента, така и времето след елемента варираше между 0.3 s и 2,2 s, като имаше шест продължителности. Ако свободното междинно време има локален ефект, тогава производителността трябва да се подобри с по-дълго време преди елемент, по-дълго време след елемент или и двете. Ако свободното междинно време има глобален ефект, няма да се предвиди такъв ефект, тъй като общото свободно междинно време е постоянно за всички опити на условието с дълга променлива.

Не открихме ефект от времетраенето на елемент или след елемент върху производителността (вижте Фигури 2b и 2c). Имаше сериозни доказателства както срещу времето преди елемента (BF01 > 10, 000), така и времето след елемента (BF01 > 10, 000), изключвайки всякакъв локален ефект на времето.

Експерименти 2а и 2б

Нашата цел в експерименти 2a и 2b беше да проверим дали ползата от свободното време е проактивна, ретроактивна или и двете. Освен това ползата от свободното време може да бъде локална или глобална. За да тестваме тези възможности, ние се фокусирахме върху ефекта на свободното време като функция на изоставането между празнината и представените елементи. По този начин бихме могли да анализираме въздействието на свободното време върху предходните и следващите елементи поотделно. Изоставането беше изчислено като разстоянието със знак на елемент от позицията на празнината в списъка. Например, ако разликата беше между третия и четвъртия елемент, третият елемент щеше да бъде на Lag − 1, а четвъртият елемент щеше да бъде на Lag плюс 1. Съответно, имаше 10 лага: −5, −4, −3, −2, − 1, плюс 1, плюс 2, плюс 3, плюс 4 и плюс 5. Отрицателните закъснения включват елементи, предшестващи празнината, и са използвани за тестване на ретроактивни ефекти. Положителните закъснения включваха елементи след празнината и бяха използвани за тестване на проактивни ефекти. Например забавяне от плюс 2 би включвало (a) елемент на серийна позиция 4, ако разликата е между артикули 2 и 3, (b) артикул на серийна позиция 5, ако разликата е между артикули 3 и 4, и ( c) елемент на серийна позиция 6, ако разликата е между позиции 4 и 5. Ефективността на паметта за Lag плюс 2 ще бъде изчислена чрез осредняване на производителността на серийно извикване за тези елементи в подходящите условия на позиция на празнина.

За да изследваме проактивните и ретроактивните ефекти на свободното време върху производителността на паметта, тествахме взаимодействията на добавеното свободно време в интервала (450 ms срещу 2450 ms) със знака на забавянето и неговата абсолютна стойност. Знакът на забавянето показва дали даден елемент предхожда (отрицателно забавяне) или следва (положително забавяне) манипулирания интервал и следователно взаимодействието на продължителността на свободното време със знака на забавяне ни казва дали ефектът на свободното време е по-ретроактивен или повече проактивен. Взаимодействието на продължителността на свободното време с абсолютната стойност на закъснението - по-специално контрастът между закъсненията ±1 и по-големите абсолютни закъснения - ни каза дали ефектът е локален или глобален.1

Фигура 3 представя производителността при условия в експерименти 2a и 2b. Имаше забележим проактивен ефект върху паметта; представянето е по-добро за елементите след дълъг интервал в сравнение с елементите след кратък интервал. Нямаше разлика между ефекта на дългото и краткото свободно време върху представянето за предходните елементи. С други думи, няма ретроактивен ефект от продължителността на празнината.

За експеримент 2а най-добрият модел включваше основни ефекти на свободното време, знака за забавяне и абсолютното забавяне, както и взаимодействието свободно време по знак за забавяне, но не и взаимодействия, включващи свободно време и абсолютно забавяне (BF {{5 }} в сравнение с пълния модел, който включва всички двупосочни взаимодействия и трипосочно взаимодействие, и BF=3.7 в сравнение с втория най-добър модел, който включва всички двупосочни взаимодействия, но не и трите -way взаимодействие). За експеримент 2b най-добрият модел беше пълният модел (BF=495 в сравнение с втория най-добър модел без тристранно взаимодействие).

За да анализираме взаимодействието на продължителността на свободното време със знака за забавяне, ние изследвахме двойните сравнения между дълго и кратко свободно време поотделно за последващи елементи (положителни закъснения) и предходни елементи (отрицателни закъснения) с Bayesian t тестове. И в двата експеримента 2a и 2b, допълнителното свободно време в състоянието на дълго свободно време подобри ефективността за следващите елементи в сравнение с условието на кратко свободно време, предоставяйки убедителни доказателства за проактивна полза (Експеримент 2a: BF10=1 ,137; Експеримент 2b: BF10=885). Обратно, доказателствата за ползите със задна дата бяха доста слаби. В Експеримент 2a допълнителното свободно време подобри ефективността за предходни елементи само с малка сума (двусмислено доказателство за полза със задна дата; BF10=1.15). В експеримент 2b няма доказателства за ретроактивна полза от допълнителното свободно време, а вместо това имаше слаби доказателства срещу такава полза (BF01=2.6).

Следващият ни анализ се фокусира върху това дали ефектът от свободното време се променя с абсолютното забавяне. Всеки локален ефект би бил сигнализиран от взаимодействие на свободното време с абсолютно забавяне. Ние увеличихме мащаба на това взаимодействие отделно за предходни и следващи елементи.

Резултатите от Експеримент 2а не показват никакво взаимодействие на свободното време и абсолютното забавяне и за двете

Фиг. 3. Делът на точните отговори на задачата за незабавно серийно извикване за предходни и следващи елементи като функция на забавянето (-5 до 5) и количеството свободно време (дълго, кратко) в експерименти 2a (a) и 2b (б). Точността на серийното извикване беше определена чрез присвояване на правилен отговор на всеки елемент от списъка само ако този елемент беше извикан в правилната изходна позиция. Лентите за грешки означават 95 процента доверителни интервали в рамките на субектите.

предходни и последващи елементи. За следващите елементи най-добрият модел включва само двата основни ефекта (BF в сравнение с пълния модел=6). За предходните елементи най-добрият модел включваше само основен ефект на абсолютно забавяне; обаче, доказателствата в полза на този модел пред втория най-добър модел, който включва двата основни ефекта, са двусмислени (BF10=1.17).

Резултатите от Експеримент 2b предоставят доказателства за взаимодействие между абсолютно забавяне и свободно време само за предходните елементи, но не и за следващите елементи. За следващите елементи най-добрият модел включва само двата основни ефекта (BF в сравнение с пълния модел=9.53). За предходните елементи имаше доказателства за взаимодействие между абсолютното забавяне и свободното време (BF10 в сравнение с втория най-добър модел > 1, 000). Изглежда, че взаимодействието се задвижва от абсолютния лаг 5 за предходните елементи, който е лаг -5 на фигура 3b. Както може да се види от Фигура 3b, при Lag -5, производителността е по-ниска за дълго свободно време в сравнение с кратко свободно време. Този ефект е обратен на ползата от свободното време и следователно не подкрепя предположението за полза от времето със задна дата.

Ефекти на времевото групиране

Експерименти 2a и 2b са предназначени да изследват ползата от свободното време чрез предоставяне на допълнително свободно време в една от ISI. Известно е, че временна празнина при един ISI въвежда временно групиране и следователно трябва да разграничим ефекта на свободното време от ефекта на групирането. Ние предположихме, че както късата празнина, така и дългата празнина предизвикват групиране в една и съща степен, така че всеки допълнителен ефект на дълга празнина спрямо кратка празнина отразява ефекта на свободното време. Тук предоставяме доказателства за това предположение.

Ефектите на времевото групиране обикновено се характеризират с рязко увеличаване на времената за взаимно реагиране за припомняне на елемента след празнината и увеличаване на ефективността на серийното извикване както преди, така и след празнината (Farrell et al., 2011). За да проверим дали е индуцирано еквивалентно времево групиране както за условията на къса, така и за дълга празнина, ние изследвахме данните от Експеримент 2b за често наблюдавани ефекти на времевото групиране върху серийното припомняне. Избрахме Експеримент 2b, защото в този експеримент беше включено основно условие, което можеше да служи като контролен списък.

Изчислихме разликата между времената за реакция при извикване и точността на серийно извикване между трите условия в две стъпки. Първо, ние извадихме производителността (т.е. времето за реакция и точността) на условието за липса на празнина от условието за малка разлика. Тази разлика трябва да отразява главно ефектите на времевото групиране. Второ, извадихме производителността в условието за къс интервал от представянето в състоянието на дълъг интервал. Тази разлика трябва да отразява ефекта на времето над ефекта от групирането. Тези разлики са изобразени като функция на забавянето на фигура 4. Фигура 4 показва, че ефектът от времето е бил качествено различен

Фиг. 4. Ефекти от времевото групиране и време върху (а) времето за реакция и (б) серийно извикване в Експеримент 2b. Ефектът на времевото групиране се определя чрез изчисляване на разликата в производителността между условията на къс интервал и без интервал, а ефектът на времето се определя чрез изчисляване на разликата в производителността между условията на дълъг интервал и условия на къс интервал. Червената линия при 0 показва, че няма разлика между условията. Точността на серийно извикване беше определена чрез присвояване на правилен отговор на всеки елемент от списъка само ако този елемент беше извикан в правилната изходна позиция; делът на такива правилни отговори беше използван като маркер за точност. Разлики в двете времена за реакция

и производителността при серийно извикване са показани като функция на забавянето. Лентите за грешки означават 95 процента доверителни интервали в рамките на субектите.

от ефекта на времевото групиране. Докато групирането селективно увеличава времената за реакция на елемента Lag плюс 1 (т.е. елемента след празнината), ефектът на времето не го прави. Освен това, ефектът на времевото групиране върху точността на серийното извикване беше симетричен - и двете страни на празнината се подобриха поради времевото групиране - докато ефектът на времето беше асиметричен, облагодетелствайки само елементите, следващи празнината (за статистическа подкрепа за тези наблюдения вижте Допълнителния Материал). В заключение, ефектите от групирането и от удълженото свободно време са качествено различни, което показва, че ефектът от времето не е просто усилен ефект от групирането.

Резюме

Тези резултати общо показват, че (а) свободното време подобрява паметта за следващите елементи, а не за предходните елементи, което показва чисто проактивна полза, и (б) ползата от проактивното свободно време не взаимодейства с абсолютното забавяне, което показва глобално ефект. Последната констатация е важна, тъй като предположението за балистична краткосрочна консолидация (Ricker & Hardman, 2017) предвижда такъв проактивен ефект само за Lag плюс 1, а не и за други закъснения. В настоящите експерименти проактивният ефект не е специфичен за Lag 1 и следователно не може да се обясни с краткосрочна консолидация.

Дискусия

Ние показахме, че свободното време има глобален и проактивен ефект върху ефективността на незабавното припомняне на сериали. Резултатите от първия експеримент показаха, че ефектът от свободното време не е локален, а глобален, както се вижда от ползата от свободното време, разпределено в елементите от списъка. Вторият експеримент и неговото повторение предоставиха доказателства за чисто проактивна полза. Чисто проактивният характер на ползата от времето в работната памет е в съответствие с констатацията, че допълнителното време е полезно само между представянето на елементите, но не и след представянето на целия списък (Oberauer & Lewandowsky, 2016).

Тези констатации не могат да бъдат обяснени с репетиция или с краткотрайна консолидация, което предполага, че свободното време може да се използва за укрепване на представянето на предходни елементи. Нашите открития предполагат, че или допълнителното свободно време (в допълнение към времето за представяне от 250–300 ms) не е използвано за тези процеси, или че тези процеси не са били полезни.2

Нашите открития също не могат да бъдат обяснени с времева отличителност или с промяна на контекста. Времевата отличителност предсказва местни ползи, които са симетрично проактивни и ретроактивни, противно на това, което открихме. В експеримент 2, девиантната времева празнина вероятно е предизвикала преминаване към нов групов контекст (Burgess & Hitch, 1999; Farrell, 2012). Може би по-голямата разлика е предизвикала по-силно групиране? Срещу това открихме, че емпиричният подпис на групирането е качествено различен от този на ползата от свободното време (виж Фиг. 4).

Може би моделът на Farrell (2012) би могъл да предостави обяснение, базирано на групиране, защо дългият разрив е облагодетелствал само елементите след разрива. В този модел последната група се радва на особено висока достъпност, тъй като нейният контекст все още е активен в края на списъка. Въпреки това, тъй като нашата задача беше серийно припомняне, участниците трябваше да започнат първо да си припомнят първата група, което изисква възстановяване на контекста на първата група, в който момент последната група губи своята полза. Следователно моделът на Фарел за групиране не може да обясни настоящите открития.

Тъй като нашите резултати не са съгласни с нито едно установено теоретично предложение, ние попитахме как можем да ги обясним. Едно възможно обяснение е, че свободното време позволява ad hoc групиране на предходните елементи или изнасянето им в дългосрочна памет (или и двете), като по този начин намалява натоварването на работната памет, което улеснява поддръжката на следващите елементи. Това обяснение би повдигнало въпроса защо тези процеси оставят паметта за предходните елементи непроменена. Разделянето обикновено се придружава от значително подобрена памет за разкъсаната информация (Chen & Cowan, 2005; Miller, 1956; Thalmann et al., 2019). Може да се очаква, че изнасянето на информация в дългосрочната памет ще намали точността, тъй като информацията в дългосрочната памет е уязвима за проактивна интерференция, натрупваща се в опитите. Би било малко вероятна злополука, ако такива трансформации на представянията на елементи от ранен списък оставят тяхната достъпност непроменена.

Като алтернатива, скорошна теория на Попов и Редер (2020) предполага, че има ограничен ресурс за кодиране на информация в епизодична памет, която се изчерпва с всеки кодиран елемент и този ресурс постепенно се възстановява с течение на времето. Ако прехвърлим тази идея в областта на работната памет, това би могло да обясни констатациите от нашето проучване: (а) Всеки опит започва с ограничен ресурс за кодиране, (б) всяко събитие на кодиране отнема фиксирана част от наличните ресурси и ( в) по време на всеки междинен интервал ресурсът се възстановява постепенно. От това следва, че ресурсът се възстановява повече с по-дълги ISI. Това предимство възниква само за елементи, следващи ISI, което води до чисто проактивно предимство. Ползата е глобална, защото всеки елемент отнема постоянна част от наличния ресурс. След като ресурсът се попълва през дълъг интервал, тази част е по-голяма сума за всички следващи елементи.3

Акаунтът за ресурс за кодиране е нова идея и следователно все още не е приложен за незабавно извикване. Ние изградихме прост модел, включващ идеята за ресурс за кодиране, за да видим дали наблюдаваните модели на данни в нашите експерименти могат да бъдат предсказани от него.4 Фигура 5 показва симулирани данни за Експерименти 1 и 2, заедно с уравненията и описанията на модела. Моделът предвижда еквивалентна производителност за дълго фиксирани и дълго променливи условия за Експеримент 1, в съответствие с нашето откритие, както и взаимодействието на условието със серийната позиция. Въпреки това, моделът също така предвижда малко по-ниска производителност за по-кратки времена преди артикул, което не наблюдавахме. Моделът възпроизвежда точно глобалната и проактивна полза от времето в Експеримент 2.

Проучихме дали моделът може също така да приспособи местната проактивна полза от свободното време, която Ricker и Hardman (2017) наблюдават за визуални стимули. Установихме, че при по-бързото изчерпване на ресурсите и по-бързото попълване това е така (вижте Фиг. S2 в Допълнителния материал). Следователно предположението за ресурс за кодиране предполага проактивен ефект, който - в зависимост от параметрите на модела - може да бъде или по-глобален, или по-локален.

В обобщение, в три експеримента документирахме нов благоприятен ефект на свободното време върху работната памет, който е проактивен и глобален. Процесите на поддръжка, които биха могли да се осъществят през свободното време, предвиждат полза със задна дата, докато сметката за краткосрочна консолидация, както и хипотезата за времева отличителност, предвиждат местна полза. Промяната на контекста, както е предвидено в някои модели на времево групиране, прогнозира симетрични проактивни и ретроактивни ползи. Следователно настоящите констатации не могат да бъдат обяснени със сметки за поддръжка, консолидация, времева отличителност или смяна на контекста в текущата им форма (за прогнози на тези сметки вижте таблица 1). Понастоящем само нов акаунт за кодиращи ресурси предлага обещаващо обяснение на текущите открития. Новите емпирични констатации тук подкрепят възможността работната памет да бъде подложена на ограничение на кодиращ ресурс, който се изчерпва с всеки кодиран елемент и се възстановява с времето.

Прозрачност

Екшън редактор: Даниела Шилер

Редактор: Патриша Дж. Бауер

Авторски принос

И двамата автори проектираха и програмираха експериментите и събраха данните. E. Mızrak анализира данните и състави първоначалния ръкопис, а K. Oberauer предостави критична обратна връзка и ревизии. И двамата автори одобриха окончателния ръкопис за изпращане.

Декларация за конфликт на интереси

Авторът(ите) декларират, че няма конфликт на интереси по отношение на авторството или публикуването на тази статия.

Фиг. 5. Симулирани данни за Експеримент 1 (a, b, c) и Експеримент 2 (d) заедно с моделни уравнения (e). Графиките показват (a) средна производителност за всяко условие в серийни позиции, (b) производителност за всяко условие, осреднена в серийни позиции като функция от времето преди артикула, (c) производителност за всяко условие, осреднена в серийни позиции като функция от време след елемент и (d) изпълнение на задачата за незабавно серийно извикване на предходни и следващи елементи като функция на забавянето и количеството свободно време. Във всички графики точността на серийно извикване беше определена чрез присвояване на правилен отговор на всеки елемент от списъка само ако този елемент беше извикан в правилната изходна позиция; делът на такива правилни отговори беше използван като маркер за точност. Данните бяха генерирани с модел, който симулира как ограничен ресурс за кодиране се развива по време на кодирането на списък. Всеки опит започва с максимално количество ресурс, Rmax, и всеки елемент, i, консумира постоянна част p от наличния ресурс Ri за кодиране. Размерът на ресурса Memory, присвоен на елемента, определя неговата сила на паметта (Уравнение 1). По време на междинното време ti след елемент i, ресурсът се попълва с постоянна скорост r, до максимума Rmax (Уравнение 2). Вероятността за извикване беше изчислена с логистична функция на силата на паметта въз основа на уравнение 1, с τ и параметри на усилване. По този начин моделът има четири параметъра: първо, p, пропорцията на ресурса, който всеки елемент консумира от наличния набор от ресурси, между 0 и 1; второ, r, скоростта, с която ресурсът се попълва за секунда - това определя увеличаването на ресурсите със свободно време; трето, печалба; и четвърто, τ, съвместно определяне на преобразуването на силата на паметта във вероятността за припомняне. Стойностите на параметрите, използвани за тази симулация, са p=.23, r=.11, печалба=13 и τ=0.11.

Финансиране

Това изследване беше подкрепено от безвъзмездна помощ от Швейцарската национална научна фондация (проект 100014_179002) на K. Oberauer.

Отворени практики

Всички данни са публично достъпни чрез OSF и могат да бъдат достъпни на https://osf.io/egz64. Плановете за проектиране и анализ на експериментите не са били предварително регистрирани.

Тази статия е получила значки за отворени данни и отворени материали. Повече информация за Open Prac-

значките на tices могат да бъдат намерени на http://www.psychologi calscience.org/publications/badges.

ORCID ID

Клаус Оберауер https://orcid.org/0000-0003-3902-7318

Допълнителен материал

Допълнителна помощна информация можете да намерите на http://journals.sagepub.com/doi/suppl/10.1177/0956797621996659

Бележки

1. Като се има предвид, че първият елемент от списък с изследвания не може да бъде последващ елемент, а последният елемент от списък с изследвания не може да бъде предходен елемент, ние изключихме тези елементи от анализа. Затова изключихме Абсолютно забавяне 6, което включваше само първия или последния елемент.

2. Нашите констатации не изключват приноса на краткосрочна консолидация за по-кратки времеви мащаби: Ricker и Hardman (2017) са показали местна проактивна полза от свободните междинни интервали до около 500 ms. Такава бърза консолидация би допринесла малко за ползата от свободното време в диапазона от 300 ms до няколко секунди, което изследвахме тук.

3. В оригиналния модел на Попов и Редер (2020), ресурсът, поет от всяко събитие на кодиране, е фиксирана сума, която не се променя с наличните ресурси. Тук го променихме на фиксирана част от наличните ресурси.

4. R скриптът за модела, описан тук и симулиращ данните, е достъпен на https://osf.io/egz64.