ผลกระทบของอารมณ์และความสัมพันธ์เชิงความหมายต่อความทรงจำในการรับรู้: หลักฐานด้านพฤติกรรมและสรีรวิทยาไฟฟ้า ตอนที่ 2

2.1|วิธี

2.1.1|ผู้เข้าร่วม

เพื่อกำหนดขนาดตัวอย่างที่ต้องการ ขั้นแรกเราได้แยกขนาดผลกระทบทางพฤติกรรมที่ได้รับโดย Pierce &Kensinger (2011; N = 32, Cohen's f = 0.42) ซึ่งใช้การออกแบบการทดลองที่คล้ายคลึงกับที่ใช้ใน การศึกษาในปัจจุบัน

มีความสัมพันธ์ระหว่างขนาดตัวอย่างและหน่วยความจำ ความสัมพันธ์นี้อาจไม่ตรงแต่สำคัญมาก พูดง่ายๆ ก็คือ ยิ่งขนาดตัวอย่างใหญ่ขึ้นเท่าไร เราก็จะจำสิ่งต่างๆ ได้มากขึ้นเท่านั้น ดังนั้นเราจึงจำเป็นต้องรวบรวมข้อมูลใหม่ๆ ที่มีความหมายในชีวิตประจำวันของเราอย่างต่อเนื่องเพื่อปรับปรุงความจำของเรา

การวิจัยทางวิทยาศาสตร์แสดงให้เห็นว่าการใช้วิธีการและช่องทางต่างๆ ในการรับข้อมูลสามารถกระตุ้นความจำของเราและปรับปรุงความสามารถด้านความจำของเราได้ พยายามมีปฏิสัมพันธ์กับคนทุกวัย ทำกิจกรรมยามว่างที่แตกต่างกัน และสัมผัสกับวัฒนธรรม สภาพแวดล้อม และผู้คนที่แตกต่างกัน เพื่อที่เราจะได้สามารถทำให้ความรู้ของเราสมบูรณ์ กว้าง และลึกซึ้งยิ่งขึ้น

การก้าวข้ามขอบเขตความรู้และการเรียนรู้ที่จะจดจำข้อมูลอย่างรวดเร็วก็เป็นวิธีสำคัญในการปรับปรุงความจำของคุณด้วย คุณสามารถลองฝึกสมองผ่านเกมฝึกความจำ รวบรวมความทรงจำผ่านการท่องจำและทบทวนซ้ำๆ และช่วยให้คุณเชี่ยวชาญความรู้ใหม่ๆ ได้อย่างรวดเร็ว การปรับปรุงหน่วยความจำไม่จำเป็นต้องเสียค่าใช้จ่ายหรือเวลามากนัก เพียงแค่รักษาทัศนคติเชิงบวกและพยายามต่อไป

กล่าวโดยสรุป ผ่านการสะสม การฝึกอบรม การเรียนรู้ และความพยายามอย่างต่อเนื่อง ทุกคนสามารถพัฒนาความจำของตนเอง เชี่ยวชาญความรู้มากขึ้น และเพิ่มพูนประสบการณ์ชีวิตของตนเอง ในยุคที่ข้อมูลระเบิดอย่างรวดเร็วนี้ การมีความจำที่แข็งแกร่งเป็นสิ่งสำคัญมาก เรามีความรับผิดชอบและภาระผูกพันในการปรับปรุงความทรงจำของเราจากทุกมุมและกลายเป็นตัวเราในเวอร์ชันที่ดีขึ้น จะเห็นได้ว่าเราต้องปรับปรุงความจำ และ Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมาก เนื่องจาก Cistanche Deserticola ยังสามารถควบคุมความสมดุลของสารสื่อประสาท เช่น การเพิ่มระดับของอะเซทิลโคลีนและปัจจัยการเจริญเติบโต สารเหล่านี้มีความสำคัญมากต่อความจำและการเรียนรู้ นอกจากนี้ เนื้อสัตว์ยังช่วยเพิ่มการไหลเวียนของเลือดและส่งเสริมการส่งออกซิเจน ซึ่งช่วยให้สมองได้รับสารอาหารและพลังงานที่เพียงพอ ซึ่งจะช่วยปรับปรุงความมีชีวิตชีวาและความอดทนของสมอง

คลิกรู้เพื่อปรับปรุงหน่วยความจำระยะสั้น

ต่อไป เราได้แยกเอฟเฟกต์ associative memoryERP (สำหรับส่วนประกอบ ERP ในช่วงต้นและตอนปลาย) จากการศึกษาหลายรายการที่ใช้กระบวนทัศน์หน่วยความจำแบบเชื่อมโยง (Bader & Mecklinger, 2017; Kamp et al., 2016; Liet al., 2017; Li et al., 2019; Rhodes & Donaldson, 2008; Tibon, Gronau และคณะ 2014; Zhao และคณะ 2020; Zheng, Li,Xiao, Brothers, Jiang, & Xi, 2015)

ขนาดเอฟเฟกต์สำหรับส่วนประกอบหน่วยความจำสัมพันธ์ที่รายงานในการศึกษาเหล่านี้มีขนาดปานกลางถึงใหญ่ โดยอยู่ในช่วงตั้งแต่ f =  0.3 ถึง 10.7 ของ Cohen (N อยู่ระหว่าง 17 ถึง 46)

Nevertheless, to avoid an overinflated estimation of effect size, we set f = 0.25 as a lower, more conservative value. Based on this effect size, we estimated that power>.8 ( =.01) จะต้องมีผู้เข้าร่วมอย่างน้อย 39 คน (อำนาจจริง=.81) ดังนั้นจึงรับสมัครผู้เข้าร่วม 47 คนสำหรับการศึกษานี้

ผู้พูดภาษาจีนเจ้าของภาษาที่มีสุขภาพดีและถนัดขวาจำนวน 47 คน (ผู้หญิง 30 คน อายุเฉลี่ย 22.4 ±2 ปี) จาก CapitalNormal University เข้าร่วมในการทดลองนี้ และได้รับค่าตอบแทน 30 เยนต่อชั่วโมง

ผู้เข้าร่วมทุกคนมีการมองเห็นปกติหรือได้รับการแก้ไขจนเป็นปกติ และได้รับการตรวจคัดกรองประวัติความผิดปกติทางระบบประสาทหรือจิตเวช ความผิดปกติในการเรียนรู้ การบาดเจ็บที่ศีรษะ หรือการใช้ยาออกฤทธิ์ต่อจิตประสาท ได้รับความยินยอมที่ได้รับอนุมัติซึ่งได้รับอนุมัติจากคณะกรรมการพิจารณาการวิจัยประจำสถาบัน Capital Normal University แล้วถูกรวบรวมจากผู้เข้าร่วมแต่ละคน

ข้อมูลจากผู้เข้าร่วมห้ารายถูกละทิ้ง รวมถึงผู้เข้าร่วมหนึ่งรายที่มีการปฏิบัติงานต่ำมาก (associativePr<0), and four participants with insufficient number of artifact-free ERP trials in one or more experimental conditions (N trial <16). Our final sample therefore included 42 participants (27 females; mean age 22.4 ±2 years).

Photoshop 8.0 และถูกนำเสนอที่กึ่งกลางของภาพบนพื้นหลังสีเทา (RGB: 150; ดูตัวอย่างภาพที่ 1)

กลุ่มตัวอย่างอิสระ (N = 12) ให้คะแนนรูปภาพตามมิติของความจุ ความเร้าอารมณ์ และความคุ้นเคย โดยใช้ระดับตั้งแต่ 1 (เชิงลบมาก/สงบ/ไม่คุ้นเคย) ถึง 9 (เชิงบวกมาก/น่าตื่นเต้น/คุ้นเคย) รูปภาพที่มีการให้คะแนนความคุ้นเคยต่ำกว่า 4 ถูกนำออกจากกลุ่ม

รูปภาพ 1,272 ภาพ ซึ่งรวมถึงภาพเชิงลบ 646 ภาพ (ที่มีคะแนนวาเลนซ์ต่ำกว่า 4) และภาพที่เป็นกลาง 625 ภาพ (ที่มีคะแนนวาเลนซ์ระหว่าง 4 ถึง 7) ได้ถูกเลือกและรวมกันเพื่อสร้างคู่ภาพเชิงลบ/เชิงลบ หรือคู่ภาพที่เป็นกลาง/เป็นกลาง ส่งผลให้มี 166 ภาพเชิงลบที่ไม่สัมพันธ์กันทางความหมาย 150 คู่ภาพที่เป็นกลางซึ่งเกี่ยวข้องกับความหมาย, 157 คู่เชิงลบที่เกี่ยวข้องกับความหมาย และ 162 คู่รูปภาพที่เป็นกลางซึ่งเกี่ยวข้องกับความหมาย
ตัวอย่างอิสระอีกตัวอย่างหนึ่ง (N =  10) ให้คะแนนของทั้งคู่ในมิติของความสัมพันธ์ พวกเขาถูกขอให้ตัดสินว่ามีความเป็นไปได้เพียงใดที่วัตถุทั้งสองจะปรากฏพร้อมกัน (Tibon, Gronau, et al., 2014) โดยการตอบสนองในระดับตั้งแต่ 1 (ไม่น่าเป็นไปได้มาก) ถึง 9 (มีแนวโน้มมาก)

เฉพาะคู่ที่ได้รับการตรวจสอบสถานะความเกี่ยวข้องที่กำหนดไว้ล่วงหน้าแล้ว (เช่น สิ่งเร้าที่ไม่เกี่ยวข้องพร้อมคะแนนความเกี่ยวข้อง<5, and related stimuli with a relatedness score≥5) by the majority of the raters (at least 6/10 raters) were included in the study. 

ตามการให้คะแนน มีการเลือกคู่ 600 คู่ ซึ่งรวมถึงคู่เชิงลบที่เกี่ยวข้องกับความหมาย 150 คู่ คู่ที่เป็นกลางที่เกี่ยวข้องกับความหมาย 150 คู่ คู่เชิงลบที่ไม่เกี่ยวข้องเชิงความหมาย 150 คู่ และคู่ที่เป็นกลางที่ไม่เกี่ยวข้องเชิงความหมาย 150 คู่ คู่ที่เกี่ยวข้องกันทางความหมายอาจอยู่ในหมวดหมู่เดียวกัน (เช่น "โต๊ะ-โซฟา") หรือมีความเกี่ยวข้องกันตามหน้าที่ (เช่น "กระต่าย-แครอท")

คะแนนความเกี่ยวข้องของคู่ที่เกี่ยวข้อง [ค่าเฉลี่ย (SD) = 6.61 (1.25)] สูงกว่าคะแนนความเกี่ยวข้องของคู่ที่ไม่เกี่ยวข้องอย่างมีนัยสำคัญ [ค่าเฉลี่ย (SD) =  1.61(.41); เสื้อ (299) =  64.20, น<.001]. 

ภาพเชิงลบมีความเป็นลบและเร้าใจมากกว่าภาพที่เป็นกลางอย่างมีนัยสำคัญ [valence: Meaning (SD) {{0}}.05 (0.66), Meanneu(SD) =  5.06 (0.31) , t (599)=−59.22, หน้า<.001; arousal: Meaning (SD) =  5.43 (1.23), Meanneu (SD) =  2.41 (0.63), t (599) = 45.77, p<.001], but equal to neutral pictures on familiarity (p>.05).

ต่อมาเราได้สร้างคู่ที่จัดเรียงใหม่จำนวน 200 คู่โดยรวมรูปภาพของคู่ต่างๆ เข้าด้วยกัน แต่คงประเภทและตำแหน่งไว้ไม่เปลี่ยนแปลง เพื่อให้แต่ละประเภทมีคู่ที่จัดเรียงใหม่ 50 คู่ ตัวอย่างเช่น AB คู่ที่เป็นกลางที่เกี่ยวข้องกันสองคู่ (เช่น กระต่าย-แครอท) และ CD (เช่น แพะ-กะหล่ำปลี) สามารถถูกรวมกันใหม่เพื่อก่อรูป AD คู่ที่เป็นกลางที่เกี่ยวข้องอีกคู่หนึ่ง (กระต่าย-กะหล่ำปลี)

B และ C จะถูกรวมเข้ากับรายการอื่นๆ (ที่เป็นของคู่ที่เป็นกลางที่เกี่ยวข้อง) เพื่อสร้างคู่ที่จัดเรียงใหม่ กลุ่มตัวอย่างเดียวกัน (N =  10) ของผู้เข้าร่วมในการให้คะแนนความเกี่ยวข้องก่อนหน้านี้ได้รับการคัดเลือกอีกครั้ง และให้คะแนนสำหรับความเกี่ยวข้อง

ผลลัพธ์ยืนยันการกำหนดคู่เบื้องต้นของเรา และแสดงให้เห็นว่าคะแนนความสัมพันธ์ของคู่ที่เกี่ยวข้อง [ค่าเฉลี่ย(SD) = 6.67 (1.23)] สูงกว่าคู่ที่ไม่เกี่ยวข้องกันอย่างมีนัยสำคัญ [ค่าเฉลี่ย (SD) =  1 .65 (.57); เสื้อ (99) =  64.90,น<.001]. Importantly, there was no difference in relatedness between the rearranged pairs and the original pairs [Unrelated pairs: t (99)  =  1.07, p =.29; Related pairs: t (99) = 0.76, p =.35].

คู่รูปภาพทั้งหมด 400 คู่ได้รับการเข้ารหัสในช่วงการศึกษา (คู่เชิงลบที่เกี่ยวข้องกัน 100 คู่, คู่ที่เป็นกลางที่เกี่ยวข้อง 100 คู่, คู่เชิงลบที่ไม่เกี่ยวข้องกัน 100 คู่ และคู่ที่เป็นกลางที่ไม่เกี่ยวข้อง 100 คู่) โดยอีก 200 คู่ที่เหลือจะทำหน้าที่เป็นคู่ใหม่ในระหว่างขั้นตอนการทดสอบ ในการทดสอบ มีการนำเสนอคู่ที่ไม่เสียหาย 200 คู่ (คู่เดียวกันที่แสดงในการศึกษา) 200 คู่ที่จัดเรียงใหม่ (รูปภาพของคู่การศึกษาต่างๆ ที่รวมตัวกันใหม่) และนำเสนอคู่ใหม่ 200 คู่ โดยแต่ละเงื่อนไขประกอบด้วยค่าลบที่เกี่ยวข้อง 50 รายการ ความเป็นกลางที่เกี่ยวข้อง 50 รายการ 50 ค่าลบที่ไม่เกี่ยวข้อง และคู่กลางที่ไม่เกี่ยวข้อง 50 คู่ คู่ทดสอบได้รับการถ่วงดุลระหว่างวัตถุต่างๆ โดยทุกภาพจะถูกนำเสนอเท่าๆ กันโดยเป็นส่วนหนึ่งของการจับคู่ที่สมบูรณ์ จัดเรียงใหม่ หรือจับคู่ใหม่

2.1.3|ขั้นตอน

ผู้เข้าร่วมนั่งอยู่ที่ระยะห่าง 70 ซม. จากจอภาพ aDell ในห้องที่มีการป้องกันไฟฟ้า คู่รูปภาพที่มีพื้นที่การมองเห็น 10 องศา × 5 องศา ถูกแสดง (โดยใช้การนำเสนอโดย Neurobehavioral Systems, Inc.) ในแนวนอนที่กึ่งกลางของจอภาพโดยมีพื้นหลังสีดำ มีการใช้กระบวนทัศน์การทดสอบการศึกษามาตรฐาน โดยระยะการศึกษาตามด้วยระยะการทดสอบหลังจากล่าช้าไป 10- นาที มีการหยุดพักด้วยตนเองสี่ครั้งระหว่างระยะการศึกษาและระยะทดสอบ สิ่งเร้าถูกนำเสนอแบบสุ่มหลอกเพื่อให้แน่ใจว่าไม่มีการทดลองติดต่อกันเกินสามครั้งที่มาจากสภาพเดียวกัน

ในการศึกษา การทดลองแต่ละครั้งเริ่มต้นด้วยการตรึงสีเทาเป็นเวลา 1,000–1,500 มิลลิวินาที ตามด้วยการนำเสนอภาพคู่เป็นเวลา 2,000 มิลลิวินาที ในระหว่างนั้นผู้เข้าร่วมจะถูกขอให้จดจำคู่ทั้งสองและดำเนินการตัดสินความจุ กล่าวคือ เพื่อตัดสินว่าหนึ่งในสอง วัตถุมีค่าเป็นลบมากขึ้น (รูปที่ 1b) พวกเขาถูกขอให้กดปุ่ม 'ลูกศรซ้าย' บนแป้นพิมพ์หากพวกเขาคิดว่าวัตถุด้านซ้ายเป็นลบมากกว่า ให้กดปุ่ม 'ลูกศรขวา' หากพวกเขาคิดว่าวัตถุทางขวาเป็นลบมากกว่า และให้กดปุ่ม 'ลง ปุ่มลูกศร' หากพวกเขาคิดว่าวัตถุทั้งสองมีความจุใกล้เคียงกัน

เมื่อระยะการศึกษาเสร็จสิ้น จะมีการพัก 10- นาที ในช่วงเวลานี้ ผู้เข้าร่วมทำกิจกรรมเบี่ยงเบนความสนใจโดยนับถอยหลัง 3-3- หลักเป็นเวลา 5 นาที จากนั้นพักอีกห้านาทีเพิ่มเติม

ในการทดสอบ การทดลองแต่ละครั้งเริ่มต้นด้วยการตรึงแบบกระวนกระวายใจโดยนำเสนอข้ามช่วง 1,000–1500 มิลลิวินาที ตามด้วยการนำเสนอภาพคู่เป็นเวลา 2000 มิลลิวินาที ผู้เข้าร่วมถูกขอให้ระบุว่าทั้งคู่ "สมบูรณ์" "จัดเรียงใหม่" หรือ "ใหม่" อย่างถูกต้องและรวดเร็วที่สุด คำตอบมีให้ผ่านแป้นคีย์บอร์ด ซึ่งถ่วงดุลให้ผู้เข้าร่วมทุกคน

ผู้เข้าร่วมครึ่งหนึ่งตอบว่า "ไม่เสียหาย" และ "จัดเรียงใหม่" โดยการกดปุ่ม "F" และ "G" ด้วยมือซ้าย และ "ใหม่" โดยการกดปุ่ม "J" ด้วยมือขวา ผู้เข้าร่วมอีกครึ่งหนึ่งตอบว่า "ไม่เสียหาย" และ "จัดเรียงใหม่" โดยการกดปุ่ม "H" และ "J" ด้วยมือขวา และ "ใหม่" โดยการกดปุ่ม "F" ด้วยมือซ้าย

มีการจัดเตรียมบล็อกฝึกหัดการศึกษาจำนวน 12 การทดลองในช่วงเริ่มต้นของการทดลอง ก่อนระยะการศึกษา มีการจัดเตรียมบล็อกฝึกทดสอบเพิ่มเติมจำนวน 18 การทดลองก่อนขั้นตอนการทดสอบ ในระหว่างการฝึกซ้อม ผู้ทดลองมั่นใจว่าผู้เข้าร่วมเข้าใจงานดังกล่าว

2.1.4|การบันทึก EEG และการประมวลผลล่วงหน้า

EEG ถูกบันทึกโดยใช้ระบบ {{0}} ช่องทาง Neuroscan และตำแหน่งของอิเล็กโทรดเป็นไปตามระบบ 10–20 ระหว่างประเทศแบบขยาย อัตราการสุ่มตัวอย่างคือ 500Hz พร้อมตัวกรองแบนด์พาส 0.05–100Hz การตรวจคลื่นไฟฟ้าหัวใจ (EOG) ได้รับการบันทึกโดยใช้อิเล็กโทรด 2 อิเล็กโทรดที่วางอยู่ด้านนอกคานทีด้านนอกของตาแต่ละข้าง และอีก 1 อิเล็กโทรดอยู่บริเวณใต้วงโคจรของตาซ้าย

ปุ่มกกหูซ้ายถูกใช้เป็นไซต์อ้างอิงทางออนไลน์ และสัญญาณ EEG ถูกอ้างอิงอีกครั้งแบบออฟไลน์เป็นค่าเฉลี่ยของการบันทึกปุ่มกกหูซ้ายและขวา ความต้านทานถูกเก็บไว้ต่ำกว่า 5 kΩ สัญญาณ EEG/EOG ถูกกรองด้วยแบนด์พาสที่ 0.05–40Hz ข้อมูล EEG จากขั้นตอนการทดสอบถูกแบ่งออกเป็นยุค 1100 มิลลิวินาที ซึ่งแก้ไขเป็นพื้นฐานก่อนการกระตุ้น 100 มิลลิวินาที ไม่รวมยุคที่มีแรงดันไฟฟ้าเกิน ±75 μV

การวิเคราะห์องค์ประกอบอิสระ (ICA) ดำเนินการด้วยอัลกอริธึมรันนิกาที่มีอยู่ผ่านกล่องเครื่องมือ EEGLAB สำหรับ MATLAB (v.2019.0, Delorme & Makeig, 2004) ถูกนำมาใช้เพื่อแยกและลบสิ่งรบกวนการกะพริบ EOG จำเป็นต้องมีการทดลองขั้นต่ำ 16 ครั้งสำหรับแต่ละเงื่อนไขเพื่อให้แน่ใจว่าอัตราส่วนสัญญาณต่อเสียงรบกวนที่ยอมรับได้ และผู้เข้าร่วมสี่คนถูกแยกออกเนื่องจากไม่ผ่านจำนวนการทดลองขั้นต่ำ

จำนวนเฉลี่ยของการทดลองวิเคราะห์ที่เกี่ยวข้องคือ 39 (ไม่เสียหาย), 26 (จัดเรียงใหม่) และ 38 (ใหม่) สำหรับคู่เชิงลบ และ 37 (ไม่เสียหาย), 26 (จัดเรียงใหม่) และ 43 (ใหม่) สำหรับคู่ที่เป็นกลาง จำนวนเฉลี่ยของการทดลองวิเคราะห์ที่ไม่เกี่ยวข้องคือ 25 (ไม่เสียหาย), 30 (จัดเรียงใหม่) และ 37 (ใหม่) สำหรับคู่เชิงลบ และ 27 (ไม่เสียหาย), 30 (จัดเรียงใหม่) และ 41 (ใหม่) สำหรับคู่ที่เป็นกลาง

2.1.5|การวิเคราะห์ทางสถิติ: แนวทางทั่วไป

ข้อมูลถูกดึงออกมาเพื่อการทดลองที่ถูกต้องเท่านั้น (เช่น Donaldson& Rugg, 1998; Paller et al., 2003) ทำการวิเคราะห์ความแปรปรวน (ANOVA) การวัดซ้ำหลายครั้งสำหรับสถิติเชิงอนุมาน โดยมีการแก้ไขเรือนกระจก – ไกเซอร์สำหรับความไม่เป็นทรงกลมเมื่อจำเป็น การวิเคราะห์ติดตามผลดำเนินการโดยใช้การวัดความแปรปรวนของการทดสอบซ้ำตามความเหมาะสม

เพื่อควบคุมอัตราความผิดพลาดประเภท I ค่า p ได้รับการแก้ไขสำหรับอัตราการค้นพบที่ผิดพลาด (FDR) ด้วยขั้นตอน Benjamini – Hochberg (Benjamini &Hochberg, 1995) ที่ p<.05. Because the current study focuses on mnemonic effects, only main effects and interactions that included the factor of response type are reported.

การวิเคราะห์พฤติกรรม

การวัดพฤติกรรมที่น่าสนใจคือ Associative Pr: การวัดการเลือกปฏิบัติของเอฟเฟกต์เก่า/ใหม่สำหรับหน่วยความจำแบบเชื่อมโยง ซึ่งกำหนดโดยการลบอัตราการเตือนที่ผิดพลาดสำหรับคู่ที่จัดเรียงใหม่จากอัตราการเข้าชมสำหรับคู่ที่ไม่เสียหาย (Jägeret al., 2006; Snodgrass & Corwin, 1988) มาตรการนี้ใช้เพื่อแยกอคติในการตอบสนองที่อาจเกิดขึ้น (เช่น สำหรับคู่ที่เกี่ยวข้อง; Ahmad & Hockley, 2014; Liu & Guo, 2019; Tibon,Gronau, et al., 2014; ดูข้อมูลสนับสนุน 1 สำหรับการวิเคราะห์เสริมของอคติในการตอบสนอง) จากความจริง ข้อได้เปรียบด้านหน่วยความจำ คะแนน Pr ได้รับการวิเคราะห์โดยใช้การวัดความแปรปรวนแบบวัดซ้ำที่มีความเกี่ยวข้อง (เกี่ยวข้องหรือไม่เกี่ยวข้อง) และเวเลนซ์ (เชิงลบหรือเป็นกลาง) เป็นปัจจัยที่เกิดซ้ำ และด้วยคะแนน Pr เป็นการวัดตาม

เนื่องจากความสนใจของเราในหน่วยความจำแบบเชื่อมโยง และการแยกเอฟเฟกต์หน่วยความจำที่แท้จริงออกจากอคติการตอบสนอง เราจึงวิเคราะห์อัตราความแม่นยำ (% ที่ถูกต้อง) เพิ่มเติมสำหรับคู่ที่ไม่เสียหายและจัดเรียงคู่ใหม่โดยใช้การวิเคราะห์ความแปรปรวนซ้ำที่มีความเกี่ยวข้อง (เกี่ยวข้องหรือไม่เกี่ยวข้อง) และความจุ (เชิงลบหรือเป็นกลาง) เป็นปัจจัยซ้ำ ๆ และอัตราความแม่นยำเป็นหน่วยวัดอิสระ 3-การวิเคราะห์ความแปรปรวนแบบสมบูรณ์ซึ่งรวมถึงปัจจัยทั้งหมด (ความสัมพันธ์ ความจุ และประเภทการตอบสนอง) และระดับ (เหมือนเดิม จัดเรียงใหม่) ภายในโมเดลเดียวกัน จะรวมอยู่ในข้อมูลสนับสนุน 2

การวิเคราะห์ ERP

ทั้งคู่ที่สมบูรณ์และจัดเรียงใหม่ประกอบด้วยรายการศึกษา อย่างไรก็ตาม แม้ว่าคู่ที่ไม่บุบสลายจะมีข้อมูลการเชื่อมโยงที่ได้รับการศึกษาเพิ่มเติม แต่คู่ที่จัดเรียงใหม่จะมีข้อมูลการเชื่อมโยงแบบใหม่ซึ่งไม่ได้นำเสนอในการศึกษา ดังนั้น ผลกระทบที่สมบูรณ์/การจัดเรียงใหม่ กล่าวคือ ความแตกต่างระหว่าง ERP ที่เกี่ยวข้องกับการตัดสินที่ "ครบถ้วน" ที่ถูกต้อง กับการตัดสินที่ "จัดเรียงใหม่" ที่ถูกต้อง จึงบ่งบอกถึงการรับรู้ที่เชื่อมโยงกัน (เช่น Li และคณะ 2017; Rhodes& Donaldson, 2008; Zheng, Li, Xiao, Brothers, Jiang, &Xi, 2015)

ดังนั้นเราจึงมุ่งเน้นไปที่การเปรียบเทียบระหว่างคู่ที่สมบูรณ์และจัดเรียงใหม่เพื่อสร้างดัชนีหน่วยความจำที่เชื่อมโยง เพื่อให้เสร็จสมบูรณ์ เรายังรวมการเปรียบเทียบระหว่างคู่ที่จัดเรียงใหม่และคู่ใหม่เป็นดัชนีของหน่วยความจำรายการในข้อมูลสนับสนุน 3

สำหรับเอฟเฟกต์หน่วยความจำหน้าผากและข้างขม่อม การแบ่งส่วนเวลาและภูมิภาคที่สนใจถูกกำหนดโดยอิงจากการศึกษา ERP ก่อนหน้า (Bader et al., 2010; Han et al., 2018; Li et al., 2017,2019; Rugg & Curran, 2007; Speer & Curran, 2007; Wolket al., 2006; Zheng และคณะ, 2016) ดังนั้นจึงใช้หน้าต่างสองครั้ง 300–550ms และ 550–800ms เพื่อจับภาพเอฟเฟกต์หน่วยความจำหน้าผากและข้างขม่อมตามลำดับ ค่าเฉลี่ยสำหรับการวิเคราะห์ทางสถิติในหน้าต่างเหล่านี้ได้มาจากหน้าผาก (ยุบข้าม F3, Fz และ F4), ส่วนกลาง (ยุบข้าม C3, Cz และ C4) และตำแหน่งหนังศีรษะข้างขม่อม (ยุบข้าม P3, Pz และ P4) (Han et al ., 2018; Houet al., 2013; Molinaro และคณะ 2011)

การวัดความแปรปรวนซ้ำๆ ถูกดำเนินการแยกกันสำหรับแต่ละกรอบเวลา และรวมปัจจัยภายในสี่ปัจจัย: ความเกี่ยวข้อง (เกี่ยวข้องหรือไม่เกี่ยวข้อง) ความจุ (เชิงลบหรือเป็นกลาง) ประเภทการตอบสนอง (ไม่เสียหายหรือจัดเรียงใหม่) และตำแหน่ง (หน้าผาก ส่วนกลาง หรือข้างขม่อม)

2.2|ผลลัพธ์

2.2.1|ผลลัพธ์ด้านพฤติกรรม

ค่าเฉลี่ยและ SD สำหรับการวัดพฤติกรรมต่างๆ ของการทดลองที่ 1 แสดงอยู่ในตารางที่ 1 ANOVA สำหรับ Pr แบบเชื่อมโยง (ความสัมพันธ์ × ความจุ) เปิดเผยผลกระทบหลักที่มีนัยสำคัญของความจุ F (1, 41) =  24.28, p<.001, 휂2 p =0.37 (greater Pr scores for neutral vs. negative pairs), and of relatedness, F (1, 41) = 120.01, p <.001, 휂2 p =0.75 (greater Pr scores for related vs. unrelated pairs). 

การวิเคราะห์เพิ่มเติมเผยให้เห็นถึง 2-ปฏิสัมพันธ์ทางระหว่างความสัมพันธ์และเวเลนซ์ที่มีนัยสำคัญ, F (1, 41) = 6.61, p =.014, 휂2p =0.14, ด้วย Pr เชื่อมโยงที่ต่ำกว่าสำหรับคู่ลบ (เทียบกับเป็นกลาง) ในสภาวะที่ไม่เกี่ยวข้อง, t (41) = 5.38, p<.001, d = 0.83, but not in the related condition, t (41) = 1.65, p =.107, d = 0.25.

การวิเคราะห์อัตราความแม่นยำสำหรับคู่ที่ไม่เสียหาย ("การเข้าชม") เผยให้เห็นผลกระทบหลักของความสัมพันธ์ F (1, 41) = 361.91,p<.001, 휂2 p =0.90, and a 2-way interaction between the two factors, F (1, 41) =  17.35, p <.001, 휂2 p =0.30, resulting from lower accuracy rates for negative pairs (vs. neutral) in the unrelated condition, t (41) =  2.78, p =.008, d = 0.43, but greater accuracy rates for negative pairs (vs. neutral) in the related condition, t (41) = 2.31, p =.026, d =  0.36. The analysis of accuracy rates for rearranged pairs ("correct rejections") only revealed a main effect of relatedness, F (1, 41) = 22.70, p <.001, 휂2 p =0.36, with greater accuracy rates for unrelated vs. related pairs.

เมื่อนำมารวมกัน ผลลัพธ์ด้านพฤติกรรมแสดงให้เห็นผลการแทรกแซงทางอารมณ์ที่คาดการณ์ไว้ ซึ่งระบุด้วยคะแนน Pr ที่ลดลงและอัตราความแม่นยำสำหรับคู่เชิงลบและเป็นกลาง นอกจากนี้ ผลกระทบนี้ถูกลดทอนลงด้วยความสัมพันธ์ทางความหมาย โดยมีการรบกวนทางอารมณ์มากขึ้นที่สังเกตได้สำหรับคู่ที่ไม่เกี่ยวข้องและคู่ที่เกี่ยวข้อง

2.2.2|ผลลัพธ์ของระบบอีอาร์พี

รูปคลื่นและการกระจายภูมิประเทศของเอฟเฟกต์หน่วยความจำแบบเชื่อมโยงในเงื่อนไขการทดลองต่างๆ แสดงในรูปที่ 2 ในช่วงเริ่มต้น (300–550 มิลลิวินาที) ANOVA สำหรับเอฟเฟกต์หน่วยความจำแบบเชื่อมโยงเผยให้เห็น 2-ปฏิสัมพันธ์ทางวิธีระหว่างวาเลนซ์และ ประเภทการตอบสนอง, F (1, 41) = 9.29, p =.004, 휂2p =0.19.

การสลายตัวของอันตรกิริยาโดยใช้การทดสอบทีแบบจับคู่กินแต่ละระดับของวาเลนซ์ เผยให้เห็นผลของหน่วยความจำเชื่อมโยงที่มีนัยสำคัญ (รูปคลื่นที่เป็นบวกมากขึ้นสำหรับสภาพสมบูรณ์ จัดเรียงใหม่) สำหรับคู่เชิงลบ, t (41) = 3.13, p {{5 }}.003,d =  0.48 แต่ไม่ใช่สำหรับคู่ที่เป็นกลาง (p =.29) ดังนั้น ในกรอบเวลาแรกเริ่ม ผลของหน่วยความจำแบบเชื่อมโยงจึงปรากฏสำหรับคู่ที่เป็นค่าลบ โดยไม่คำนึงถึงความสัมพันธ์ของคู่เหล่านั้น และมีการแพร่กระจายอย่างกว้างขวาง

ในกรอบเวลาล่าช้า (550–800 ms) ANOVA เปิดเผยเฉพาะผลกระทบหลักของประเภทการตอบสนอง F (1, 41) = 38.84, p<.001, 휂2 p =0.49, suggesting that the late associative memory effect was similarly observed in all conditions and all locations. Exploratory analysis of a later associative memory effect (800–1000 ms), which resembled the pattern observed in the 550–800 ms time window, is included in Supporting Information 4.

For more information:1950477648nn@gmail.com