การตอบสนองแบบบูรณาการช่วยเพิ่มความแม่นยำของหน่วยความจำในอนาคต

สำหรับข้อมูลเพิ่มเติม:Ali.ma@wecistanche.com

เชิงนามธรรม

หน่วยความจำในอนาคต(PM)สนับสนุนการวางแผนและการดำเนินกิจกรรมในอนาคต และมีความสำคัญอย่างยิ่งในการตั้งค่าที่ใช้ เราตรวจสอบวิธีการตอบกลับแบบใหม่ที่มีจุดมุ่งหมายเพื่อปรับปรุงความแม่นยำของ PM โดยการรวมการตอบสนองต่องาน PM เป็นครั้งคราวและงานประจำการตัดสินใจเกี่ยวกับคำศัพท์อย่างต่อเนื่อง แทนที่จะใช้วิธีแบบสามตัวเลือกทั่วไปโดยที่หน่วยความจำในอนาคตการตอบสนองแทนที่การตอบสนองอย่างต่อเนื่อง ผู้เข้าร่วมจำเป็นต้องจัดหมวดหมู่ PM (ปัจจุบันเทียบกับไม่มี) และต่อเนื่อง (คำกับไม่ใช่คำ) อย่างชัดเจนในทุกการทดลองผ่านการตอบสนองสี่ตัวเลือก แม้ว่าการตอบสนองแบบทดแทนและแบบบังคับจะคล้ายกันในตอนแรกในความแม่นยำของ PM แต่ได้เปรียบด้วยการปฏิบัติสำหรับวิธีการบังคับแบบใหม่ที่ไม่เพียงเกิดจากการตอบสนองที่ช้ากว่าซึ่งเกี่ยวข้องกับการเลือกสี่หรือสามตัวเลือก ธรรมชาติของข้อผิดพลาดต่างกันระหว่างวิธีโดยมีผลบังคับ ตอบสนองด้วยความรวดเร็วหน่วยความจำในอนาคตข้อผิดพลาดและการแทนที่ด้วยข้อผิดพลาดที่ช้ากว่า เสนอแนวทางสำหรับการปรับปรุงที่เป็นไปได้เพิ่มเติมในความแม่นยำของ PM

คำสำคัญ:หน่วยความจำในอนาคต· การทำงานแบบคู่ · วิธีการตอบกลับ

เดวิด เอลเลียตต์ · ลุค สตริกแลนด์ · เชย์น ลอฟต์ · แอนดรูว์ ฮีธโคต

บทนำ

หน่วยความจำในอนาคต(PM) หมายถึง กระบวนการที่เกี่ยวข้องในการวางแผนและดำเนินกิจกรรมให้ประสบผลสำเร็จในอนาคต ในเวลาใดเวลาหนึ่ง (หน่วยความจำในอนาคตตามเวลา) หรือเพื่อตอบสนองต่อเหตุการณ์เฉพาะ (PM ตามเหตุการณ์) การจดจำในอนาคตมักจะจำเป็นสำหรับการทำงานประจำวันที่ประสบความสำเร็จ (Einstein et al., 1995; Kliegel & Martin, 2003) งาน PM ตามเหตุการณ์เป็นเรื่องปกติโดยเฉพาะอย่างยิ่งในสภาพแวดล้อมที่มีความสำคัญต่อความปลอดภัย เช่น การดูแลสุขภาพและการบิน (Dismukes, 2012; Loft et al., 2019) ความชุกของสิ่งที่มักจะล้มเหลวในการดำเนินการตามสัญญาณ PM (เช่น PM พลาด) ในการตั้งค่าเหล่านั้นทำให้การระบุการแทรกแซงเพื่อปรับปรุงประสิทธิภาพของ PM เป็นสิ่งสำคัญ

คลิกเพื่อประโยชน์ต่อสุขภาพของผง Cistachec สำหรับหน่วยความจำ

บางทีวิธีการแทรกแซงที่พยายามบ่อยที่สุดในการปรับปรุงความแม่นยำของ PM คือการให้การเตือนความจำแก่บุคคล และการเตือนความจำมักจะเป็นประโยชน์ต่อ PM (เช่น Chen et al., 2017; Finstad et al., 2006; Gilbert, 2015a, 2015b, 2015c; Guynn et al., 1998; Loft et al., 2011; Vortac et al., 1995) อย่างไรก็ตาม การแจ้งเตือนไม่ได้ผลเสมอไป (เช่น Guynn et al., 1998; Loft et al., 2011; Vortac et al., 1995) และอาจมีข้อเสีย ตัวอย่างเช่น ในการตั้งค่าการควบคุมการจราจรทางอากาศจำลอง ไม่พบการเตือนว่ามีประสิทธิภาพในการปรับปรุง PM เว้นแต่จะตั้งค่าเป็น fash (เช่น การกระตุ้นให้เกิดการดึงดูดความสนใจ; Jonides & Yantis, 1988) เมื่อมีสัญญาณ PM และต้องมีการดำเนินการ ที่จะดำเนินการ (Loft, 2014; Loft et al., 2011) การเตือนความจำดังกล่าวอาจไม่พึงปรารถนาในการตั้งค่าบางอย่าง เนื่องจากการจับความสนใจด้วยภาพทำให้เสียสมาธิ อาจทำให้ผู้ปฏิบัติงานเพิกเฉยจากงานอื่นๆ ที่มีความสำคัญต่อความปลอดภัย

มีคนแนะนำว่า PM พลาดเกิดขึ้นเพราะ PM ตอบกลับแข่งขันกันเพื่อเรียกค้นข้อมูลกับการตอบสนองที่เป็นกิจวัตรมากขึ้นซึ่งเกี่ยวข้องกับงานต่อเนื่อง (Loft & Remington, 2010) ดังนั้น อีกเส้นทางหนึ่งในการปรับปรุงความแม่นยำของ PM อาจทำให้งานต่อเนื่องช้าลงเพื่อไม่ให้มีการตอบกลับ PM ล่วงหน้า (Heathcote et al., 2015; Loft & Remington, 2013) น่าเสียดาย แม้ว่า PM จะมีค่าใช้จ่าย – การตอบสนองงานต่อเนื่องช้ากว่าเมื่อเป็นไปได้ว่าอาจต้องการการตอบกลับ PM เมื่อเทียบกับเวลาที่ไม่ต้องการ – ได้ถูกแสดงด้วยแบบจำลองการคำนวณเพื่อสะท้อนถึงการตอบสนองงานต่อเนื่องที่ระมัดระวังมากขึ้น (เช่น Heathcote et al., 2015) หลักฐานล่าสุด ทั้งเชิงประจักษ์ (Anderson et al., 2018) และจากการสร้างแบบจำลอง (Strickland et al., 2018; Strickland et al., 2020) บ่งชี้ว่าคำเตือนในการตอบสนองต่อภารกิจที่เพิ่มขึ้นไม่ได้ผลในการลด PM คิดถึง

ในการศึกษาปัจจุบัน เราทดสอบวิธีใหม่ในการปรับปรุงความแม่นยำของ PM โดยพิจารณาจากวิธีการตอบกลับแบบต่อเนื่องและแบบ PM การศึกษาก่อนหน้านี้ใช้วิธีการตอบสนองแบบใดแบบหนึ่งจากสองวิธี คำแนะนำในการแทนที่อาจเป็นได้ทั้งแบบชัดเจน (ตอบกลับ PM แทนการตอบกลับของงานอย่างต่อเนื่อง เช่น Horn & Bayen, 2015; Strickland et al., 2017) หรือโดยปริยาย (ตอบกลับ PM เมื่อมีการนำเสนอเป้าหมาย PM เช่น Einstein & McDaniel, 2005; Loft & Reming ton, 2013) ซึ่งโดยทั่วไปแล้วจะส่งผลให้การตอบสนองของ PM แทนที่การตอบสนองต่องานที่กำลังดำเนินอยู่ คำสั่งแบบคู่ต้องการการตอบสนอง PM หลังจากการตอบสนองต่องานอย่างต่อเนื่อง (เช่น Hicks et al., 2005; Loft & Yeo, 2007) ในทั้งสองกรณี การตอบกลับงานต่อเนื่องแบบไบนารี (เช่น ในผู้เข้าร่วมการทดลองของเราจัดประเภทสตริงตัวอักษรเป็นคำ เทียบกับที่ไม่ใช่คำ) สร้างขึ้นด้วยคีย์คู่หนึ่งและการตอบสนองการตรวจจับ PM ด้วยคีย์ที่สาม (เช่น ระบุว่าตัวอักษรนั้น สตริงมีพยางค์ทอร์)

ในที่นี้ เราขอเสนอวิธีการตอบกลับแบบใหม่ การตอบสนองแบบบังคับ โดยที่ผู้เข้าร่วมกดปุ่มหนึ่งในสี่ปุ่มเพื่อสร้างการจำแนกประเภทงานต่อเนื่องและงาน PM พร้อมกัน (เช่น PM word, PM non-word, non-PM word และ non-PM non- คำ). วิธีการตอบสนองแบบใหม่นี้ใช้ได้กับการตั้งค่าที่มีความสำคัญต่อความปลอดภัย เช่น การควบคุมการจราจรทางอากาศ ซึ่งผู้ปฏิบัติงานโต้ตอบกับอินเทอร์เฟซที่ใช้คอมพิวเตอร์ ตัวอย่างเช่น เมื่อตัดสินใจว่าเครื่องบินลำใดควรปรับเส้นทางการบินเมื่อตรวจพบความขัดแย้งของเครื่องบิน คำแนะนำนักบินที่จำเป็นอาจแตกต่างกันสำหรับเครื่องบินบางลำ การตัดสินใจและคำสั่งมาตรฐานสามารถทำได้โดยการเลือกระหว่างปุ่มคู่หนึ่ง ในขณะที่การตัดสินใจและคำสั่งทางเลือกที่ใช้ไม่บ่อย (เช่น สำหรับเครื่องบินรุ่นเก่า หรือเมื่อความขัดแย้งเกิดขึ้นที่ระดับความสูงต่ำผิดปกติ) สามารถทำร่วมกับปุ่มอื่นได้ คู่ (Fothergill & Neal, 2008). การใช้อินเทอร์เฟซคอมพิวเตอร์ที่เพิ่มขึ้นซึ่งสามารถกำหนดค่าได้อย่างยืดหยุ่นเพื่อเชื่อมโยงปุ่มต่างๆ กับการตอบสนองที่แตกต่างกันทำให้แนวทางนี้ใช้ได้อย่างกว้างขวาง (Boehm-Davis et al., 2015)

การศึกษาสามชิ้นที่เปรียบเทียบการแทนที่ด้วยการตอบสนองแบบคู่อย่างชัดเจนทำให้เกิดผลลัพธ์ที่หลากหลาย ด้วยงานต่อเนื่องและ PM ที่ง่ายมาก Bisiacchi et al. (2009) และกิลเบิร์ตและคณะ (2013) รายงานการพลาด PM น้อยลงด้วยการตอบสนองแบบคู่ (18 เปอร์เซ็นต์เทียบกับ 26 เปอร์เซ็นต์และ 29 เปอร์เซ็นต์เทียบกับ 69 เปอร์เซ็นต์ตามลำดับ) โดยไม่มีผลต่อเวลาตอบสนองของงานต่อเนื่อง (RT) หรือความแม่นยำ ในทางตรงกันข้าม ด้วยตัวเลือกที่ยากกว่า Pereira, Albuquerque และ Santos (2017) รายงานว่าไม่มีความแตกต่างอย่างมีนัยสำคัญในการพลาด PM (26 เปอร์เซ็นต์ เทียบกับ 28 เปอร์เซ็นต์ ) หรือความแม่นยำของงานอย่างต่อเนื่อง แต่ RT ของงานต่อเนื่องที่ช้ากว่าในเงื่อนไขแบบคู่ อย่างไรก็ตาม การเปรียบเทียบแบบคู่กับการแทนที่เหล่านี้มีข้อจำกัดด้านระเบียบวิธี ที่สำคัญที่สุด ผลของการตอบสนองแบบคู่นั้นน่าจะขึ้นอยู่กับความยาวของช่วงระหว่างการทดลอง ใน Bisiacchi et al. (2009) และ Pereira และคณะ (2017) ต้องการการตอบสนอง PM ในช่วงเวลาประมาณ 1-s ระหว่างการกระตุ้น ในระหว่างที่ผู้เข้าร่วมไม่ได้ยุ่งกับงานอื่นใด ความล่าช้าที่ไม่สำเร็จของความยาวนี้แสดงให้เห็นเพื่อประโยชน์ของ PM ในกระบวนทัศน์การทดแทน (Loft & Remington, 2013; แต่สำหรับผลลัพธ์ที่ตัดกัน โปรดดู Ball et al., 2021) ดังนั้น ความล่าช้า แทนที่จะเป็นการตอบสนองแบบคู่ต่อตัว อาจทำให้เกิด การปรับปรุงมากกว่าการตอบสนองทดแทน ข้อจำกัดอีกประการหนึ่งคือเวลาตอบสนองของมอเตอร์ที่เกี่ยวข้องกับการตอบสนองของงานอย่างต่อเนื่องในสภาวะการตอบสนองแบบคู่ทำให้เกิดความสับสนเมื่อเปรียบเทียบ PM RT ในเงื่อนไขแบบคู่และแบบเปลี่ยน 1 นี่เป็นปัญหาสำหรับการวิเคราะห์ที่เราดำเนินการที่นี่ เนื่องจาก PM RT มีข้อมูลสำคัญเกี่ยวกับ กระบวนการทางจิตวิทยาเบื้องหลังการขับเคลื่อน PM

จากการพิจารณาเหล่านี้ การทดลองของเราจึงเปรียบเทียบวิธีการตอบสนองแบบบังคับแบบใหม่กับวิธีการแทนที่ วิธีการใหม่นี้ทำให้การเลือกงานแบบต่อเนื่องและแบบ PM เป็นข้อบังคับในการทดลองทุกครั้งในแง่ที่ว่าแม้ว่าตัวเลือกอย่างใดอย่างหนึ่งหรือทั้งสองอย่างอาจผิด แต่ก็ไม่สามารถละเว้นได้ ต่างจากวิธีดูอัลแบบดั้งเดิม ในวิธีการบังคับ สองตัวเลือกจะถูกส่งพร้อมกันมากกว่าแบบเรียงลำดับ ดังนั้นความแม่นยำ PM และ RT สามารถเปรียบเทียบได้กับวิธีการเปลี่ยนโดยไม่ทำให้เกิดความแตกต่างจากความล่าช้าระหว่างสิ่งเร้าและการตอบสนองของ PM มุมมองการจองล่วงหน้าของ Loft and Remington's (2013) คาดการณ์ว่าข้อผิดพลาด PM มักจะเกี่ยวข้องกับการตอบสนองที่รวดเร็ว เราใช้ Conditional Accuracy Functions (CAFs; Thomas, 1974; ดูวิธีการวิเคราะห์สำหรับรายละเอียดเพิ่มเติม) เพื่อเปรียบเทียบความเร็วของข้อผิดพลาด PM ระหว่างวิธีการตอบสนองทั้งสองวิธี

เราตั้งสมมติฐานว่าวิธีการบังคับอาจปรับปรุงความแม่นยำของ PM ได้ด้วยเหตุผลสองประการ ประการแรก อาจทำหน้าที่เป็นตัวเตือนโดยปริยายหรือเป็นสัญญาณให้ตัดสินใจ PM กับไม่ใช่ PM ในทุกการทดลอง2 ด้วยข้อได้เปรียบที่เมื่อเปรียบเทียบกับการเตือนความจำที่ชัดแจ้งที่เคยศึกษามาก่อนหน้านี้ จะรวมเข้ากับงานที่กำลังดำเนินอยู่ และไม่เกี่ยวข้องกับการโจมตีอย่างกะทันหันและดึงดูดความสนใจ อย่างไรก็ตาม มีแนวโน้มว่าวิธีการบังคับจะเบี่ยงเบนผลการปฏิบัติงานที่ดำเนินอยู่ ในแง่ที่ว่าการตอบสนองต่องานที่กำลังดำเนินอยู่จะช้าลง นั่นคือ สอดคล้องกับการระดมทุนที่ RT ช้าลงตามสัดส่วนของลอการิทึมของจำนวนตัวเลือกการตอบสนอง (เช่น Hick's Law; Hick, 1952) การตอบสนองควรช้ากว่าสำหรับการตอบสนองบังคับสี่ทางเลือกมากกว่าการตอบสนองทางเลือกสามทาง เพื่อตรวจสอบความเป็นไปได้เหล่านี้ เราตรวจสอบผลกระทบของวิธีการตอบสนองต่อภารกิจ RT และความแม่นยำที่กำลังดำเนินอยู่

เหตุผลประการที่สองสำหรับการปรับปรุง PM คือการตอบสนองที่บังคับส่งเสริมการบูรณาการระหว่างงานต่อเนื่องและงาน PM มีการประสานงานที่ดีขึ้นระหว่างความตั้งใจของ PM และความต้องการงานอย่างต่อเนื่อง โดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยวกับการทับซ้อนกันระหว่างการตอบสนอง พบว่าสามารถปรับปรุงประสิทธิภาพได้ (Marsh et al., 2002; Rummel et al., 2017) นอกจากนี้ กระบวนทัศน์ PM ของเรายังใช้คุณลักษณะร่วมกับกระบวนทัศน์แบบงานคู่ ดังนั้น การวัดผลที่ลดต้นทุนการทำงานแบบคู่อาจเป็นประโยชน์ Janczyk และ Kunde (2020) เสนอว่าค่าใช้จ่ายในการทำงานแบบคู่จะลดลงเมื่อมีการประสานงานเป้าหมายการตอบสนองและการลดลงที่เกี่ยวข้องกับการปฏิบัติในต้นทุนการทำงานแบบคู่เกิดจากการรวมเป้าหมายที่แตกต่างกันในขั้นต้นเข้ากับเป้าหมายเดียว ในระดับที่การตอบสนองตามบังคับส่งเสริมการรวมงาน การปรับปรุงอาจเกิดขึ้นได้เนื่องจากการหลีกเลี่ยงการสลับงาน ซึ่งจะเพิ่ม RT และอัตราข้อผิดพลาดที่เกี่ยวข้องกับการทำซ้ำงานเดียวกัน (เช่น Kiesel et al., 2010; Monsell, 2003) ด้วยบทบาทหลักของการปฏิบัติในกลไกเหล่านี้ เราจึงตรวจสอบประสิทธิภาพของผู้เข้าร่วมของเราในสองช่วง

วิธี

ผู้เข้าร่วม

นักศึกษาจำนวน 36 คนจาก University of Newcastle, Newcastle, NSW, Australia เข้าร่วมหน่วยกิตบางส่วน ผู้เข้าร่วมทั้งหมดเป็นเจ้าของภาษาของภาษาอังกฤษ จำนวนผู้เข้าร่วมได้รับแจ้งจากงานวิจัยก่อนหน้านี้ที่ใช้กระบวนทัศน์การทดสอบที่คล้ายคลึงกัน (เช่น Strickland et al., 2020)

วัสดุ

สิ่งเร้าทดลองประกอบด้วย 924 คำและ 924 คำที่ไม่ใช่คำ จำนวนคำและความถี่ได้มาจากฐานข้อมูลคำของ Sydney Morning Herald (Dennis, 1995) ความถี่ในการเขียนอยู่ระหว่าง 2 ถึง 6 ต่อล้าน โดยเลือกความถี่ต่ำเพื่อทำให้งานยากขึ้น คำที่ไม่ใช่คำยากถูกสร้างขึ้นโดยการแทนที่สระของคำภาษาอังกฤษที่มีอยู่จนกว่าจะไม่พบคำที่ตรงกันในฐานข้อมูลคำ (เช่น 'วุ่นวาย' กลายเป็น 'วุ่นวาย') รายการคำและคำที่ไม่ใช่คำยังไม่รวมคำที่พบในฐานข้อมูลของคำภาษาอังกฤษที่ไม่เหมาะสมในฐานข้อมูลของ Google

ใช้สีกระตุ้นเป็นสัญญาณ PM เพื่อหลีกเลี่ยงความสับสนของสัญญาณ PM ในเงื่อนไขต่างๆ เราใช้จานสีที่ไม่ซ้ำกันของสี่สีกระตุ้นในแต่ละเงื่อนไข (โดยสุ่มเลือกจานสีโดยไม่ต้องเปลี่ยนจากกลุ่มของสามจานสีในแต่ละเซสชัน) จากแต่ละจานสี สีที่เลือกแบบสุ่มหนึ่งสีถูกใช้เฉพาะสำหรับการทดลอง PM เป็นคิว PM ในขณะที่การทดลองที่ไม่ใช่ PM ใช้สามสีที่เหลือ สุ่มเลือกในแต่ละการทดลอง

ออกแบบ

การทดลองประกอบด้วยการทดลอง 1,848 ครั้ง โดย 828 ครั้งเป็นคำที่ไม่ใช่ PM, 828 รายการไม่ใช่ PM ที่ไม่ใช่ PM, 96 รายการเป็น PM และ 96 รายการไม่ใช่ PM สิ่งเร้าไม่เคยเกิดซ้ำ ตัวชี้นำ PM ปรากฏบน 11 เปอร์เซ็นต์ของการทดลอง

ผู้เข้าร่วมดำเนินการสองช่วงโดยคั่นด้วย 1-2 วัน แต่ละเซสชั่นประกอบด้วยสี่กลุ่มการตอบสนองที่จำเป็นและสี่กลุ่มทดแทนจากการทดลอง 113 ฉบับ

ลำดับเงื่อนไขถูกถ่วงดุลระหว่างผู้เข้าร่วมและข้ามเซสชัน เวลา 15:00 น. เกิดขึ้นในการทดลองใช้หกคำและการทดลองที่ไม่ใช่คำหกครั้งในแต่ละช่วง การทดลองห้าครั้งแรกในแต่ละช่วงบล็อกเป็นการทดลองใช้คำที่ไม่ใช่ PM และการทดลองเติมคำที่ไม่ใช่คำเพื่อชะลอการเริ่มต้นการทดลองใช้ PM ครั้งแรก ผู้เข้าร่วมทำงาน 3-นาทีที่เบี่ยงเบนความสนใจ (คำถามทางคณิตศาสตร์การหารด้วยเลขหลักเดียว) หลังจากชุดคำสั่งตอบกลับแต่ละชุดและก่อนที่งานจะเริ่ม เพื่อให้แน่ใจว่าจะเกิดความล่าช้าก่อนช่วงแรกที่เกี่ยวข้องกับคำแนะนำเหล่านี้

ขั้นตอน

ผู้เข้าร่วมได้รับคำแนะนำด้วยการพูดและการเขียนที่อธิบายการตัดสินใจเกี่ยวกับคำศัพท์และงาน PM ในเงื่อนไขการแทนที่ ผู้เข้าร่วมจะได้รับคำสั่งให้ระบุว่าสตริงของตัวอักษรที่ปรากฏบนหน้าจอสร้างคำหรือคำที่ไม่ใช่คำโดยการกดปุ่ม 'S'or 'D' แต่ในการทดลองที่มีการแสดงสตริงของตัวอักษร ในสีเป้าหมาย PM ให้กดปุ่ม J'key แทน ในเงื่อนไขการตอบสนองที่บังคับ ผู้เข้าร่วมจะได้รับคำสั่งให้กดหนึ่งในสี่ปุ่ม (S', 'D', J', 'K') ที่กำหนดให้กับแต่ละคำตอบที่เป็นไปได้ทั้งสี่: สตริงตัวอักษรคือคำในสีเป้าหมาย PM ; สตริงตัวอักษรเป็นคำที่ไม่ได้อยู่ในสีเป้าหมาย PM สตริงตัวอักษรไม่ใช่คำในสีเป้าหมาย PM สตริงตัวอักษรไม่ใช่คำที่ไม่ใช่สีเป้าหมาย PM การแมปของคีย์กับการตอบกลับถูกถ่วงดุลระหว่างอาสาสมัคร โดยตำแหน่งของคีย์การตอบกลับงานที่กำลังดำเนินอยู่และคีย์การตอบกลับ PM สลับไปมาระหว่างซ้ายและขวา และตำแหน่งของคีย์การตอบกลับแบบคำและที่ไม่ใช่คำภายในงานต่อเนื่องและงาน PM (สำหรับ วิธีการบังคับ) สลับไปมาระหว่างซ้ายและขวาตามหน้าที่ของจำนวนผู้เข้าร่วม ผู้เข้าร่วมได้รับคำสั่งให้ตอบสนองอย่างรวดเร็วและแม่นยำที่สุด

ผู้เข้าร่วมดำเนินการทดสอบการตัดสินใจเกี่ยวกับคำศัพท์ที่ไม่ใช่ของ PM จำนวน 20 ครั้งในช่วงเริ่มต้นของแต่ละเซสชันโดยมีจำนวนคำและสิ่งเร้าที่ไม่ใช่คำศัพท์เท่ากัน

การทดลองแต่ละครั้งเริ่มต้นด้วยการนำเสนอ 500-ms ของการตรึง ตามด้วยหน้าจอว่างเปล่า 250-ms จากนั้นสตริงตัวอักษรกระตุ้นจะปรากฏขึ้นและยังคงมองเห็นได้จนกว่าผู้เข้าร่วมจะกดปุ่มตอบกลับ ช่วงเวลา 500-ms เกิดขึ้นหลังจากการทดลองแต่ละครั้ง ในระหว่างที่หน้าจอยังคงว่างเปล่า ผู้เข้าร่วมจะได้รับช่วงพักระหว่างแต่ละช่วงตึกกับแต่ละเงื่อนไข

วิธีการวิเคราะห์

เราแยกข้อมูลทั้งหมดออกจากผู้เข้าร่วมรายหนึ่งเนื่องจากรูปแบบของ RT ที่ยาวเกินไป (สูงสุด 52 วินาที) นอกจากนี้ เรายังไม่รวมการทดลองสี่ช่วงตึกจากผู้เข้าร่วมอีกสามคนที่มีความแม่นยำในการตัดสินใจคำศัพท์ที่หรือต่ำกว่าระดับโอกาส (<60%). we="" also="" excluded="" any="" trial="" with="" an="" rt="" greater="" than="" 5s,="" and="" the="" first="" two="" trials="" of="" each="" block="" as="" practice="" trials.="" in="" total="" 4.5%="" of="" trials="" were="" excluded="" from="" the="" analysis.="" this="" excluded="" 3.24%of="" all="" pm="">

เราทำการวิเคราะห์โมเดลแบบผสมโดยใช้ภาษาการเขียนโปรแกรม R (R Core Team, 2020) และแพ็คเกจ 'lme4' (Bates et al., 2015) โมเดลเหล่านี้รวมผู้เข้าร่วมเป็นเงื่อนไขการสกัดกั้นแบบสุ่ม เรารายงานแบบจำลองผสมที่แตกต่างกันสองชุดในสองส่วนต่อมา ชุดแรกเน้นประสิทธิภาพ PM การกดปุ่ม PM ใดๆ ถือว่าถูกต้องในการทดลองใช้ PM – คีย์ "PM" หนึ่งคีย์สำหรับเงื่อนไขการแทนที่ และคีย์ "PM word" หรือ "PM non-word" สำหรับเงื่อนไขบังคับ โมเดลดังกล่าวรวมถึงเอฟเฟกต์แบบตายตัวสำหรับเงื่อนไขการตอบสนอง (การแทนที่ การบังคับ) ประเภทของสิ่งเร้า (คำ ไม่ใช่คำ) และวันที่ทดสอบ (หนึ่ง, สอง) โมเดลชุดที่สองมุ่งเน้นไปที่ประสิทธิภาพการตัดสินใจคำศัพท์ ในเงื่อนไขบังคับ สามารถส่งคำตอบการตัดสินใจเกี่ยวกับคำศัพท์ที่ถูกต้องโดยใช้คีย์ที่ไม่ใช่ PM หรือคีย์ PM ซึ่งช่วยให้เราตรวจสอบประสิทธิภาพการตัดสินใจเกี่ยวกับคำศัพท์ในการทดลองทั้งแบบ PM และไม่ใช่ PM ดังนั้น โมเดลชุดที่สองของเราจึงมีเอฟเฟกต์คงที่แบบเดียวกันกับชุดแรก โดยมีข้อยกเว้นหนึ่งประการ: ปัจจัย "ประเภททดลอง" (การเปลี่ยนแบบไม่ใช่ PM, แบบบังคับที่ไม่ใช่ PM, PM แบบบังคับ) ถูกแทนที่ด้วยการตอบสนองแบบสองระดับ ปัจจัยเงื่อนไข การเปลี่ยนที่ไม่ใช่ PM รวมถึงการทดลองการตัดสินใจคำศัพท์ทั้งหมดในเงื่อนไขการเปลี่ยนที่ไม่มีเป้าหมาย PM ผู้บังคับบัญชาที่ไม่ใช่ PM รวมถึงการพิจารณาคดีการตัดสินใจเกี่ยวกับคำศัพท์ทั้งหมดในเงื่อนไขบังคับที่ไม่มีเป้าหมาย PM PM บังคับรวมถึงการพิจารณาคดีการตัดสินใจเกี่ยวกับคำศัพท์ทั้งหมดในเงื่อนไขบังคับที่มีเป้าหมาย PM

ls พร้อมฟังก์ชันเชื่อมโยง probit กับข้อมูลความถูกต้องแบบไบนารี ในการวิเคราะห์ RT นั้น แบบจำลองผลผสมเชิงเส้นด้านซ้ายกับค่าเฉลี่ยของผู้เข้าร่วม ในผลลัพธ์ เรามุ่งเน้นที่การใช้แบบจำลองเหล่านี้เพื่อทดสอบว่าวิธีการตอบสนองแบบบังคับช่วยอำนวยความสะดวกหรือขัดขวางการปฏิบัติงานในการตัดสินใจเกี่ยวกับคำศัพท์และงาน PM ที่กำลังดำเนินอยู่หรือไม่ ขนาดเอฟเฟกต์ถูกรายงานในแง่ของ Cohen's d. รายละเอียดทั้งหมดของการวิเคราะห์ทั้งหมดมีอยู่ในเอกสารเสริมออนไลน์ (OSM) โดยมีความเกี่ยวข้องกับเป้าหมายของบทความมากที่สุดที่รายงานในส่วนผลลัพธ์ ผลกระทบที่รายงานทั้งหมดมีความสำคัญเว้นแต่จะระบุไว้เป็นอย่างอื่น

เราใช้ Conditional-Accuracy Functions (CAFs; Thomas, 1974) เพื่อตรวจสอบสาเหตุของความแตกต่างในความแม่นยำของ PM ระหว่างวิธีการตอบสนอง CAFs วาดความน่าจะเป็นของข้อผิดพลาดเป็นฟังก์ชันของความเร็วโดยรวมโดยสั่งการทดลองบน RT แบ่งเป็นชุดของถังขยะที่มีขนาดเท่ากัน คำนวณอัตราความผิดพลาดสำหรับแต่ละถัง และวางแผนเป็นฟังก์ชันของ RT เฉลี่ยใน ถัง เราสร้าง CAFs ตามการทดลอง PM วางแผนอัตราข้อผิดพลาด PM (เช่น PM พลาด) โดยใช้ถังขยะแปดถังพร้อมฟังก์ชั่นแยกต่างหากสำหรับการเปลี่ยนและการตอบสนองตามบังคับในวันที่หนึ่งและสอง การตอบสนองที่ถูกครอบงำโดยข้อผิดพลาดที่รวดเร็วทำให้ CAF ลดลงและการตอบสนองที่ถูกครอบงำด้วยข้อผิดพลาดที่ช้าทำให้ CAF เพิ่มขึ้น

ผลลัพธ์

งานหน่วยความจำที่คาดหวัง

ผลกระทบของวิธีการตอบสนองต่อความแม่นยำ PM แตกต่างกันระหว่างเซสชัน (รูปที่ 1) ในช่วงแรก สัดส่วนของการพลาด PM ไม่ได้แตกต่างกันอย่างมีนัยสำคัญระหว่างวิธีการตอบสนอง ในขณะที่ในเซสชันที่สอง มีการพลาดท่าน้อยลงอย่างมากด้วยวิธีบังคับ4 อย่างไรก็ตาม จากมุมมองของความแตกต่างส่วนบุคคล 27 เปอร์เซ็นต์ของผู้เข้าร่วมในเซสชันแรก ได้รับประโยชน์ทันทีจากการใช้วิธีการบังคับ (รูปที่ 2) โดยที่ "ผลประโยชน์ทันที" ถูกกำหนดให้มีสัดส่วนเริ่มต้นของ PM พลาดต่ำเท่ากับ (หรือต่ำกว่า) สัดส่วนของ PM พลาดสังเกตในเซสชันที่ 2 เป็น ผู้เข้าร่วมเหล่านี้มี PM พลาดน้อยกว่า (4.2 เปอร์เซ็นต์ ) ในเซสชันที่ 1 กว่าค่าเฉลี่ยของกลุ่มในเซสชันที่ 2 (7 เปอร์เซ็นต์ ) และ PM พลาดน้อยกว่าผู้เข้าร่วมคนอื่นๆ อย่างมาก (19.4 เปอร์เซ็นต์ ) ในเซสชันที่ 1 นอกจากนี้ แม้จะมี PM ที่ต่ำเช่นนี้ อัตราการพลาดในเซสชันที่ 1 โดยใช้วิธีบังคับ อัตรา PM Miss ของกลุ่มนี้ในเซสชันที่ 1 โดยใช้วิธีการทดแทน (16 เปอร์เซ็นต์ ) ไม่ต่ำกว่าผู้เข้าร่วมคนอื่นๆ อย่างมีนัยสำคัญ t(14.8)=-0 .31, หน้า=0.76. วิธีตอบสนองมีผลเหมือนกันมากขึ้นใน RT ของงาน PM (รูปที่ 3): RT ที่ถูกต้องเฉลี่ยจะช้ากว่าสำหรับวิธีการบังคับทั้งในเซสชันที่หนึ่งและเซสชันที่สอง RTS ในเงื่อนไขบังคับลดลงอย่างมากในเซสชันต่างๆ มากกว่าในเงื่อนไขการแทนที่

เรายังตรวจสอบผลกระทบของวิธีการตอบสนองต่อประสิทธิภาพการทำงานของ PM โดยใช้ Conditional Accuracy Functions (CAFs: Thomas, 1974) ซึ่งแสดงให้เห็นว่าความน่าจะเป็นของข้อผิดพลาดเปลี่ยนแปลงไปอย่างไรกับ RT โดยรวม รูปที่ 4 แสดงว่า PM พลาดในเงื่อนไขบังคับนั้นเร็วเป็นส่วนใหญ่ ในขณะที่เงื่อนไขการทดแทนนั้นช้ามาก โดยเฉพาะในช่วงที่หนึ่ง แม้ว่าวิธีการตอบสนองทั้งสองวิธีจะทำให้สัดส่วนของ PM พลาดที่ RT มากกว่า 600 มิลลิวินาทีในเซสชันที่สองลดลงเล็กน้อย แต่ก็มีการลดลงที่ชัดเจนกว่ามากในการพลาด PM อย่างรวดเร็วในเงื่อนไขบังคับระหว่างเซสชัน ซึ่งบ่งชี้ว่าข้อผิดพลาดที่เร็วขึ้นลดลง

งานตัดสินใจเกี่ยวกับคำศัพท์

ส่วนนี้เน้นที่ประสิทธิภาพการตัดสินใจเกี่ยวกับคำศัพท์เพียงอย่างเดียวและไม่มีเงื่อนไขเกี่ยวกับประสิทธิภาพของ PM ในการทดลองใช้คำศัพท์ ความแม่นยำในการตัดสินใจเกี่ยวกับคำศัพท์ (รูปที่ 5) ไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างการทดลองทดแทนแบบไม่ใช้ PM, แบบบังคับที่ไม่ใช่แบบบังคับ และแบบทดสอบ PM แบบบังคับ เพื่อความกระชับ เราไม่แยกความแตกต่างระหว่าง PM hit และ PM miss trials เนื่องจากไม่มีความแตกต่างอย่างมีนัยสำคัญในประสิทธิภาพการตัดสินใจเกี่ยวกับคำศัพท์ระหว่างทั้งสอง สำหรับการทดลองแบบไม่ใช้คำ ความแม่นยำไม่แตกต่างกันระหว่างการทดลองทดแทนแบบไม่ใช้ PM และการทดลองบังคับที่ไม่ใช่ PM แต่ต่ำกว่าสำหรับการทดลอง PM แบบบังคับ ค่าเฉลี่ย RT ที่ถูกต้องสำหรับการทดลองที่ไม่ใช่ PM แบบบังคับนั้นช้ากว่าการทดลองที่ไม่ใช่ PM ทดแทนสำหรับทั้งที่ไม่ใช่คำและคำ (รูปที่ 6) ค่าเฉลี่ย RT นั้นช้าลงในการทดลอง PM บังคับทั้งที่ไม่ใช่คำพูดและคำพูด เช่นเดียวกับการตอบสนองของ PM RT ในเงื่อนไขบังคับลดลงมากกว่าในเงื่อนไขการแทนที่

.

การอภิปราย

การตอบสนองแบบบังคับมีผลในการเพิ่มความแม่นยำของ PM หลังการฝึก ทำให้เกิดอัตราการพลาดของ PM ในเซสชันที่สองซึ่งน้อยกว่าครึ่งหนึ่งของวิธีการเปลี่ยน การปรับปรุงนี้ประสบผลสำเร็จแม้ว่าระดับ PM พลาดโดยรวมจะต่ำ โดยอัตราการพลาด PM ที่จำเป็นโดยเฉลี่ยลดลงเหลือน้อยกว่า 6 เปอร์เซ็นต์ในเซสชันที่สองซึ่งต่ำกว่าที่รายงานในการศึกษาก่อนหน้านี้มากเมื่อเปรียบเทียบวิธีการตอบสนอง ในบทความที่เหลือ เราจะหารือถึงคำอธิบายที่เป็นไปได้สำหรับการลดจำนวนการพลาด PM และแนวทางสำหรับการวิจัยในอนาคต

วิธีการตอบสนองที่บังคับอาจให้การเตือนโดยปริยายซึ่งจะมีประสิทธิภาพมากขึ้นด้วยการปฏิบัติ Guynn et al. (1998) พบว่าการเตือนจะมีประสิทธิภาพมากที่สุดเมื่อพวกเขานำเสนอทั้งสัญญาณ PM และการตอบสนอง โดยตัวเตือนที่เกี่ยวข้องกับการตอบสนอง PM เพียงอย่างเดียวจะมีประสิทธิภาพน้อยลงและการเตือนว่าตัวเตือน PM เพียงอย่างเดียวไม่ได้ผล พวกเขาเสนอว่าการเตือนด้วยทั้งคิวและการตอบสนองนั้นมีประสิทธิภาพเพราะช่วยเสริมความแข็งแกร่งของสมาคมคิวการกระทำเพื่อให้ PMcue มีแนวโน้มที่จะนำไปสู่การดึงการตอบสนอง PM (ดูเพิ่มเติม Vortac et al., 1995 ในบริบทของการจราจรทางอากาศ การควบคุม) ในมุมมองนี้ ประโยชน์เล็กน้อยต่อความแม่นยำของ PM จากการเตือนความจำเฉพาะ PM-response ที่สังเกตโดย Guynn et al.(1998) น่าจะเป็นสื่อกลางโดยการฝึกซ้อมโดยปริยายของการเชื่อมโยง (เตือน)PM ตอบสนองต่อ PMcue เป็นไปได้ว่าในการเรียนรู้ที่จะใช้คู่ปุ่มที่แตกต่างกันเพื่อส่งสัญญาณการตอบสนองของ PM ภายใต้เงื่อนไขภายในสองหัวข้อที่แตกต่างกันในการศึกษาปัจจุบัน ผู้เข้าร่วมได้ฝึกซ้อมและด้วยเหตุนี้จึงเสริมสร้างความสัมพันธ์ระหว่างการตอบสนอง PM และสัญญาณ PM ให้มากขึ้น ระดับบังคับเมื่อเทียบกับเงื่อนไขการทดแทน เนื่องจากการตอบสนองของ PM เกี่ยวข้องกับการศึกษาวิจัยทุกฉบับสำหรับเงื่อนไขบังคับเมื่อเทียบกับทุก ๆ การทดลองเพื่อทดแทน และนั่นก็เพิ่มประสิทธิภาพของ e PMresponse เป็นคิวดึงข้อมูล (เตือนความจำ)

Practice with the obligatory method may also be beneficial because it enables participants to better integrate the PM and ongoing tasks task when using the obligatory response method(Janczyk & Kunde,2020; Marsh et al.2002; Rum-meet al.2017). This could also have the benefit of reducing the costs of switching between the different tasks (Monsell, 2003). It has been proposed that practice with"bivalent" stimuli with two attributes (each relevant to a different task)reduces task-switch costs by binding together the attributes into a single"compound cue"(Arrington & Logan, 2004; Kahneman et al.1992; Schumacher et al.,2018). Obligatory responding is likely to encourage the formation of compound cues because it explicitly requires participants to associate different pairs of attributes (e.g.a particular color and type of letter string)with each response. Integration of tasks (potentially through compound cues) provides a more plausible mechanism than reminders to account for the observed between-sessions learning effect, as it is unclear why reminders would require such a relatively long time-scale (>การทดลอง 800 รายการ) เพื่อกระตุ้นเตือนเมื่อเปรียบเทียบกับการศึกษาก่อนหน้า (เช่น Gilbert, 2015a) อย่างไรก็ตาม ข้อแม้ที่สำคัญคือหากผลการเรียนรู้สะท้อนถึงการรวมงาน PM-ongoing จริง ๆ มันจะถูกสังเกตระหว่างเซสชันมากกว่าภายในเซสชัน และเราไม่ได้คาดการณ์ล่วงหน้าเนื่องจากไม่ชัดเจนในลำดับความสำคัญของการเรียนรู้ตามมาตราส่วนเวลา จะโผล่ออกมา

ความเป็นไปได้ประการที่สามคือการชะลอตัวที่เกี่ยวข้องกับวิธีการบังคับที่มีตัวเลือกการตอบสนองมากขึ้นนั้นมีประสิทธิภาพในการปรับปรุงความแม่นยำของ PM ผ่านการแลกเปลี่ยนความเร็ว/ความแม่นยำ อย่างไรก็ตาม ไม่พบการชะลอตัวเชิงกลยุทธ์โดยการเพิ่มความระมัดระวังในการตอบสนองเพื่อปรับปรุงความแม่นยำของ PM ด้วยวิธีการตอบสนองแบบเดิม (Anderson et al., 2018; Strickland et al., 2020) นอกจากนี้ ไม่น่าเป็นไปได้ที่การชะลอตัวด้วยตัวมันเองสามารถอธิบายการลดลงของ PM ที่พลาดไปทั้งหมด เนื่องจากการปรับปรุงอย่างมากในความแม่นยำของ PM ที่จำเป็นระหว่างช่วงที่ 1 และ 2 นั้นมาพร้อมกับการเร่งความเร็วอย่างมากใน RT ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับปัญหานี้มีให้โดยการพิจารณาการให้ทุนของเราเกี่ยวกับความเร็วของ PM ที่พลาดไปจากมุมมองของแบบจำลองการสะสมหลักฐานของความแม่นยำในการเลือกและ RT ซึ่งให้คำอธิบายโดยละเอียดเกี่ยวกับการแลกเปลี่ยนความเร็ว/ความแม่นยำในแง่ของกระบวนการทางปัญญาและประสาท (ดู Donkin & Brown, 2018, สำหรับการตรวจสอบ) และถูกนำมาใช้อย่างกว้างขวางกับกระบวนทัศน์ PM (เช่น Boywitt & Rummel, 2012; Heathcote et al., 2015; Horn et al., 2011; Strickland et al., 2018, 2020) .

แบบจำลองการสะสมหลักฐานระบุข้อผิดพลาดสองประเภท ข้อผิดพลาด 'ความเร็วตอบสนอง' และข้อผิดพลาด 'คุณภาพหลักฐาน' ซึ่งทั้งคู่เกิดขึ้นในระดับที่แตกต่างกันในงานการตัดสินใจส่วนใหญ่ (Damaso et al., 2020) ข้อผิดพลาดด้านคุณภาพของหลักฐานมักจะช้ากว่าคำตอบที่ถูกต้อง และเกิดขึ้นเนื่องจากหลักฐานที่ผิดพลาดซึ่งสนับสนุนการตอบสนองที่ไม่ถูกต้อง เราพบว่าข้อผิดพลาดที่ช้าเหล่านี้มีอิทธิพลเหนือการทดลองใช้ PM ในเงื่อนไขการแทนที่ ไม่สามารถหลีกเลี่ยงข้อผิดพลาดด้านคุณภาพของหลักฐานได้ด้วยความเร็วในการซื้อขายเพื่อความถูกต้อง เนื่องจากใช้เวลานานกว่าในการตอบสนองจะขยายผลของหลักฐานที่ผิดพลาด ซึ่งสอดคล้องกับการค้นพบครั้งก่อนด้วยวิธีการเปลี่ยน (Anderson et al., 2018; Strickland et al., 2020) . สาเหตุที่เป็นไปได้ประการหนึ่งสำหรับข้อผิดพลาดดังกล่าวก็คือ วิธีการเปลี่ยนทดแทนสนับสนุนชุดงานแยกต่างหากสำหรับงานที่กำลังดำเนินการอยู่และงาน PM ซึ่งนำไปสู่ความล้มเหลวในการเข้าร่วมคำสั่ง PM ในการทดลองบางอย่าง และด้วยเหตุนี้หลักฐานคุณภาพต่ำ

ในทางตรงกันข้าม ข้อผิดพลาดของความเร็วในการตอบสนองมักจะเร็วกว่าคำตอบที่ถูกต้อง และเกิดขึ้นเนื่องจากมีการรวบรวมหลักฐานไม่เพียงพอก่อนที่จะมีการตอบสนอง เราพบว่าข้อผิดพลาดที่รวดเร็วเหล่านี้มีอิทธิพลเหนือการทดลองใช้ PM ในเงื่อนไขบังคับ ข้อผิดพลาดของความเร็วในการตอบสนองจะกระทำในลักษณะเดียวกับของ Loft และ Remington's (Loft & Remington, 2013; แต่ยังเห็นการค้นพบโดย Ball et al., 2021) กลไกการจองล่วงหน้าและสามารถแก้ไขได้ด้วยความเร็วในการซื้อขายสำหรับ ความแม่นยำ. หากข้อดีสำหรับการตอบสนองแบบบังคับนั้นเกิดจากการแลกเปลี่ยนความเร็ว/ความแม่นยำ คาดว่าจะมีข้อผิดพลาดที่รวดเร็วน้อยกว่าการตอบกลับแทน แต่เราพบว่าตรงกันข้าม อย่างไรก็ตาม ความเด่นของข้อผิดพลาด PM ที่รวดเร็วทำให้เกิดความเป็นไปได้ที่น่าสนใจ ซึ่งตรงกันข้ามกับการค้นพบครั้งก่อนที่มีการตอบสนองการแทนที่แบบเดิม การชะลอตัวอาจมีประสิทธิภาพในการเพิ่มความถูกต้องแม่นยำของ PM ภาคบังคับ อันที่จริง ประโยชน์ที่ได้รับจากวิธีนี้อาจมีจำนวนมาก โดยเฉพาะอย่างยิ่งในสถานการณ์เดิมพันสูงที่ข้อผิดพลาด PM ใด ๆ อาจเป็นหายนะ เนื่องจากเราพบว่าการตอบสนองที่ช้าที่สุดครึ่งหนึ่ง (มากกว่า 0.75 วินาที) PM พลาดอย่างสม่ำเสมอเกิดขึ้นเพียง 2 เปอร์เซ็นต์ ซึ่งน้อยกว่าระดับ PM ทดแทนถึงสี่เท่าในทุกความเร็ว แม้ว่าแนวทางนี้สำหรับการปรับปรุงเพิ่มเติมมีแนวโน้มดี แต่อาจไม่เหมาะสมในแอปพลิเคชันที่ต้องการการตอบสนองต่องานอย่างต่อเนื่องอย่างรวดเร็ว (Loft et al., 2019) ข้อจำกัดเดียวกันนี้ใช้ได้กับการตอบสนองแบบบังคับโดยทั่วไป โดยที่ทั้ง RT และ PM RT ที่กำลังดำเนินอยู่นั้นถูกทำให้ช้าลง แม้ว่าข้อเสียนี้เมื่อเทียบกับวิธีการตอบสนองแบบเดิม (ทดแทน) จะลดลงตามการปฏิบัติ การวิจัยเพิ่มเติมอาจตรวจสอบว่าการปฏิบัติเพิ่มเติมสามารถลดข้อเสียของวิธีการตอบสนองที่บังคับได้หรือไม่ ไม่ว่าในกรณีใด เราเชื่อว่าการบังคับใช้อย่างกว้างๆ ของการตอบสนองต่อส่วนต่อประสานระหว่างมนุษย์กับคอมพิวเตอร์ ที่สามารถใช้เพื่อทำให้การดำเนินการต่างๆ ที่หลากหลายโดยอัตโนมัติตามการกดคีย์ธรรมดาๆ นั้นน่าจะมีประโยชน์อย่างน้อยในบางสถานการณ์ การวิจัยในอดีตแสดงให้เห็นว่าการเตือนความจำหรือตัวชี้นำตามบริบทที่ตั้งไว้เพื่อแจ้งบุคคลเมื่อมีคิว PM (หรืออาจมีอยู่) สามารถลดและขจัดงานต่อเนื่องที่ชะลอตัวในช่วงเวลาอื่นในช่วงเวลาการเก็บรักษา PM (Bowden et al., 2021; Loft et al., 2013) แต่ตามที่อธิบายไว้ก่อนหน้านี้ การแจ้งเตือนที่ดึงดูดความสนใจด้วยภาพอาจทำให้เสียสมาธิ

เพื่อให้เข้าใจถึงกระบวนการทางปัญญาซึ่งอยู่ภายใต้ประโยชน์ของการตอบสนอง PM ที่บังคับได้ดีขึ้น ควรจะพัฒนาแบบจำลองการสะสมหลักฐานที่สามารถประเมินความชุกและบทบาทของความเร็วในการตอบสนองและข้อผิดพลาดด้านคุณภาพหลักฐานได้โดยตรง Strickland et al.'s (2018) อนาคตหน่วยความจำแบบจำลอง Decision Control (PMDC) ของกระบวนทัศน์ PM ทดแทนจะถือว่ามีกระบวนการสะสมที่แยกจากกัน (Brown & Heathcote, 2008) สำหรับแต่ละคำตอบที่เป็นไปได้ทั้งสามข้อ ส่วนขยายที่ตรงไปตรงมาจะเกี่ยวข้องกับตัวสะสมสี่ตัว ตัวหนึ่งสำหรับการตอบสนองที่เป็นไปได้สี่ตัวในวิธีการบังคับ อย่างไรก็ตาม การสำรวจเบื้องต้นของเราชี้ให้เห็นถึงความจำเป็นในกลไกการแข่งขันเพื่อพิจารณาผลกระทบของกฎของฮิค การพัฒนาล่าสุดแสดงให้เห็นว่าสิ่งนี้เป็นไปได้ (van Ravenzwaaij et al., 2020) แต่ทำให้การขยาย PMDC ตรงไปตรงมาน้อยลง และจะถูกปล่อยให้ทำงานในอนาคต โดยสรุป งานปัจจุบันได้กำหนดอรรถประโยชน์ในทางปฏิบัติที่เป็นไปได้ของการตอบสนองตามบังคับ และตัดขาดการค้าที่มีความแม่นยำด้านความเร็วอย่างง่าย เป็นเหตุผลว่าทำไมจึงมีประสิทธิภาพ อย่างไรก็ตาม จำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อกำหนดบทบาทของความสัมพันธ์ที่แน่นแฟ้นยิ่งขึ้นระหว่างการตอบสนอง PM และการตอบสนองของ PM ตัวชี้นำแบบผสมที่หลีกเลี่ยงค่าใช้จ่ายในการเปลี่ยนงาน การแสดงเป้าหมายงานต่อเนื่องและ PM แบบรวมเป็นหนึ่ง หรือการผสมผสานระหว่างกลไกเหล่านี้และกลไกอื่นๆ ส่วนขยายของแบบจำลองการสะสมหลักฐาน PMDC ของ Strickland et al. (2018) เป็นแนวทางที่มีแนวโน้มดีในการทำความเข้าใจกลไกเหล่านี้ให้ดีขึ้น