การมีส่วนร่วมของหน่วยความจำระยะยาวเป็นตอน ๆ สู่หน่วยความจำในการทำงานสำหรับการผูก

เชิงนามธรรม: การทดลองปัจจุบันสนับสนุนข้อสรุปสองข้อเกี่ยวกับขีดจำกัดความจุของหน่วยความจำที่ใช้งาน (WM) ประการแรก พวกเขาให้หลักฐานสำหรับ Binding Hypothesis ความจุของ WM ถูกจำกัดโดยการแทรกแซงระหว่างการรวม แต่ไม่ใช่รายการ ประการที่สอง พวกเขาแสดงให้เห็นว่า LTM แบบเป็นตอนมีส่วนอย่างมากในการผูกหน่วยความจำเมื่อความจุของ WM ถูกขยายจนถึงขีดจำกัดด้วยขนาดชุดที่ใหญ่ขึ้น เราทดสอบหน่วยความจำทันทีสำหรับชุดคำและภาพคู่ ด้วยการเพิ่มขนาดชุด หน่วยความจำสำหรับการเชื่อมโยงลดลงอย่างรวดเร็วกว่าหน่วยความจำสำหรับรายการ ตามที่คาดการณ์ไว้โดยสมมติฐานการเชื่อมโยง ถึงกระนั้น เมื่อตั้งค่าขนาดไว้สูง ประสิทธิภาพก็เสถียรกว่าที่คาดไว้จากหน่วยความจำจำกัดความจุ ซึ่งแนะนำการมีส่วนร่วมของหน่วยความจำระยะยาว (LTM) แบบเป็นตอนๆ เพื่อหลีกเลี่ยงขีดจำกัดความจุ WM เพื่อสนับสนุนสมมติฐานนั้น เราแสดงการแยกส่วนสองครั้งของการมีส่วนร่วมของ WM และ LTM แบบเป็นตอนไปยังหน่วยความจำที่มีผลผูกพัน: ประสิทธิภาพที่ชุดขนาดที่ใหญ่กว่า 3 ได้รับผลกระทบโดยเฉพาะจากการรบกวนเชิงรุก - แต่ไม่สามารถต้านทานอิทธิพลจากความล่าช้าที่เต็มไปด้วยสิ่งรบกวน ในทางตรงกันข้าม ประสิทธิภาพที่ชุดขนาด 2 ไม่ได้รับผลกระทบจากสัญญาณรบกวนเชิงรุก แต่ได้รับความเสียหายจากความล่าช้าที่เต็มไปด้วยตัวรบกวน

Cistanche ประสบการณ์ - ปรับปรุงหน่วยความจำ

1. บทนำ

ในทฤษฎีเกี่ยวกับความทรงจำของมนุษย์ ความแตกต่างมักเกิดขึ้นระหว่างหน่วยความจำที่ใช้งาน (WM) และหน่วยความจำระยะยาว (LTM) WM เป็นที่เข้าใจกันว่าเป็นระบบที่มีความจุจำกัดซึ่งเก็บตัวแทนทางจิตไว้สำหรับการประมวลผล ในขณะที่ข้อมูล LTM จะถูกเก็บไว้อย่างถาวรมากกว่าโดยความจุไม่จำกัด (Cowan, 2008) WM และ LTM แสดงการทับซ้อนกันของโครงสร้างและการทำงาน (Eriksson, Vogel, Lansner, Bergstr¨om, & Nyberg, 2015; Lewis-Peacock & Postle, 2008; Ranganath, 2006; Ranganath & Blumenfeld, 2005; Ranganath, Cohen, & Brozinsky, 2005) และความสัมพันธ์ระหว่างระบบเหล่านี้เป็นจุดสนใจของการถกเถียงระหว่างผู้เสนอแบบจำลองหน่วยความจำหลายๆ แบบ ซึ่งแสดงให้เห็นว่าเป็นระบบหน่วยความจำสองระบบที่แยกจากกัน (เช่น Atkinson & Shiffrin, 1968; Baddeley, 2012; Barrouillet & Camos, 2012; Cowan, 2008) หรือเป็นระบบหน่วยความจำรวม (เช่น Crowder, 1982; Melton, 1963; Nairne, 1990, 2002) ทฤษฎีระดับกลางระหว่างสุดโต่งเหล่านี้กำหนดแนวคิดว่า WM เป็นส่วนย่อยของการเป็นตัวแทน LTM ซึ่งอยู่ในสถานะที่เข้าถึงได้ง่ายในระยะเวลาที่จำกัด (Cowan, 1995; Oberauer, 2002) ความสัมพันธ์ใกล้ชิดระหว่าง WM และ LTM ได้รับการสนับสนุนเป็นอย่างดีในเชิงประจักษ์ ตัวอย่างเช่น การวัดความจุของ WM มีความสัมพันธ์อย่างมากกับความสามารถในการจดจำในระยะยาว (Unsworth, 2010; Wilhelm, Hildebrandt, & Oberauer, 2013) และการเรียนรู้แบบเชื่อมโยง (Tamez, Myerson, & Hale, 2008, 2012) วิธีหนึ่งที่ WM และ LTM โต้ตอบกันคือการเป็นตัวแทนที่เกิดขึ้นอย่างรวดเร็วใน LTM แบบเป็นตอนๆ สามารถนำไปสู่ประสิทธิภาพในงานที่ออกแบบมาเพื่อทดสอบ WM (Cowan, 2019) การมีส่วนร่วมของ LTM แบบเป็นตอนต่อประสิทธิภาพในการทดสอบ WM นั้นไม่ได้รับการยอมรับจากนักวิจัยเสมอไป แต่ความน่าเชื่อถือนั้นไม่อาจปฏิเสธได้: แน่นอน หน่วยความจำแบบเป็นตอนซึ่งเก็บข้อมูลเกี่ยวกับเหตุการณ์ที่เราประสบเมื่อนานมาแล้ว และยังรักษาข้อมูลเกี่ยวกับเหตุการณ์เมื่อไม่กี่วินาทีที่แล้วด้วย บทบาทของหน่วยความจำแบบเหตุการณ์ถูกนำไปใช้ในรูปแบบของการเรียกคืนฟรี (เช่น Davelaar, Goshen-Gottstein, Ashkenazi, Haarmann, & Usher, 2005; Sederberg, Howard, & Kahana, 2008) แม้ว่าจะไม่ได้อยู่ในรูปแบบของการเรียกคืนแบบอนุกรม ( เช่น Lewandowsky & Farrell, 2008) ซึ่งเป็นกระบวนทัศน์ที่ใช้บ่อยที่สุดในการทดสอบ WM อย่างไรก็ตาม ความแตกต่างระหว่างการเรียกคืนแบบฟรีและแบบซีเรียลนั้นมีสาเหตุมาจากการแบ่งแยกทางประวัติศาสตร์ของประเพณีการวิจัยมากกว่าความแตกต่างที่สำคัญ (Grenfell-Essam & Ward, 2012; Ward, Tan, & Grenfell-Essam, 2010) ตัวอย่างเช่น หนึ่งในกลไกหลักในการวิจัย WM คือกระบวนทัศน์ช่วงที่ซับซ้อน (Daneman & Carpenter, 1980) มีความคล้ายคลึงกันมากกับกระบวนทัศน์ต่อเนื่องที่ทำให้เสียสมาธิในการวิจัยเรื่อง LTM (Bjork & Whitten, 1974): การนำเสนอรายการ รายการจะถูกแทรกด้วยช่วงเวลาของการประมวลผลที่ทำให้เสียสมาธิ ในวรรณกรรม LTM แบบเป็นตอน งานเบี่ยงเบนความสนใจจะถูกใช้เพื่อแทนที่ข้อมูลจาก WM เพื่อให้ได้การวัด LTM แบบเป็นตอน ๆ ที่บริสุทธิ์ยิ่งขึ้น นักวิจัยบางคนแย้งว่าสิ่งเดียวกันนี้อาจเกิดขึ้นได้ในงานที่ซับซ้อน (McCabe, 2008; Unsworth & Engle, 2007) ดังนั้นประสิทธิภาพดังกล่าวจึงสะท้อนถึงระดับการเรียกคืนที่สำคัญจาก LTM แบบเป็นตอน โดยทั่วไปแล้ว Cowan (2019) ได้แย้งว่าการติดตามเป็นตอนๆ นั้นถูกสร้างขึ้นอย่างรวดเร็วในส่วนที่เปิดใช้งานของ LTM และมีส่วนช่วยในการทดสอบ WM Beukers, Buschman, Cohen และ Norman (2021) แย้งว่าข้อมูลที่ได้รับการบำรุงรักษาสำเร็จในงาน WM ในขณะที่ยังคง "เงียบโดยระบบประสาท" (กล่าวคือ ไม่สามารถถอดรหัสได้จากกิจกรรมของระบบประสาทในระหว่างช่วงเวลาการเก็บรักษา) ไม่ได้รับการบำรุงรักษาใน WM แต่อยู่ใน LTM แบบเป็นตอนๆ เพื่อสนับสนุนความเป็นไปได้ดังกล่าว การวิจัยได้แสดงให้เห็นว่าการเกิดขึ้นอย่างรวดเร็วของการติดตาม LTM เป็นตอนๆ เป็นไปได้ภายในไม่กี่วินาที (Huebner & Gegenfurtner, 2011; Verhaeghen, Vandenbroucke, & Dierckx, 1998) เป้าหมายของการศึกษาครั้งนี้คือการทำความเข้าใจว่า LTM มีส่วนสนับสนุน WM อย่างไรบนสมมติฐานที่ว่าต้องมีการแยกรูปแบบระหว่างเนื้อหาของ WM และการเป็นตัวแทนใน LTM เพื่อสะท้อนถึงหน้าที่ที่แตกต่างกัน ดังนั้น งานปัจจุบันจะไม่พูดถึงการถกเถียงว่า WM และ LTM เป็นระบบที่แยกจากกันทางโครงสร้างหรือไม่ แต่เรามุ่งเน้นไปที่การระบุความแตกต่างของการทำงานระหว่างกัน โดยเราสามารถระบุได้ว่าประสิทธิภาพของงานหน่วยความจำต้องอาศัย WM ในระดับใด และขึ้นอยู่กับระดับใดของ LTM แบบเป็นตอนๆ

องค์ประกอบทางเคมีหลักของ Cistanche Deserticola

1.1. ความจุ WM เป็นขีดจำกัดในการรวม

คำถามที่ว่า WM และ LTM เกี่ยวข้องกันอย่างไรนั้นไม่ได้กระตุ้นให้เกิดการทดลองในปัจจุบัน แต่จุดเริ่มต้นของการตรวจสอบของเราคือ: เหตุใดความจุของ WM จึงถูกจำกัด สมมติฐานข้อหนึ่งเกี่ยวกับธรรมชาติของขีดจำกัดความสามารถนี้คือการวางขีดจำกัดเฉพาะบนการจดจำการผูกชั่วคราว (Oberauer, 2019) สมมติฐานการผูกนี้ระบุว่าขีดจำกัดของ WM เกี่ยวข้องกับการบำรุงรักษาการผูกในระยะสั้น แต่ไม่ใช่รายการ หน่วยความจำสำหรับรายการหมายถึงความสามารถในการจดจำว่ารายการใด (เช่น คำ วัตถุที่มองเห็น) ที่เพิ่งเกิดขึ้น สามารถทำได้โดยการเปิดใช้งานการแสดงรายการที่นำเสนอในระดับสูงอย่างต่อเนื่อง ซึ่งในบางทฤษฎีของ WM เป็นรูปแบบเดียวของการบำรุงรักษา (เช่น Davelaar et al., 2005; Ma, Husain, & Bays, 2014) หน่วยความจำรายการมักจะเพียงพอที่จะจดจำว่ารายการใดรวมอยู่ในชุดหน่วยความจำปัจจุบัน ซึ่งเป็นรายการที่มีการเปิดใช้งานในระดับสูงสุด แต่ไม่ใช่สำหรับการจดจำโครงสร้างของชุดหน่วยความจำ (เช่น ลำดับของรายการ) การผูกเป็นที่เข้าใจกันว่าเป็นการเชื่อมโยงชั่วคราวระหว่างการเป็นตัวแทนของรายการ การเข้ารหัสความสัมพันธ์ระหว่างสิ่งเหล่านั้น (เช่น วัตถุใดถูกนำเสนอร่วมกับคำใด) หรือความสัมพันธ์ระหว่างสิ่งของและบริบทของสิ่งของนั้น (เช่น วัตถุใดถูกนำเสนอในสถานที่ใด หรือ คำใดถูกนำเสนอในตำแหน่งอนุกรมใดของรายการ) ความล้มเหลวของหน่วยความจำรวมในขณะที่หน่วยความจำรายการไม่เสียหาย แสดงให้เห็นในข้อผิดพลาดลักษณะเฉพาะในการทดสอบ WM ตัวอย่างเช่น ในการเรียกคืนแบบอนุกรม ผู้คนมักจะเรียกคืนรายการแต่ทำซ้ำในลำดับที่ไม่ถูกต้อง (Henson, 1996) ในการทดสอบ WM สำหรับอาร์เรย์เชิงพื้นที่ของวัตถุ ผู้เข้าร่วมสามารถจดจำได้ดีว่าวัตถุใดอยู่ในอาร์เรย์ และตำแหน่งใดที่ถูกครอบครอง แต่มักจะล้มเหลวในการกำหนดแต่ละวัตถุไปยังตำแหน่งที่ถูกต้อง (Pertzov, Dong, Peich และ Husain , 2555). สมมติฐานการผูกระบุว่าความจุของ WM เป็นปัจจัยจำกัดสำหรับการบำรุงรักษาการผูกในระยะสั้น แต่ไม่ใช่รายการ หน่วยความจำสำหรับรายการถูกรักษาไว้ในส่วนที่เปิดใช้งานของ LTM ซึ่งเป็นส่วนหนึ่งของระบบ WM แต่ไม่อยู่ภายใต้ขีดจำกัดความจุ (Cowan, 1995; Oberauer, 2009a) สมมติฐานที่มีผลผูกพันสามารถทดสอบได้โดยการใช้ประโยชน์จากการค้นพบการทดลองหลักที่แสดงให้เห็นถึง ความจุที่จำกัดของ WM: เอฟเฟ็กต์ขนาดที่กำหนด เนื่องจากจำนวนสิ่งของที่ต้องจัดเก็บใน WM เพิ่มขึ้น ประสิทธิภาพการทำงานของผู้คนจึงลดลงอย่างมาก (ดูตัวอย่าง รูปที่ 1) สมมติฐานการเชื่อมโยงบอกเป็นนัยว่าเมื่อเพิ่มขนาดชุด หน่วยความจำสำหรับการผูกควรลดลง ในขณะที่หน่วยความจำสำหรับรายการควรไม่มีข้อบกพร่อง (ส่วนใหญ่) Oberauer (2019) ได้ให้หลักฐานสำหรับการคาดคะเนนี้ในการทดลองสองครั้งที่ทดสอบหน่วยความจำทันทีสำหรับรายการคำที่มีขนาดชุดต่างกัน หน่วยความจำสำหรับโพรบในตำแหน่งรายการเฉพาะถูกตรวจสอบผ่านการทดสอบแบบบังคับทางเลือกแบบหลายทางเลือก ซึ่งทางเลือกบางอย่างแสดงถึงข้อผิดพลาดของรายการ (เช่น คำที่ไม่อยู่ในรายการ) ในขณะที่อย่างอื่นแสดงถึงข้อผิดพลาดในการโยง (เช่น รายการคำจากตำแหน่งอื่นที่ไม่ใช่ตำแหน่งที่ทดสอบ ). อัตราข้อผิดพลาดของผู้เข้าร่วมเพิ่มขึ้นตามความยาวของรายการ และนี่เกือบจะเกิดจากข้อผิดพลาดในการเชื่อมโยงเท่านั้น (ดู Cowan, 2022) การสนับสนุนเพิ่มเติมสำหรับสมมติฐานการผูกมาจากการศึกษาความแตกต่างระหว่างบุคคล ซึ่งแสดงให้เห็นว่าความสามารถในการรักษาการผูกชั่วคราวนั้นมีความสัมพันธ์สูงกับหน่วยสืบราชการลับของของไหล และมีแนวโน้มที่จะขับเคลื่อนความสัมพันธ์สูงระหว่างประสิทธิภาพในงาน WM และการทดสอบหน่วยสืบราชการลับ (Chuderski, 2019 ;วิลเฮล์ม et al., 2013). จนถึงปัจจุบัน การอ้างว่าความจุ WM ถูกจำกัดโดยการรบกวนระหว่างการผูก ได้รับการตรวจสอบเชิงทดลองสำหรับการผูกรายการกับตำแหน่งอนุกรมที่เกี่ยวข้องในรายการเท่านั้น อย่างไรก็ตาม ผลกระทบของขนาดที่ตั้งไว้ต่อความสามารถในการจดจำความสัมพันธ์ระหว่างรายการในรายการและตำแหน่งอาจไม่ได้สะท้อนถึงขีดจำกัดความสามารถสำหรับการรักษาการเชื่อมโยง เนื่องจากขนาดของชุดอาจสับสนกับความแตกต่างของตำแหน่งอนุกรม รูปแบบการเรียกคืนแบบอนุกรมที่เป็นทางการหลายรูปแบบบ่งบอกถึงความสับสนดังกล่าว ตัวอย่างเช่น ในโมเดล Start-End (Henson, 1998) ตำแหน่งอนุกรมจะแสดงด้วยชุดค่าผสมที่ถ่วงน้ำหนักของเครื่องหมายสำหรับจุดเริ่มต้นของรายการและเครื่องหมายสำหรับจุดสิ้นสุด ความโดดเด่นของการแสดงตำแหน่งเหล่านี้อยู่ต่ำกว่าตรงกลางของรายการมากกว่าใกล้กับจุดเริ่มต้นและจุดสิ้นสุด ซึ่งทำให้เกิดเอฟเฟกต์อันดับหนึ่งและความใหม่ เมื่อความยาวของรายการเพิ่มขึ้น รายการต่างๆ จะถูกจัดสรรไปยังตำแหน่งที่อยู่ห่างจากจุดเริ่มต้นและจุดสิ้นสุดมากขึ้น ดังนั้นความแตกต่างของตำแหน่งเฉลี่ยจึงลดลง ในแบบจำลองอื่น (Botvinick & Watanabe, 2007) ตำแหน่งอนุกรมจะถือว่าคล้ายกับการแสดงปริมาณตัวเลข ปริมาณที่สูงกว่าจะมีความโดดเด่นน้อยกว่าปริมาณที่ต่ำกว่า ตัวอย่างเช่น การแยกแยะระหว่างวัตถุ 1 และ 2 ชิ้นง่ายกว่าระหว่าง 6 และ 7 เมื่อความยาวของรายการเพิ่มขึ้น ตำแหน่งที่สอดคล้องกับจำนวนที่สูงกว่าจะถูกคัดเลือก หมายความว่าตำแหน่งเฉลี่ย ความโดดเด่นในรายการลดลง ดังนั้น ในการศึกษาครั้งนี้ เรามุ่งทดสอบสมมติฐานการผูกสำหรับการผูกรูปแบบอื่นใน WM: การผูกระหว่างคำและรูปภาพ การเลือกใช้วัสดุนี้มีข้อดีตรงที่ไม่มีข้อขัดแย้งระหว่างขนาดชุดหน่วยความจำและลักษณะเฉพาะของการแทนค่าที่เชื่อมโยงกัน: ความแตกต่างแบบคู่ระหว่างคำหรือรูปภาพที่สุ่มตัวอย่างจากกลุ่มไม่ควรได้รับผลกระทบจากวิธีการ คำหรือรูปภาพจำนวนมากรวมอยู่ในชุดหน่วยความจำ งานก่อนหน้านี้ที่ใช้กระบวนทัศน์การเรียกคืนแบบโพรเบดที่คล้ายกันเพื่อตรวจสอบหน่วยความจำสำหรับรายการคู่คำสั้นๆ (Murdock Jr., 1963) แสดงให้เห็นว่าความน่าจะเป็นในการเรียกคืนคู่ที่ถูกต้องนั้นลดลงเมื่อขนาดชุดเพิ่มขึ้น ดังนั้น งานนี้จึงเหมาะที่จะตรวจสอบเพิ่มเติมถึงการมีส่วนร่วมของไอเท็มและหน่วยความจำที่เชื่อมโยงกับเอฟเฟกต์ขนาดที่ตั้งไว้ ตามสมมติฐานการผูก การรบกวนระหว่างการผูกสร้างขีดจำกัดความสามารถโดยเลือกจากความสามารถในการรักษาไว้ ดังนั้น เรายังควรคาดหวังว่าการเพิ่มขนาดชุดจะบั่นทอนความสามารถของผู้คนอย่างมากในการจดจำคำที่รวมเข้ากับรูปภาพใด ในเวลาเดียวกัน การเพิ่มขนาดชุดไม่ควรมีผลใดๆ หรือดีกว่ามาก ต่อความสามารถของผู้คนในการจดจำรายการแต่ละรายการ (เช่น เพื่อจดจำคำหรือรูปภาพที่พวกเขาเห็นในการทดลองปัจจุบัน) การคาดคะเนสำหรับหน่วยความจำรายการไม่ใช่ว่าไม่มีเอฟเฟกต์ขนาดเซ็ตเลย เพราะหากหน่วยความจำไอเท็มไม่ถูกจำกัดโดยความจุ WM ก็ยังถูกจำกัดด้วยปัจจัยที่จำกัดการเข้าถึง LTM แบบเป็นตอนๆ 1 อย่างไรก็ตาม เราคาดว่าเอฟเฟกต์ขนาดเซ็ต ไม่แสดงลายเซ็นของขีดจำกัดความจุ ดังที่มักพบในการทดสอบ WM: ประสิทธิภาพคงที่ในระดับสูงสำหรับขนาดที่ตั้งไว้ภายในความจุ ตามด้วยการลดลงอย่างรวดเร็วเมื่อขนาดที่ตั้งไว้เกินความจุ

รูปที่ 1. การค้นพบที่เป็นตัวแทนแสดงให้เห็นถึงผลกระทบของขนาดที่กำหนดต่อความแม่นยำ (นำมาจาก Oberauer et al., 2018) (A) การเรียกคืนแบบอนุกรมในการทดสอบช่วงอย่างง่ายและซับซ้อนด้วยวัสดุทางวาจา (Unsworth & Engle, 2006) (B) หน่วยความจำวิ่ง (Bunting, Cowan, & Scott Saults, 2006) (C) การรับรู้รายการ (McElree & Dosher, 1989) (D) Standard N-back (Jonides et al., 1997) และรุ่นของ N-back ซึ่งสิ่งเร้าที่ตามมาจะแสดงในคอลัมน์ N เพื่อให้สิ่งเร้าแต่ละอย่างปรากฏในคอลัมน์เดียวกับ N-back หนึ่งก้าว (Verhaeghen & บาสัก, 2548). (E) การอัปเดต WM ด้วยตัวเลขและการคำนวณทางคณิตศาสตร์ (Oberauer & Kliegl, 2001) (F) เปลี่ยนการตรวจจับด้วยอาร์เรย์ของสี่เหลี่ยมสี (Adam, Mance, Fukuda, & Vogel, 2015)

1.2. การศึกษาในปัจจุบัน

เป้าหมายแรกของการศึกษาครั้งนี้คือการทดสอบสมมติฐานข้อผูกพันของความจุ WM ใหม่ เราบรรลุสิ่งนี้ด้วยการทดลองที่ 1 แต่การทดลองนั้นยังเผยให้เห็นคำใบ้ที่ชัดเจนด้วยว่า LTM แบบเป็นตอนมีส่วนอย่างมากในการทดสอบหน่วยความจำรวมของเรา โดยเฉพาะอย่างยิ่งที่ขนาดชุดที่ใหญ่ขึ้น ดังนั้น เป้าหมายที่สองของเราคือการตรวจสอบการมีส่วนร่วมนี้และแยกออกจากการมีส่วนร่วมของ WM ต่อหน่วยความจำที่มีผลผูกพัน เราทำเช่นนั้นโดยแนะนำการจัดการที่สันนิษฐานว่าเป็นการรบกวน WM อย่างใดอย่างหนึ่งโดยเฉพาะ เช่น การแนะนำงานที่ทำให้เสียสมาธิก่อนการทดสอบ (เช่น Peterson & Peterson, 1959) หรือ LTM แบบเป็นตอน โดยแนะนำการรบกวนเชิงรุก (Cowan, 2005) เรามุ่งเป้าไปที่การตรวจสอบว่าขนาดใดที่การตั้งค่าเหล่านี้มีอิทธิพลต่อประสิทธิภาพของหน่วยความจำในการทดสอบการรู้จำแบบบังคับทางเลือกโดยทันที 4-ทางเลือก

2. การทดลอง 1

ในการทดลองที่ 1 เรามีเป้าหมายเพื่อทดสอบสมมติฐานการผูกมัดโดยทดสอบความจำของอาสาสมัครสำหรับคู่คำ-ภาพจำนวนต่างๆ ในการทดสอบ หน่วยความจำถูกกำหนดโดยรูปภาพหรือคำ และอาสาสมัครต้องเลือกองค์ประกอบอื่นของคู่ทดสอบจากตัวเลือกการตอบสนองสี่ตัวเลือก ตัวเลือกเหล่านี้รวมถึงเป้าหมายและเหยื่อสามประเภทที่แตกต่างกัน: (1) เหยื่อทดลองภายใน: การกระตุ้นที่เป็นส่วนหนึ่งของคู่ในคู่ปัจจุบัน แต่ไม่ใช่คู่ทดสอบ; (2) สิ่งล่อใจเก่า: สิ่งกระตุ้นที่เป็นส่วนหนึ่งของคู่ในการทดลองครั้งก่อน; และ (3) รายการใหม่: สิ่งกระตุ้นที่ไม่ได้ใช้ในการทดลองใดๆ การทดสอบนี้ออกแบบมาเพื่อแยกความแตกต่างของรายการและหน่วยความจำที่มีผลผูกพัน: การปฏิเสธของล่อภายในการทดลองต้องใช้หน่วยความจำสำหรับการรวมที่ถูกต้องระหว่างรูปภาพ (หรือคำ) ที่สั่งตามลำดับและคำเป้าหมาย (หรือรูปภาพ) หากผู้ทดลองมีหน่วยความจำรายการที่ไม่บุบสลายแต่ไม่มีหน่วยความจำผูกมัด พวกเขาจะสามารถแยกเหยื่อเก่าและใหม่ออกได้ แต่ต้องเลือกระหว่างเป้าหมายกับเหยื่อทดลองที่มีความเป็นไปได้เท่ากัน หากพวกเขาไม่มีการเชื่อมโยงหรือหน่วยความจำรายการใน WM แต่มีสัญญาณความคุ้นเคยบางอย่างสำหรับรายการที่นำเสนอก่อนหน้านี้โดยทั่วไปซึ่งทำให้พวกเขาสามารถแยกล่อใหม่ได้ จากนั้นพวกเขาจะเลือกระหว่างเป้าหมาย เหยื่อที่อยู่ในการทดลอง และเหยื่อเก่า หากพวกเขาไม่มีความทรงจำเลย พวกเขาต้องเดาระหว่างตัวเลือกการตอบสนองทั้งสี่ตัวเลือก (ดู Bartsch, Loaiza, & Oberauer, 2019; Oberauer, 2019; Wilhelm et al., 2013 สำหรับแนวทางที่คล้ายคลึงกัน) หากความจุของ WM ถูกจำกัดอย่างแท้จริงจากการรบกวนระหว่างการผูก ในขณะที่หน่วยความจำของรายการไม่ได้รับผลกระทบจากขีดจำกัดของความจุ WM ดังนั้นผู้คนควรจะสามารถหลีกเลี่ยงข้อผิดพลาดของรายการ (เช่น การเลือกเหยื่อเก่าหรือเหยื่อใหม่) ได้ดีพอสมควรโดยไม่คำนึงถึงขนาดที่ตั้งไว้ แต่ก็ควร แสดงข้อผิดพลาดในการผูกที่เพิ่มขึ้นอย่างรวดเร็ว (เช่น การเลือกล่อภายในการทดลอง) เมื่อขนาดที่ตั้งไว้ถึงและเกินความจุ WM (เช่น ประมาณ 3–4 คู่) ดังนั้น ประสิทธิภาพควรลดลงตามขนาดชุดที่เพิ่มขึ้น และการเพิ่มขึ้นนั้นควรเกิดจากเปอร์เซ็นต์ที่สูงขึ้นของเหยื่อทดลองภายในที่เลือกผิดพลาดในการทดสอบ

สมุนไพรจีน cistanche

2.1. วิธี

2.1.1. ผู้เข้าร่วม

เรารวบรวมข้อมูลจากผู้เข้าร่วม 20 คนสำหรับการทดลองที่ 1 (อายุเฉลี่ย=23.67; ผู้หญิง 15 คน) เราเลือกขนาดตัวอย่างเริ่มต้นที่ N=20 สำหรับการทดลองนี้และการทดลองต่อไปนี้ เนื่องจากเพียงพอที่จะตรวจพบผลกระทบขนาดกลางถึงขนาดใหญ่ในการออกแบบภายในเรื่อง และเนื่องจากเป็นที่ทราบกันดีว่าผลกระทบของขนาดชุดหน่วยความจำมีขนาดใหญ่ การใช้สถิติแบบเบส์หมายความว่าสามารถเพิ่มขนาดตัวอย่างได้ในกรณีที่หลักฐานไม่ชัดเจนจนกว่าความกำกวมจะได้รับการแก้ไข (Rouder, 2014; Sch¨onbrodt, Wagenmakers, Zehetleitner, & Perugini, 2017); สิ่งนี้จำเป็นสำหรับการทดลองที่ 2, 3, 4 และ 5 เฉพาะผู้เข้าร่วมที่มีภาษาแม่เป็นภาษาเยอรมัน อายุระหว่าง 18 ถึง 35 ปี และผู้ที่รายงานการมองเห็นปกติหรือแก้ไขให้เป็นปกติเท่านั้นที่เข้าร่วมในการทดลองนี้และการทดลองต่อไปนี้ ทั้งหมดเป็นนักศึกษาที่ลงทะเบียนเรียนที่มหาวิทยาลัยซูริกหรือ ETH Zurich ผู้เข้าร่วมลงนามในความยินยอมที่ได้รับการบอกกล่าวก่อนการศึกษาและได้รับการซักถามในตอนท้าย โปรโตคอลการทดลองของการทดลองนี้และการทดลองต่อไปนี้เป็นไปตามข้อบังคับของคณะกรรมการจริยธรรมของคณะศิลปศาสตร์และสังคมศาสตร์แห่งมหาวิทยาลัยซูริก การทดลองนี้และการทดลองต่อไปนี้ดำเนินการด้วยตนเองในห้องปฏิบัติการ

2.1.2. วัสดุและขั้นตอน

ในการวัดหน่วยความจำในการทำงานสำหรับการผูกและเงื่อนไขต่างๆ ของการโหลด WM เราได้นำเสนอคู่รูปภาพคำตามอำเภอใจตามลำดับที่ขนาดชุด 2, 3, 4, 6 และ 8 (ดูรูปที่ 2) คำต่างๆ ดึงมาจากกลุ่มคำที่เป็นกลาง 1,198 คำจากรายการคำที่สื่ออารมณ์ของเบอร์ลิน (BAWL-R, Vo et al., 2009) โดยมีความยาวขั้นต่ำ 2 ตัวอักษรและความยาวสูงสุด 10 ตัวอักษร คำมีความถี่เฉลี่ยต่อล้าน 59.33 รูปภาพต่างๆ ดึงมาจากภาพถ่ายวัตถุในโลกแห่งความเป็นจริงจำนวน 2,400 ภาพ (Brady, Konkle, Alvarez และ Oliva, 2008) คำและรูปภาพของการทดลองแต่ละครั้งดึงมาจากกลุ่มเหล่านี้โดยไม่มีการแทนที่ เพื่อให้สิ่งกระตุ้นแต่ละอย่างถูกนำมาใช้ในการทดลองเพียงครั้งเดียว แต่ละคู่ถูกนำเสนอเป็นเวลา 900 มิลลิวินาทีโดยมีช่วงเวลาระหว่างการกระตุ้น 100 มิลลิวินาที หลังจากช่วงเวลาการเก็บรักษา 1,000 มิลลิวินาที หน่วยความจำทันทีจะถูกทดสอบสำหรับครึ่งหนึ่งของคู่ที่นำเสนอแบบสุ่มตามลำดับด้วยขั้นตอนบังคับทางเลือกสี่ทางเลือก ในการทดลองชุดขนาดเลขคี่ 3 มีเพียงหนึ่งในสามคู่เท่านั้นที่ได้รับการทดสอบ ในครึ่งหนึ่งของการทดลอง อาสาสมัครถูกจับคู่ด้วยคำของคู่และต้องเลือกจากสี่รูปภาพที่แสดงรอบๆ โดยคลิกที่ตัวเลือกที่พวกเขาคิดว่าถูกนำเสนอพร้อมกับคำในการเข้ารหัส (เงื่อนไขการใช้คำ) ในอีกครึ่งหนึ่งของการทดลอง อาสาสมัครถูกชี้นำด้วยรูปภาพและต้องเลือกจาก 4 คำ (เงื่อนไขของรูปภาพ-คิว) ตัวเลือกทั้งสี่ประกอบด้วยรายการที่ถูกต้องเสมอ เหยื่อทดลองแบบเดียวกัน เหยื่อจากการทดลองครั้งก่อน (เหยื่อบุกรุกแบบเก่า เลือกจากการทดลองครั้งก่อนแบบสุ่มที่เลือก) และรายการใหม่ (เหยื่อใหม่) อีกครั้ง การทดสอบนี้ได้รับการออกแบบเพื่อแยกความแตกต่างของรายการและหน่วยความจำในการผูก: การปฏิเสธของล่อภายในการทดลองต้องใช้หน่วยความจำสำหรับการรวมที่ถูกต้องระหว่างรูปภาพ (หรือคำ) ที่เรียงลำดับตามลำดับและคำเป้าหมาย (หรือรูปภาพ) หากผู้ทดลองไม่มีความทรงจำผูกพัน พวกเขาจะเลือกระหว่างเหยื่อล่อเป้าหมายและเหยื่อล่อที่มีโอกาสเท่ากัน ในทำนองเดียวกัน การปฏิเสธเหยื่อทดลองแบบเก่าต้องใช้หน่วยความจำสำหรับรายการที่ถูกต้องของการทดลองปัจจุบัน เฉพาะในกรณีที่อาสาสมัครไม่มีความทรงจำเลย พวกเขาจะเดาระหว่างตัวเลือกทั้งสี่ด้วยความน่าจะเป็นที่เท่ากัน ล่อภายในการทดลองมักจะดึงมาจากคู่ที่แสดงก่อนหรือหลังคู่เป้าหมายทันที เพื่อควบคุมการเปลี่ยนแปลงบริบทที่เพิ่มขึ้นระหว่างคู่ภายในการทดลองที่ขนาดชุดใหญ่ขึ้น เหตุผลที่ทดสอบเพียงครึ่งหนึ่งของคู่ที่นำเสนอคือเราต้องการหลีกเลี่ยงการทำซ้ำตัวเลือกการตอบสนองใดๆ ในการทดสอบเพื่อลดการพึ่งพาระหว่างการตอบสนองในการทดลองเดียวกัน ดังนั้นเหยื่อล่อชนิดเดียวกันจึงดึงมาจากคู่ที่ไม่ได้ทดสอบ การทดลองหนึ่งชั่วโมงประกอบด้วยการทดลอง 80 ครั้ง โดยมีการทดลอง 8 ครั้งต่อเงื่อนไขคิว (คิวคำเทียบกับรูปภาพ) และขนาดชุด (2,3,4,6 และ 8)

2.1.3. การวิเคราะห์ข้อมูล

เราวิเคราะห์ข้อมูลของการทดลองที่ 1 โดยใช้การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์ที่ทำนายการตอบสนองที่ถูกต้องหรือไม่ถูกต้องในการทดสอบ 4-AFC ตามขนาดชุดหน่วยความจำ การตอบสนองที่ถูกต้องหมายถึงการเลือกรายการเป้าหมายจากทางเลือกอื่น (เช่น ล่อภายในทดลอง ล่อเก่า ล่อใหม่) เรารวมการสกัดกั้นแบบสุ่มโดยผู้เข้าร่วมและความชันแบบสุ่มสำหรับเอฟเฟกต์คงที่ (เช่น ขนาดชุด) เอฟเฟ็กต์คงที่กำหนดขนาดและรวมเป็นตัวทำนายต่อเนื่องในโมเดล ในกรณีที่เราพบเอฟเฟ็กต์ขนาดที่ตั้งไว้ เราทดสอบว่ามันเกิดจากหน่วยความจำที่ลดลงสำหรับการผูก ซึ่งจะแสดงให้เห็นอย่างชัดเจนในความน่าจะเป็นที่เพิ่มขึ้นในการเลือกเหยื่อทดลองแบบเดียวกันมากกว่าตัวเลือกที่เหลือทั้งหมด เราใช้สิ่งนี้ในการถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์ซึ่งทำนายความน่าจะเป็นของข้อผิดพลาดใน 4-การทดสอบ AFC แยกกันสำหรับข้อผิดพลาดแต่ละประเภท (การบุกรุกการทดลองแบบเดียวกัน การล่อการบุกรุกแบบเก่า และการล่อแบบใหม่) ตามขนาดชุดหน่วยความจำ โปรดทราบว่าตัวแปรตามทั้งสี่นั้นไม่เป็นอิสระต่อกัน เนื่องจากจำนวนของการตอบสนองสำหรับแต่ละประเภทจาก 4 หมวดหมู่ (ที่ถูกต้อง การบุกรุกในการทดลองแบบเดียวกัน สิ่งล่อเพื่อบุกรุกแบบเก่า และล่อแบบใหม่) รวมเป็นหนึ่ง ดังนั้นหนึ่งในการวิเคราะห์เหล่านี้จึงซ้ำซ้อน อย่างไรก็ตาม เรารายงานทั้งสี่รายการเพื่อนำเสนอหลักฐานสำหรับผลกระทบที่กำหนดในแต่ละหมวดหมู่ของคำตอบด้วยวิธีที่โปร่งใสที่สุด โมเดลถูกนำไปใช้ในแพ็คเกจ R brms (Bürkner, 2017, 2018) ค่าสัมประสิทธิ์การถดถอยได้รับ Cauchy before ด้วยมาตราส่วน 0.353 สเกลเหล่านี้ถูกเลือกเพราะมีการเสนอตัวกำหนดล่วงหน้าเหล่านี้เป็นลำดับเริ่มต้นเริ่มต้นสำหรับการเปรียบเทียบแบบจำลองกับแบบจำลองโลจิสติก (Oberauer, 2019) เราใช้ลำดับก่อนหน้าที่ไม่ให้ข้อมูลทั้งหมดสำหรับเมทริกซ์สหสัมพันธ์ ซึ่งเรียกว่าลำดับก่อนหน้า LKJ ที่มีพารามิเตอร์รูปร่าง 1 เราคำนวณเบย์ ปัจจัยในการประเมินความแข็งแกร่งของหลักฐานสำหรับผลกระทบของตัวทำนายแต่ละตัว โดยการเปรียบเทียบตัวแบบรวมถึงตัวทำนายนั้นกับตัวแบบที่ไม่รวมตัวทำนาย ในทำนองเดียวกัน เราได้ทดสอบหลักฐานซึ่งรวมถึงคำโต้ตอบที่เป็นผลกระทบแบบสุ่ม (ถ้ามี) และคงไว้สำหรับการเปรียบเทียบแบบจำลองในภายหลัง หากมีหลักฐานยืนยัน โมเดลที่ไม่รวมเอฟเฟ็กต์หลักจะไม่รวมเอฟเฟ็กต์คงที่เท่านั้น แต่ยังคงใช้เอฟเฟ็กต์แบบสุ่ม เราใช้ปัจจัย Bayes สำหรับการเปรียบเทียบแบบจำลอง โดยคำนวณผ่านตัวอย่างสะพาน (Gronau, Singmann และ Wagenmakers, 2017) ที่รวมอยู่ในชุดแขน BF10 ที่มากกว่า 1 ให้หลักฐานสำหรับผลกระทบ; BF10 ที่ต่ำกว่า 1 ให้หลักฐานต่อต้านผลกระทบ และด้วยเหตุนี้จึงเป็นหลักฐานสำหรับสมมติฐานว่าง ความแข็งแกร่งของหลักฐานสำหรับสมมติฐานว่างคือ BF01=1/ BF10 ค่า BF10 จาก 10 บ่งชี้ว่าข้อมูลมีความเป็นไปได้มากกว่า 10 เท่าภายใต้สมมติฐานทางเลือกมากกว่าภายใต้สมมติฐานว่าง โดยปกติแล้ว BFs > 3 ถือเป็นหลักฐานสำคัญสำหรับสมมติฐานหนึ่งมากกว่าอีกสมมติฐานหนึ่ง เราใช้อัลกอริทึม MCMC (นำไปใช้ใน Stan; Carpenter et al., 2017) ที่ประมาณค่าหลังโดยการสุ่มตัวอย่างค่าพารามิเตอร์ตามสัดส่วนของผลิตภัณฑ์ก่อนหน้าและความเป็นไปได้ ตัวอย่างเหล่านี้ถูกสร้างขึ้นผ่านห่วงโซ่มาร์คอฟที่เป็นอิสระต่อกัน 4 ตัวอย่าง โดยมีตัวอย่างวอร์มอัพ 1000 ตัวอย่างต่อตัวอย่าง ตามด้วยตัวอย่าง 50,000 ตัวอย่างที่ดึงมาจากการกระจายภายหลังซึ่งเก็บไว้สำหรับการวิเคราะห์ ติดตาม Gelman และคณะ (2013) เรายืนยันว่าทั้ง 4 เชนรวมกันเป็นการกระจายตัวหลังเดียวกันโดยตรวจสอบว่าสถิติ ̂R ซึ่งสะท้อนถึงอัตราส่วนของความแปรปรวนระหว่างเชนต่อความแปรปรวนภายในเชนคือ<1.02 for all parameters, and we visually inspected the chains for convergence. Further, we calculated the common estimate of the capacity of WM across our variation of set size and additional manipulations in each experiment. Based on the assumptions of discrete memory states, this estimate K is derived from the number of items remembered (Adam, Vogel, & Awh, 2017; Cowan, 2001; Zhang & Luck, 2008). For n-alternative forced choice tests of a single item, this estimate is obtained with K for the number of remembered items; N for the memory set size, P (correct) for the proportion of correct responses, and g for the chance of guessing the correct response. The chance of guessing depends on assumptions about the capacity limit and on whether the difficulty of the lures affects the probability of choosing them. If the capacity limit is a limit on all information remembered about an item, then we distinguish a state of remembering the tested item (leading to a correct response) from a state of no information about the item, in which case the person guesses with equal probability from the entire response set: Here the chance of guessing is determined by the number of response alternatives, resulting in g = 1/4. If we assume that WM capacity places a limit on binding memory but not item memory, then we can distinguish a state of remembering the item-position binding (leading to a correct response) from a state of not remembering the binding, but still having item memory available to restrict the response set to the candidates from the current list. On this assumption, guessing chooses each candidate from the current list with equal chance, leading to guessing being set to ½. Here we report K estimates based on g = ¼. because it reflects the most common assumption about capacity limits; K estimates based on g = ½ can be found in the Supplementary Material. Finally, we also computed the input-output distance of the pairs as a predictor of the probability of choosing the correct response. The input-output distance represents the number of intervening events – encoding or testing of other pairs – between the encoding of a given pair and the test of that pair. For example, if a pair in the set-size 8 condition is presented in the serial position 6, and tested first, the input-output distance would be 2. If the same pair would be tested 4th, the input-output distance would be 5. This analysis was exploratory, as we had no predictions for it, but it turned out to be informative about the division of labor between WM and episodic LTM. The data and the analysis scripts can be accessed in the Open Science Framework (https://osf.io/ymgkq).

รูปที่ 2. ภาพประกอบกระบวนทัศน์ของการทดลอง 1. ผู้รับการทดลองแสดงรายการคู่คำ-ภาพตามลำดับในชุดขนาดต่างๆ หน่วยความจำทันทีได้รับการทดสอบสำหรับครึ่งหนึ่งของคู่ตามลำดับแบบสุ่ม โดยการใช้รูปภาพหรือคำ ผู้ทดลองต้องเลือกระหว่างตัวเลือกการตอบสนองสี่แบบ ซึ่งประกอบด้วยรายการที่ถูกต้อง เหยื่อทดลองแบบเดียวกัน เหยื่อทดลองแบบเก่า และรายการใหม่

2.2. ผลลัพธ์

รูปที่ 3 แสดงค่าเฉลี่ยความน่าจะเป็นในการเลือกตัวเลือกการตอบสนองแต่ละตัวเลือกจากขนาดที่ตั้งไว้ ผู้อ่านที่สนใจยังสามารถค้นหาสัดส่วนเฉลี่ยของคำตอบที่ถูกต้องโดยแบ่งตามประเภทคิว ตำแหน่งอนุกรม และตำแหน่งเอาต์พุตในส่วนเสริม (รูปที่ S2A, รูปที่ S 3A, รูปที่ S 4A) ตารางที่ 2 แสดงรายการสูตร สหสัมพันธ์ภายในคลาส ตลอดจนจำนวนการสังเกตของแบบจำลองการถดถอยโลจิสติกแบบลำดับชั้นทั้งหมด

2.2.1. ความแม่นยำ

คำถามแรกของเราคือการโหลดหน่วยความจำ (เช่น ขนาดชุด) ส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องหรือไม่ การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์เผยให้เห็นผลกระทบหลักของขนาดชุด (BF10=5.2 × 1010) เมื่อเปรียบเทียบกับแบบจำลองที่ไม่รวมผลกระทบคงที่ ดังที่แสดงในรูปที่ 2 ความน่าจะเป็นเฉลี่ยในการเลือกรายการที่ถูกต้องลดลงจากขนาดชุดที่ 2 เป็น 4 เท่านั้น โดยประสิทธิภาพจะลดระดับลงระหว่างขนาดชุดที่ 4 ถึง 8 เพื่อประเมินหลักฐานสำหรับการชะลอตัวของชุด- เอฟเฟ็กต์ขนาด เราเปรียบเทียบโมเดลที่มีการเข้ารหัสขนาดชุดต่างๆ เราแทนที่ตัวทำนายขนาดชุดที่ลดลงเชิงเส้นด้วยตัวทำนายทางเลือก ซึ่งการเข้ารหัสขนาดชุดสะท้อนถึงที่ราบสูงที่เป็นไปได้ที่แตกต่างกัน (ตารางที่ 1) แบบจำลองที่ทำนายความน่าจะเป็นของการตอบสนองที่ถูกต้องด้วยการตั้งค่าขนาดที่ปิดที่ค่า 4 และสูงกว่านั้นอธิบายข้อมูลได้ดีที่สุด เมื่อเปรียบเทียบกับแบบจำลองที่สมมติให้หยดเชิงเส้นในทุกขนาดที่ตั้งไว้ ควรใช้ BF10 ที่ 8.12 × 104 (ดูตารางที่ 1) สำหรับการเปรียบเทียบแบบจำลองการหยดเชิงเส้นกับที่ราบสูงที่เป็นไปได้ทั้งหมด)

2.2.2. ประเภทข้อผิดพลาด

คำถามที่สองของเราคือว่าเอฟเฟกต์ขนาดที่ตั้งไว้นี้เกิดจากหน่วยความจำที่ลดลงสำหรับการผูกหรือไม่ ซึ่งจะแสดงให้เห็นอย่างชัดเจนในความน่าจะเป็นที่เพิ่มขึ้นในการเลือกล่อทดลองแบบเดียวกันเหนือตัวเลือกที่เหลือทั้งหมด ดังนั้นเราจึงใช้การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์เพื่อทำนายความน่าจะเป็นของข้อผิดพลาดใน 4-การทดสอบ AFC แยกจากกันสำหรับข้อผิดพลาดแต่ละประเภท (การบุกรุกการทดลองแบบเดียวกัน การล่อการบุกรุกแบบเก่า และการล่อแบบใหม่) ตามขนาดชุดหน่วยความจำ เราพบว่าเอฟเฟ็กต์ขนาดที่ตั้งไว้ได้รับการขับเคลื่อนอย่างเต็มที่โดยการเลือกเหยื่อทดลองแบบเดียวกัน (BF10=9.18 × 1010) เนื่องจากมีหลักฐานที่ต่อต้านเอฟเฟกต์ขนาดที่ตั้งไว้สำหรับข้อผิดพลาดประเภทอื่นๆ ทั้งสอง การเลือกการบุกรุกของการทดลองแบบเก่า (BF10=12.37) เช่นเดียวกับรายการใหม่ (BF01=8.97)

2.2.3. ระยะอินพุท-เอาท์พุต

สุดท้าย เราตรวจสอบผลกระทบของระยะทางอินพุตและเอาต์พุตต่อความน่าจะเป็นในการเลือกการตอบสนองที่ถูกต้อง ดังที่แสดงในรูปที่ 4 จำไว้

ตารางที่ 1 ผลลัพธ์ของการถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์ที่ทำนายจำนวนการตอบสนองที่ถูกต้องในการทดลองที่ 1

หมายเหตุ: ทุกรุ่นมีผู้เข้าร่วมเป็นเอฟเฟกต์แบบสุ่ม สำหรับการทดสอบตัวทำนายขนาดแต่ละชุด (1–4) แถวแรกจะแสดงปัจจัย Bayes (BF) ของแต่ละรุ่น (แสดงในคอลัมน์ต่างๆ) เหนือแบบจำลองเชิงเส้น [1] แถวที่สองแสดง BF ของโมเดลโดยใช้ตัวทำนายที่มีข้อจำกัดที่เกี่ยวข้องเหนือโมเดลที่ดีที่สุด รุ่นที่พิมพ์เป็นตัวหนาเป็นรุ่นที่ดีที่สุดเมื่อเทียบกับรุ่น Null

รูปที่ 3. ประสิทธิภาพของหน่วยความจำทันทีในการทดลองที่ 1 แผง A แสดงความน่าจะเป็นในการเลือกรายการที่ถูกต้องในขนาดที่กำหนด แผง B, C และ D แสดงความน่าจะเป็นในการเลือกเหยื่อทดลองภายใน เหยื่อเก่า และเหยื่อใหม่ตามลำดับ แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ภายในเรื่อง

2.3. การอภิปราย

เป้าหมายของการทดลองที่ 1 คือการทดสอบสมมติฐานการผูกสำหรับการผูกระหว่างรายการ ผลลัพธ์สนับสนุนสมมติฐานการผูก เนื่องจากเอฟเฟกต์ขนาดที่ตั้งไว้ถูกขับเคลื่อนโดยหน่วยความจำที่ลดลงสำหรับการผูกเท่านั้น ซึ่งแสดงให้เห็นอย่างชัดเจนในความน่าจะเป็นที่เพิ่มขึ้นในการเลือกล่อทดลองแบบเดียวกันมากกว่าตัวเลือกที่เหลือทั้งหมด โดยไม่คาดคิด ผลกระทบที่เป็นอันตรายของโหลดหน่วยความจำใน WM ช้าลงหลังจาก 4 คู่ โดยผู้เข้าร่วมดำเนินการเปรียบเทียบกันในงานหน่วยความจำทันทีในขนาดชุด 4, 6 และ 8 สิ่งนี้น่าประหลาดใจ เนื่องจากการวิจัยก่อนหน้านี้แสดงให้เห็นอย่างต่อเนื่องว่าในกระบวนทัศน์ WM ต่างๆ ความแม่นยำสำหรับการผูกบริบทรายการลดลงอย่างต่อเนื่อง - มักจะเป็นแบบเร่ง - มากกว่าขนาดชุดที่เพิ่มขึ้น (สำหรับภาพรวม: Oberauer et al., 2018: Benchmark 1.1 และรูปที่ 1) ผลกระทบที่ช้าลงของขนาดที่ตั้งไว้ไม่ใช่สิ่งที่เราควรคาดหวังจากหน่วยความจำที่จำกัดความจุ เนื่องจากเป็นการบอกเป็นนัยว่าเมื่อมีข้อมูลมากขึ้น ข้อมูลก็จะถูกเก็บไว้ในหน่วยความจำมากขึ้น เพื่อแสดงให้เห็น รูปที่ 5A แสดงค่า K ที่สะท้อนจำนวนคู่ที่จดจำในขนาดชุด ซึ่งบ่งชี้ว่าการประมาณความจุเพิ่มขึ้นอย่างต่อเนื่องตามขนาดชุด (ดูรูปเพิ่มเติม S 1 สำหรับการประมาณ K ตามความน่าจะเป็น 50 เปอร์เซ็นต์) คำอธิบายที่เป็นไปได้ประการหนึ่งสำหรับเอฟเฟกต์ขนาดเซ็ตที่ช้าลงคือผู้เข้าร่วมอย่างน้อยต้องพึ่งพา LTM แบบตอนเป็นตอน ๆ ของตนเพื่อรักษาการผูกคำและรูปภาพ และอิทธิพลของ LTM จะเพิ่มขึ้นตามขนาดเซ็ตที่ใหญ่ขึ้นในลักษณะที่ระดับประสิทธิภาพลดลงที่เซ็ต ขนาด 4 ถึง 8 ที่ระดับความแม่นยำที่สามารถคงอยู่ได้โดยใช้ LTM เพียงอย่างเดียว ดังนั้นเราจึงตั้งสมมุติฐานว่าขนาดชุดที่ใหญ่ขึ้น LTM แบบเป็นตอนมีส่วนช่วยอย่างมากต่อประสิทธิภาพในงาน WM ของเรา โดยเฉพาะอย่างยิ่ง มันไม่ได้มีส่วนช่วยในหน่วยความจำรายการเท่านั้น แต่ยังรวมถึงหน่วยความจำรวมด้วย เพื่อทดสอบสมมติฐานนี้ ในการทดลองที่ 2 และ 3 เราได้ปรับเปลี่ยนประโยชน์ของการพึ่งพาการแสดง LTM แบบเป็นตอนๆ โดยการกระตุ้นการรบกวนเชิงรุกในเงื่อนไขข้อใดข้อหนึ่ง หาก LTM แบบเป็นตอนๆ มีส่วนสนับสนุนประสิทธิภาพในขนาดชุดที่ใหญ่ขึ้นโดยเฉพาะ ผลกระทบของสัญญาณรบกวนเชิงรุก (PI) ควรปรากฏเฉพาะในขนาดชุดที่ใหญ่ขึ้นเท่านั้น ในทางตรงกันข้าม ในขนาดชุดที่เล็กกว่า ซึ่งประสิทธิภาพขึ้นอยู่กับการแสดง WM PI ไม่ควรมีผลใดๆ เนื่องจาก WM ปกป้องเนื้อหาจาก PI (Cowan, 2005; Cowan, Johnson, & Scott Saults, 2005; Halford, Maybery และ Bain , 1988; Oberauer, Awh, & Sutterer, 2017; Wickens, Born, & Allen, 1963; Wickens, Moody, & Dow, 1981) ในการทดลองที่ 4 และ 5 เราได้ทดสอบสมมติฐานที่ตรงกันข้ามว่างานเบี่ยงเบนความสนใจระหว่างช่วงเวลาการเก็บรักษา ซึ่งควรทำให้ WM เสียหายอย่างเฉพาะเจาะจง ส่งผลต่อประสิทธิภาพที่ขนาดชุดสั้นเท่านั้น การค้นพบเพิ่มเติมคือประสิทธิภาพที่ค่อนข้างสูงที่ระยะอินพุต-เอาต์พุตที่สั้น ข้อสังเกตนี้เข้ากันได้กับสมมติฐานของเราที่ว่าความจุของ WM ถูกจำกัดโดยการแทรกแซงระหว่างการเชื่อมโยง หากเราตั้งสมมติฐานเพิ่มเติมหนึ่งข้อ: ด้วยขนาดชุดที่ใหญ่กว่า คู่ที่นำเสนอล่าสุดจะเป็นคู่ที่คงไว้เป็นพิเศษใน WM อาจมีสองเหตุผลสำหรับสิ่งนี้ ประการหนึ่งคือการรบกวนใน WM ส่วนใหญ่มีผลย้อนหลัง ดังนั้นคู่ที่แสดงก่อนหน้านี้จึงเสียหายจากการรบกวนมากที่สุด อีกทางหนึ่ง คู่ที่นำเสนอก่อนหน้านี้ได้รับการว่าจ้างจากภายนอกโดยเจตนาให้กับ LTM แบบเป็นตอนๆ เนื่องจากพวกเขามีเวลายาวนานที่สุดในการสร้างความทรงจำแบบเป็นตอนๆ จากสมมติฐานเหล่านี้ คู่ที่นำเสนอล่าสุดสามารถเข้าถึงได้มากที่สุดใน WM โดยเฉพาะอย่างยิ่งเมื่อมีการทดสอบในช่วงต้นของลำดับผลลัพธ์ ในการทดสอบครั้งหลัง พวกมันเสียหายมากขึ้นจากการรบกวนเอาต์พุตจากการทดสอบก่อนหน้านี้ ซึ่งเกิดจากการดึงคู่อื่นจากหน่วยความจำแบบเหตุการณ์เข้าสู่ WM เมื่อทดสอบสมมติฐานที่ว่า LTM แบบเป็นตอนๆ มีส่วนช่วยโดยเฉพาะต่อประสิทธิภาพที่ขนาดชุดที่ใหญ่ขึ้นในการทดลองต่อไปนี้ เราจะตรวจสอบด้วยว่าประสิทธิภาพสำหรับคู่ที่มีระยะอินพุต-เอาต์พุตสั้นได้รับการป้องกันแบบเลือกปฏิบัติจาก PI หรือไม่ และมีความเสี่ยงแบบเลือกให้เป็นงานรอง การรบกวนรวมถึงขนาดชุดที่ใหญ่ขึ้น

รูปที่ 4. ความน่าจะเป็นในการเลือกการตอบสนองที่ถูกต้องระหว่างระยะอินพุต-เอาท์พุตและขนาดที่กำหนดในการทดลองที่ 1 แถบข้อผิดพลาดแสดงช่วงความเชื่อมั่นระหว่างอาสาสมัคร

3. การทดลองที่ 2 และ 3

ในการทดลองที่ 2 และ 3 เรามีเป้าหมายเพื่อตรวจสอบการมีส่วนร่วมของ LTM แบบเป็นตอนๆ ต่องานการรวม WM ของเราในขนาดชุดที่แตกต่างกัน เราทดสอบสมมติฐานที่ว่า LTM มีส่วนช่วยอย่างมากต่อประสิทธิภาพที่ขนาดชุดที่ใหญ่ขึ้น ในการทดลองที่ 1 เราใช้สิ่งเร้าที่มีลักษณะเฉพาะของการทดลอง กล่าวคือ แต่ละคำและแต่ละภาพจะถูกนำเสนอเพียงครั้งเดียวในการทดลองทั้งหมด ในการทดลองที่ 2 และ 3 เรากระตุ้นให้เกิดสัญญาณรบกวนเชิงรุกโดยการทำซ้ำคำและรูปภาพเดิมจากกลุ่มสิ่งของแบบปิดแต่อยู่ในชุดค่าผสมใหม่ และเปรียบเทียบเงื่อนไขนี้กับเงื่อนไขที่มีสิ่งเร้าที่มีลักษณะเฉพาะของการทดลอง นอกจากนี้ เราได้ตรวจสอบขนาดชุดในช่วงที่กว้างขึ้น (1, 2, 3, 6, 8 และ 30 คู่ในการทดลองที่ 2; 2, 3, 8 และ 16 คู่ในการทดสอบที่ 3) หากเอฟเฟกต์ขนาดเซ็ตที่ช้าลงที่สังเกตได้ในการทดลองที่ 1 สะท้อนถึงเส้นกำกับของประสิทธิภาพที่กำหนดโดย LTM แบบเป็นตอน ก็ควรขยายขนาดเซ็ตให้สูงขึ้นไปอีก ในกรณีนั้น หน่วยความจำสำหรับ 16 หรือ 30 คู่ควรอยู่ในระดับเดียวกับหน่วยความจำสำหรับ 6 หรือ 8 คู่

3.1. วิธี

3.1.1. ผู้เข้าร่วม

เรารวบรวมข้อมูลของผู้เข้าร่วม 30 คนสำหรับการทดลองที่ 2 (อายุเฉลี่ย=23.21; ผู้หญิง 22 คน) และข้อมูลของผู้เข้าร่วม 40 คนสำหรับการทดลองที่ 3 (อายุเฉลี่ย=23.0; ผู้หญิง 29 คน ).

3.1.2. วัสดุและขั้นตอน

เราทดสอบหน่วยความจำสำหรับการเชื่อมโยงในการทดลองที่ 2 ที่ขนาดเซ็ตที่ 2, 3, 6, 8 และเซ็ตที่ขนาด 30 และในการทดลองที่ 3 ที่เซ็ตขนาด 2, 3, 8 และเซ็ตที่ขนาด 16 ในเงื่อนไขที่มีและไม่มีการรบกวนเชิงรุก (PI ). การทดลองที่ 2 เกี่ยวข้องกับสองเซสชัน `a 1-h ประกอบด้วย 120 การทดลอง โดยมี 20 การทดลองต่อเงื่อนไขสำหรับแต่ละขนาดชุดเล็ก (2,3,6,8) และการทดลองห้าครั้งสำหรับขนาดชุด 30 เงื่อนไข (PI เทียบกับ ไม่มี PI) แตกต่างกันระหว่างเซสชัน ลำดับของเซสชันถูกถ่วงดุลระหว่างผู้เข้าร่วม ในเซสชัน PI สิ่งเร้าถูกดึงมาจากชุดของคำ 12 คำและรูปภาพ 12 รูปสำหรับชุดขนาดที่เล็ก (2,3,6,8) และจากชุดของคำ 45 คำและรูปภาพ 45 รูปสำหรับชุดขนาด 30 สิ่งเร้า 45 รายการเหล่านี้รวมอยู่ด้วย สิบสองจากชุดปิดขนาดชุดเล็ก ในเซสชันที่ไม่มี PI สิ่งเร้าจะถูกดึงออกมาอีกครั้งโดยไม่มีการแทนที่จากชุดใหญ่ของการทดลองที่ 1 นอกเหนือจากการเปลี่ยนแปลงเหล่านี้ กระบวนทัศน์ยังเป็นไปตามสิ่งเร้าจากการทดลองที่ 1 การทดลองที่ 3 ยังเป็นสองเซสชัน `a 1- การทดลอง h ประกอบด้วย 208 การทดลอง โดยมี 13 การทดลองต่อเงื่อนไขสำหรับแต่ละขนาดชุด เงื่อนไข (PI เทียบกับไม่มี PI) แตกต่างกันระหว่างเซสชัน และคิว (คิวคำเทียบกับรูปภาพ) คงที่ภายในผู้เข้าร่วม (ผู้เข้าร่วมครึ่งหนึ่งมักจะแสดงด้วยคำพูด และอีกครึ่งหนึ่งแสดงด้วยรูปภาพ)2 ใน เซสชัน PI สิ่งเร้าถูกดึงมาจากชุดคำ 24 คำและรูปภาพ 24 ภาพ3 นอกเหนือจากการเปลี่ยนแปลงเหล่านี้ กระบวนทัศน์ยังตามมาจากการทดลองที่ 2

3.1.3. การวิเคราะห์ข้อมูล

เราวิเคราะห์การทดลองที่ 2 และ 3 โดยใช้การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์ที่ทำนายการตอบสนองที่ถูกต้องหรือไม่ถูกต้องใน 4-การทดสอบ AFC ตามขนาดที่กำหนดและการรบกวนเชิงรุก อีกครั้ง การตอบสนองที่ถูกต้องถูกกำหนดให้เป็นการเลือกรายการเป้าหมายจากทางเลือกอื่น (เช่น การบุกรุกภายในรายการ การบุกรุกแบบเก่า ใหม่) ผลกระทบคงที่คือการรบกวนเชิงรุกและขนาดชุด และอย่างหลังรวมอยู่ในแบบจำลองในฐานะตัวทำนายแบบต่อเนื่อง เพิ่มขึ้นมากกว่าขนาดชุดเล็กและชะลอตัวลงที่ชุดขนาด 4 และใหญ่กว่า (เช่น 6,8 และ 30 สำหรับ Exp2, 8 และ 16 สำหรับประสบการณ์ที่ 3) ตามที่กำหนดไว้ในการทดลองที่ 1 (เช่น การเข้ารหัส III ในตารางที่ 1) แบบจำลองประกอบด้วยการสกัดกั้นแบบสุ่ม ความชันแบบสุ่มตามขนาดที่กำหนด และการรบกวนเชิงรุก

3.2. ผลลัพธ์

รูปที่ 6 และรูปที่ 7 แสดงค่าเฉลี่ยความน่าจะเป็นของการเลือกแต่ละตัวเลือกการตอบสนองทั้งสี่ตัวเลือกเป็นฟังก์ชันของขนาดที่ตั้งไว้และสภาวะสัญญาณรบกวนเชิงรุก สำหรับการทดลองที่ 2 และ 3 ตามลำดับ ผู้อ่านที่สนใจยังสามารถค้นหาสัดส่วนเฉลี่ยของคำตอบที่ถูกต้องโดยแยกตามประเภทคิว ตำแหน่งอนุกรม ตลอดจนตำแหน่งเอาต์พุตในส่วนเสริม (รูปที่ S2B และ C, รูปที่ S 3B และ C, รูปที่ S 4B และ C) . ตารางที่ 2 แสดงรายการสูตร ความสัมพันธ์ภายในคลาส ตลอดจนจำนวนการสังเกตของแบบจำลองการถดถอยโลจิสติกแบบลำดับชั้นแบบสมบูรณ์

รูปที่ 5. ค่าประมาณความจุ K ของขนาดและเงื่อนไขที่ตั้งไว้ของ (A) การทดลองที่ 1, (B) การทดลองที่ 2, (C) การทดลองที่ 3, (D) การทดลองที่ 4 และ (E) การทดลองที่ 5

3.2.1. ความแม่นยำ

คำถามแรกของเราคือการรบกวนเชิงรุกส่งผลต่อขนาดที่ตั้งไว้ซึ่งส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องหรือไม่ โดยจำกัดการวิเคราะห์ไว้ที่ช่วงขนาดที่ตั้งไว้ของการทดลองที่ 1 (เช่น 2 ถึง 8) การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์เปิดเผยหลักฐานจำนวนมากสำหรับผลกระทบจากการโต้ตอบทั้งในการทดลองที่ 2 และ 3 (BF10=7.81 และ BF10=10.19 ตามลำดับ) รวมทั้งหลักฐานที่ชัดเจนสำหรับผลกระทบหลักของ ขนาดที่กำหนด (BF10=1.19 × 1012 และ BF10=2.25 × 1020) และการรบกวนเชิงรุก (BF10=16.10 และ BF10=406.78) ทั้งสอง การทดลอง มีความเป็นไปได้สูงที่จะเลือกรายการที่ถูกต้องด้วยขนาดที่เล็กกว่าเมื่อเทียบกับขนาดชุดที่ใหญ่กว่าและไม่มี PI มากกว่าแบบใช้ PI การติดตามผลการวิเคราะห์ข้อมูลจากการทดลองที่ 2 เผยให้เห็นว่าการรบกวนเชิงรุกเท่านั้น (ในทางลบ) ส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องสำหรับชุดขนาด 6 และ 8 (BF10=5890 และ BF10=17.37 ตามลำดับ ) แต่ไม่มีผลเสียที่ชุดขนาด 2, 3 และ 4 (BF01=5.46, BF01=9.25 และ BF01=13.27 ตามลำดับ) การวิเคราะห์ติดตามผลของการทดลองที่ 3 เผยให้เห็นว่าการรบกวนเชิงรุกเท่านั้น (ในทางลบ) ส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องสำหรับขนาดชุดที่ 8 (BF10=20.14) แต่ไม่มีผลกระทบที่เป็นอันตรายที่ขนาดชุดที่ 2 (BF 01=13.44) และ 3 (BF01=20.61)

รูปที่ 6. ประสิทธิภาพของหน่วยความจำในทันทีในการทดลองที่ 2 แผง A แสดงความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในขนาดที่ตั้งไว้และภายใต้เงื่อนไขที่มีการรบกวนเชิงรุกที่รับรู้โดยกลุ่มเล็กๆ 12 รายการ [PI (12)] และไม่มี (noPI ). สำหรับขนาดที่ตั้งไว้ 30 ในเงื่อนไขการรบกวนเชิงรุก ประสิทธิภาพสำหรับสิ่งเร้าจากกลุ่มเพิ่มเติม 33 รายการ [PI(33)] จะแสดงด้วย แผง B, C และ D แสดงความน่าจะเป็นในการเลือกเหยื่อทดลองภายใน เหยื่อเก่า และเหยื่อใหม่ตามลำดับ แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ภายในเรื่อง

3.2.2. ประเภทข้อผิดพลาด

คำถามที่สองของเราคือว่าเอฟเฟกต์ขนาดที่ตั้งไว้นั้นเกิดจากการเลือกเหยื่อล่อแบบเดียวกันที่ผิดพลาดหรือไม่ สะท้อนผลกระทบเฉพาะในหน่วยความจำรวม และผลกระทบนี้ได้รับผลกระทบจากการรบกวนเชิงรุกอย่างไร ดังนั้นเราจึงใช้การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์เพื่อทำนายความน่าจะเป็นของข้อผิดพลาดใน 4-การทดสอบ AFC แยกกันสำหรับข้อผิดพลาดแต่ละประเภท (สิ่งล่อลวงการทดลองแบบเดียวกัน สิ่งล่อการบุกรุกแบบเก่า และแบบใหม่) ตามขนาดที่กำหนดและเงื่อนไขการรบกวนเชิงรุก . ความน่าจะเป็นในการเลือกล่อทดลองแบบเดียวกันเพิ่มขึ้นตามขนาดชุดในการทดลองที่ 2 และ 3 (BF10=6.96 x 107 และ BF10=5.06 × 1014) และไม่มีหลักฐานสำหรับ การโต้ตอบกับ PI (Exp. 2: BF10=0.67) หรือหลักฐานที่ต่อต้าน (Exp. 3: BF10=0.13) ในการทดลองที่ 2 มีหลักฐานที่ต่อต้านผลกระทบหลักของ PI (BF01=76.92) ในขณะที่ในการทดลองที่ 3 ซึ่งสัญญาณคงที่ในตัวผู้เข้าร่วม มีหลักฐานที่บ่งชี้ถึงผลกระทบหลักของ PI ต่อ ความน่าจะเป็นในการเลือกล่อทดลองแบบเดียวกัน (BF10=24.39) สำหรับความน่าจะเป็นในการเลือกเหยื่อล่อแบบเก่า มีหลักฐานสำหรับผลกระทบหลักทั้งสองอย่างในการทดลองทั้งสอง (ขนาดชุด: Exp. 2: BF10=2.34 × 106; Exp. 3: BF10=1.11 × 109 และ PI: ประสบการณ์ 2: BF10=45.96 และประสบการณ์ 3: BF10=5.54 × 105 ) หลักฐานการโต้ตอบไม่ชัดเจนใน Exp 2 (BF10=0.88) แต่น่าเชื่อถือใน Exp 3 (BF10=4.66) การวิเคราะห์ติดตามผลพบว่าการรบกวนเชิงรุกเพิ่มความน่าจะเป็นในการเลือกล่อทดลองแบบเก่าสำหรับขนาดชุดที่ 8 (BF10=5.41 × 106 ) แต่ไม่มีผลกระทบที่ขนาดชุดที่ 2 และขนาดชุดที่ 3 (BF{{ 53}}.79 และ BF01=5.73 ตามลำดับ) การวิเคราะห์ความน่าจะเป็นในการเลือกรายการใหม่แสดงให้เห็นว่าอาสาสมัครเลือกรายการใหม่บ่อยกว่าในกรณีที่ไม่มี PI (ผลกระทบหลัก BF10=48.19, BF10=2.44 × 10100) ไม่มีหลักฐานสำหรับผลกระทบของขนาดชุดใน Exp 2 (เอฟเฟกต์หลัก BF10=0.73) แต่มีหลักฐานที่น่าเชื่อถือใน Exp. 3 (BF10=7.12 × 1012)

3.2.3. ชุดใหญ่มาก

ประการที่สาม เราสนใจว่าผลกระทบของขนาดที่ตั้งไว้ในหน่วยความจำสำหรับการเชื่อมโยงจะแสดงที่โหลดหน่วยความจำที่เกินความจุของ WM อย่างไร ซึ่งก็คือที่ขนาดที่ตั้งไว้ 30 (ตัวอย่างที่ 2) และ 16 (ตัวอย่างที่ 3) และการรบกวนเชิงรุกส่งผลต่อสิ่งนี้อย่างไร ลวดลาย. ดังนั้นเราจึงใช้การถดถอยโลจิสติกแบบลำดับชั้นแบบเบย์เพื่อทำนายความน่าจะเป็นของการตอบสนองที่ถูกต้องสำหรับชุดขนาด 6 และ 8 เทียบกับชุดขนาด 30 (ตัวอย่างที่ 2) และสำหรับชุดขนาด 8 เทียบกับชุดขนาด 16 (ตัวอย่างที่ 3) การทดลองที่ 2 เรารวบรวมข้อมูลของขนาดชุดที่ 6 และ 8 เนื่องจากการวิเคราะห์ก่อนหน้านี้ได้เปิดเผยหลักฐานที่ต่อต้านความแตกต่างของประสิทธิภาพระหว่างชุดขนาดทั้งสองนี้ (BF01=9.18) ประสิทธิภาพของหน่วยความจำทันทีไม่แตกต่างกันระหว่างขนาดชุด 6, 8 (พูล) และ 30 (B01=132.95) น่าแปลกใจที่มีหลักฐานยืนยันผลกระทบของ PI ที่ขนาดเซ็ต 30 (BF01=9711) เหตุผลประการหนึ่งคือจำนวนรวมที่ใหญ่กว่าที่ใช้สำหรับขนาดชุดนี้: จากสิ่งเร้า 45 รายการจากการทดลองขนาดชุด 30 ตัวอย่าง 33 รายการถูกใช้สำหรับการทดลองขนาดชุด 30 เท่านั้น ดังนั้นจึงเกิดขึ้นน้อยมากแม้ในสภาวะ PI ดังนั้น ระดับโดยรวมของ PI นั้นค่อนข้างไม่เป็นพิษเป็นภัยสำหรับขนาดชุดนั้น ดังนั้นเราจึงทำการวิเคราะห์เปรียบเทียบประสิทธิภาพที่จำกัดต่อสิ่งเร้า 12 ชนิดที่รวมอยู่ในกลุ่มปิดของชุดขนาดเล็กกับประสิทธิภาพในกลุ่มเปิดที่ชุดขนาด 30 และพบหลักฐานที่ต่อต้านความแตกต่าง (BF{{30} }.08). การทดลองที่ 3 การวิเคราะห์พบว่าประสิทธิภาพของหน่วยความจำทันทีไม่แตกต่างกันระหว่างขนาดที่ตั้งไว้ 8 และ 16 (B01=2.69) มีหลักฐานเกี่ยวกับผลกระทบหลักของ PI (BF10=1026.91) แต่มีหลักฐานบ่งชี้ถึงการโต้ตอบ (BF01=40.38) นอกจากนี้ เราประเมินค่าประมาณของความจุ WM ตามจำนวนรายการที่จดจำในขนาดชุด (รูปที่ 5B และ C และรูปที่เสริม S 1 B และ C) สิ่งเหล่านี้เกินประมาณการทั่วไปของความจุ WM อย่างมาก – ประมาณ 4 รายการ – ถึงประมาณ 16 ที่ขนาดสูงสุดที่ตั้งไว้ การรบกวนเชิงรุกส่งผลต่อการประมาณค่า K ที่ขนาดชุดที่ใหญ่กว่าเท่านั้น แต่ไม่ส่งผลต่อขนาดชุดที่ 2 และ 3

รูปที่ 7. ประสิทธิภาพของหน่วยความจำในทันทีในการทดลองที่ 3 แผง A แสดงความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องตามขนาดที่กำหนดและภายใต้เงื่อนไขที่มีการรบกวนเชิงรุกที่รับรู้โดยกลุ่มรายการขนาดเล็ก (PI) และไม่มี (noPI) แผง B, C และ D แสดงความน่าจะเป็นในการเลือกเหยื่อทดลองภายใน เหยื่อเก่า และเหยื่อใหม่ตามลำดับ แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่นของหัวเรื่อง

ตารางที่ 2 รายละเอียดของแบบจำลองการถดถอยโลจิสติกแบบลำดับขั้นของการทดลองที่ 1–5

3.2.4. ระยะอินพุท-เอาท์พุต

สุดท้าย เราวิเคราะห์ผลของการรบกวนเชิงรุกต่อการเลือกการตอบสนองที่ถูกต้องตลอดระยะทางอินพุต-เอาต์พุตของคู่ที่ส่งล่วงหน้าที่ขนาดชุดที่ 6 และ 8 (ตัวอย่างที่ 2) และ 8 และ 16 (ตัวอย่างที่ 3) ซึ่งโดยรวมแล้วแสดงว่ามีความน่าเชื่อถือ ผลกระทบของ PI ดังที่เห็นในรูปที่ 8 และรูปที่ 9 การรบกวนแบบโปรแอคทีฟไม่ส่งผลกระทบต่อความน่าจะเป็นในการเลือกการตอบสนองที่ถูกต้องสำหรับระยะอินพุตและเอาต์พุตที่ 1 และ 2 ที่ขนาดชุดเหล่านี้ (ดูตารางที่ 3 สำหรับ BFs)

รูปที่ 8. ความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในการทดลองที่ 3 ภายใต้เงื่อนไขที่มีการแทรกสอดเชิงรุกและไม่มี ตลอดระยะอินพุต-เอาต์พุตและขนาดที่ตั้งไว้ แถบข้อผิดพลาดแสดงถึงช่วงความมั่นใจระหว่างหัวเรื่อง

3.3. การอภิปราย

ผลลัพธ์ของการทดลองที่ 2 และ 3 แสดงหลักฐานสำหรับการมีส่วนร่วมมากขึ้นของ LTM แบบเป็นตอนในขนาดชุดที่ใหญ่ขึ้น ซึ่งจะอธิบายผลกระทบของขนาดชุดที่ลดลงที่ขนาดชุดที่ใหญ่ขึ้นในการทดลองเหล่านี้ และในการทดลองที่ 1 โดยเฉพาะอย่างยิ่ง การรบกวนเชิงรุกเท่านั้นที่ส่งผลเสียต่อประสิทธิภาพที่ชุด ขนาด 6, 8 และ 16 แต่ไม่ใช่ขนาดชุดที่เล็กกว่า ผลกระทบนี้แสดงให้เห็นอย่างชัดเจนโดยหลักเป็นการเพิ่มขึ้นของการเลือกเหยื่อที่ผิดพลาดจากการทดลองก่อนหน้านี้ ตามที่คาดไว้จากการรบกวนเชิงรุกระหว่างการทดลอง: การรบกวนเชิงรุกเกิดจากความยากลำบากในการแยกแยะระหว่างการทดลองปัจจุบันที่เกี่ยวข้องและไม่มีข้อมูลที่เกี่ยวข้องอีกต่อไปจากการทดลองก่อนหน้า (การ์ดิเนอร์ เครก & Birtwistle, 1972) ในสภาวะที่ไม่มีการแทรกแซงเชิงรุก เอฟเฟ็กต์ขนาดชุดจะคงที่ที่ขนาดชุดที่ใหญ่ขึ้น (ระหว่าง 4 ถึง 30) ซึ่งจำลองแบบการทดลองที่ 1 ที่ราบสูงนี้อาจสะท้อนถึงระดับของประสิทธิภาพที่สามารถเข้าถึงได้โดยอาศัย LTM แบบเป็นตอนๆ เพียงอย่างเดียว เมื่อนำมารวมกัน ผลของการทดลองที่ 2 และ 3 สนับสนุนแนวคิดที่ว่าขนาดที่ตั้งไว้มีผลต่อหน่วยความจำสำหรับที่ราบสูงที่มีผลผูกพันเนื่องจากการมีส่วนร่วมของ LTM แบบเป็นตอนในขนาดชุดที่ใหญ่ขึ้น นอกจากนี้ ในกรณีพิเศษที่มีการเรียกข้อมูลหนึ่งหรือสองคู่สุดท้ายที่นำเสนอก่อน ผู้เข้าร่วมแสดงประสิทธิภาพที่ดีมาก ซึ่งไม่ได้รับผลกระทบจาก PI ในขนาดชุดที่ใหญ่กว่า (6, 8 และ 16) สิ่งนี้เข้ากันได้กับรายการเหล่านี้ที่ดึงมาจาก WM โดยไม่มีส่วนสนับสนุนจาก LTM แบบเป็นตอนไปสู่ประสิทธิภาพ ในขณะที่ระยะอินพุท-เอาท์พุต 1 การขาดสัญญาณรบกวนเชิงรุกอาจเป็นผลมาจากเอฟเฟกต์เพดาน สำหรับระยะทาง 2 นั้นไม่สามารถทำได้ โดยสรุป ดูเหมือนว่าขนาดชุดที่ใหญ่ขึ้นนั้นประสิทธิภาพส่วนใหญ่ขับเคลื่อนโดย LTM แบบเป็นตอนๆ สิ่งนี้เป็นจริงโดยเฉพาะอย่างยิ่งสำหรับคู่ที่เข้ารหัสก่อนเวลาหรือดึงข้อมูลช้า เนื่องจากการแทรกแซงจากเหตุการณ์ที่แทรกเข้ามาทำให้การแสดง WM เสียหายในระดับที่ทำให้ใช้งานไม่ได้จริง ดังนั้นการวาดภาพ LTM แบบเป็นตอนจึงเป็นสิ่งที่ดีที่สุดที่บุคคลสามารถทำได้

4. การทดลองที่ 4 และ 5

ตอนนี้เราได้แสดงการมีส่วนร่วมของ LTM ในขนาดชุดที่ใหญ่ขึ้นแล้ว เราตั้งเป้าที่จะวัดการมีส่วนร่วมของ WM ต่องานในขนาดชุด ประสิทธิภาพของ WM ได้รับการแสดงว่าบกพร่องโดยการประมวลผลของตัวรบกวนในระหว่างช่วงเวลาการเก็บรักษา (ดู Brown, 1958; Lewandowsky, Geiger, & Oberauer, 2008; Peterson & Peterson, 1959; และ Oberauer et al., 2018 Benchmark 2.1 สำหรับภาพรวม ). ดังนั้นในการทดลองที่ 4 และ 5 เราจึงทดสอบ WM สำหรับการรวมขนาดต่างๆ ที่ตั้งไว้ภายใต้เงื่อนไขที่ไม่มีการรบกวนหรือทำให้ไขว้เขวระหว่างการเข้ารหัสและการทดสอบ เป้าหมายคือเพื่อทดสอบการคาดคะเนว่าตัวรบกวนเติมการหน่วงเวลาทำให้ประสิทธิภาพลดลงโดยการเลือกที่ขนาดชุดเล็ก ซึ่งอาศัย WM เป็นหลัก

4.1. วิธี

4.1.1. ผู้เข้าร่วม เรารวบรวมข้อมูลจากผู้เข้าร่วม 30 คนสำหรับการทดลองที่ 4 (อายุเฉลี่ย=23.9, ผู้หญิง 27 คน) และผู้เข้าร่วม 30 คนสำหรับการทดลองที่ 5 (อายุเฉลี่ย=24.05, ผู้หญิง 13 คน)

4.1.2. วัสดุและขั้นตอน

กระบวนทัศน์นี้เป็นไปตามแนวคิดจากการทดลองที่ 1 นอกเหนือจากการรวมงานเบี่ยงเบนความสนใจ 15 วินาทีหลังจากนำเสนอคู่ในครึ่งหนึ่งของการทดลอง ในการทดลองที่เหลือ หน่วยความจำได้รับการทดสอบหลังจากช่วงเก็บข้อมูลที่ไม่ได้รับการตอบสนอง 1 วินาทีเช่นเดียวกับในการทดลองที่ 1 ในการทดลองที่ 4 พวกเขาต้องตัดสินด้วยการกดปุ่มว่าแถบแนวนอนพอดีกับช่องว่างระหว่างสองช่องหรือไม่ (Vergauwe, Barrouillet และ Camos , 2010) (ดูตัวอย่างการกระตุ้นเศรษฐกิจรูปที่ 10) ในการทดลองที่ 5 งานของผู้เบี่ยงเบนประกอบด้วยการตัดสินว่าสมการเลขคณิตถูกต้องหรือไม่ (เช่น 5 × 4=20?) ภายในช่วงเวลาการเก็บรักษา 15 วินาที จะต้องมีการตัดสิน 15 ครั้ง ส่งผลให้มีเวลานำเสนอ 1 วินาทีต่อผู้เบี่ยงเบนความสนใจ 4 การทดลองที่ 4 มีขนาดชุดที่ 2, 3, 8 และ 16 การทดลองที่ 5 มีขนาดชุดที่ 2, 3, 4 และ 6. การทดลองทั้งสองเกี่ยวข้องกับสองช่วงต่อหนึ่งชั่วโมงและประกอบด้วย 208 การทดลอง โดยมี 13 การทดลองต่อเงื่อนไขสำหรับแต่ละขนาดที่ตั้งไว้ ภายในแต่ละช่วงจาก 16 ช่วงของการทดลอง แต่ละชุดของขนาดที่กำหนดและสภาวะการเบี่ยงเบนความสนใจ (โดยมีสิ่งรบกวนเทียบกับไม่มีการรบกวน) เกิดขึ้นสองครั้ง ลำดับของเงื่อนไขถูกสุ่มในแต่ละบล็อก นอกเหนือจากการเปลี่ยนแปลงเหล่านี้ กระบวนทัศน์ยังดำเนินตามการเปลี่ยนแปลงจากการทดลองที่ 1

รูปที่ 9. ความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในการทดลองที่ 3 ภายใต้เงื่อนไขที่มีการรบกวนเชิงรุกและไม่มีระยะอินพุท-เอาท์พุตและขนาดที่ตั้งไว้ แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่นของหัวเรื่อง

ตารางที่ 3 ปัจจัยเบย์ของผลของการรบกวนเชิงรุกที่ระยะอินพุต-เอาต์พุตที่สั้นที่สุดของชุดขนาด 8 และ 16 การทดลองที่ 2 และ 3

รูปที่ 10. ตัวอย่างสิ่งเร้าของภารกิจเบี่ยงเบนความสนใจของการทดลองที่ 4

4.2. การวิเคราะห์ข้อมูล

เราวิเคราะห์การทดลองที่ 4 และ 5 ด้วย Bayesian hierarchical logistic regression ซึ่งคาดการณ์การตอบสนองที่ถูกต้องหรือไม่ถูกต้องใน 4-การทดสอบ AFC ตามขนาดและสิ่งที่ทำให้ไขว้เขว (ไม่มีสิ่งรบกวนเทียบกับสิ่งรบกวน) เรารวมการสกัดกั้นแบบสุ่มโดยผู้เข้าร่วมและความชันแบบสุ่มสำหรับขนาดที่กำหนดรวมถึงการเบี่ยงเบนความสนใจ นอกจากนี้ เรายังประเมินความสัมพันธ์ระหว่างพารามิเตอร์เอฟเฟกต์แบบสุ่ม เอฟเฟ็กต์คงที่คือความเบี่ยงเบนและขนาดชุด และส่วนหลังรวมเป็นตัวทำนายที่ราบสูงอย่างต่อเนื่องที่ชุดขนาด 4 และใหญ่กว่า (เช่น Exp 4: 8 และ 16; Exp 5: 4 และ 6) ตามที่ได้กำหนดไว้ในการทดลองที่ 1 (เช่น การเข้ารหัส III ในตารางที่ 1)

4.3. ผลลัพธ์

รูปที่ 12 และรูปที่ 11 แสดงค่าเฉลี่ยความน่าจะเป็นของการเลือกตัวเลือกการตอบสนองแต่ละตัวเลือกจากสี่ตัวเลือกในขนาดที่ตั้งไว้สำหรับเงื่อนไขของการเบี่ยงเบนความสนใจและไม่มีการเบี่ยงเบนความสนใจ ในการทดลองที่ 4 และ 5 ตามลำดับ ผู้อ่านที่สนใจยังสามารถค้นหาสัดส่วนเฉลี่ยของคำตอบที่ถูกต้องโดยแบ่งตามประเภทคิว ตำแหน่งอนุกรม ตลอดจนตำแหน่งเอาต์พุตในส่วนเสริม (รูปที่ S2D และ E, รูปที่ S 3D และ E, รูปที่ S 4D และ E) . ตารางที่ 2 แสดงรายการสูตร ความสัมพันธ์ภายในคลาส และจำนวนการสังเกตของแบบจำลองการถดถอยโลจิสติกแบบลำดับชั้นแบบเต็ม

4.3.1. ความแม่นยำ

คำถามแรกของเราคือประสิทธิภาพของหน่วยความจำที่ส่งผลต่อความฟุ้งซ่านแตกต่างกันตามขนาดที่ตั้งไว้หรือไม่ การเปรียบเทียบแบบจำลองเผยให้เห็นหลักฐานของการทำงานร่วมกันระหว่างขนาดชุดและความฟุ้งซ่านในการทดลองที่ 4 และ 5 (BF01=8.73 × 108 และ BF01=1.38 × 104 ตามลำดับ) รวมทั้งหลักฐานสำหรับ ผลกระทบหลักของขนาดที่กำหนด (BF10=3.92 × 1011 และ BF10=1.52 × 108 ) แต่มีหลักฐานบ่งชี้ถึงผลกระทบหลักของการเบี่ยงเบนความสนใจ (BF01=15.33 และ BF{ {17}}.94). การวิเคราะห์ติดตามผลของการทดลองที่ 4 เผยให้เห็นว่าการเบี่ยงเบนความสนใจเท่านั้น (ในทางลบ) ส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องสำหรับขนาดชุดที่ 2 (BF10=7138) แต่ไม่มีผลเสียต่อขนาดชุดที่ 3 และ (รวมกัน) 8 และ 16 (BF01=4.73, BF01=51.68 ตามลำดับ) การวิเคราะห์ติดตามผลของการทดลองที่ 5 เผยให้เห็นว่าการเบี่ยงเบนความสนใจเท่านั้น (ในทางลบ) ส่งผลต่อความน่าจะเป็นในการเลือกตัวเลือกที่ถูกต้องสำหรับขนาดชุดที่ 2 (BF10=12.00) แต่ไม่มีผลเสียต่อ กำหนดขนาด 3 และ (รวมกัน) 4 และ 6 (BF10=18.52, BF10=5.18) นอกจากนี้ ค่าประมาณความจุ WM K ในการทดลองที่ 4 และ 5 ได้รับผลกระทบทางลบจาก RI ที่เต็มไปด้วยตัวรบกวนที่ขนาดชุดที่ 2 เท่านั้น (ดูรูปที่ 5D และ E)

4.3.2. ประเภทข้อผิดพลาด

คำถามที่สองของเราคือว่าเอฟเฟกต์ขนาดที่ตั้งไว้เกิดจากการเลือกล่อทดลองแบบเดียวกันอย่างผิดพลาดตามที่คาดการณ์ไว้จากสมมติฐานที่มีผลผูกพันหรือไม่ และมีการโต้ตอบกับงานที่ทำให้เสียสมาธิหรือไม่ ทั้งในการทดลองที่ 4 และ 5 ความน่าจะเป็นในการเลือกเหยื่อทดลองแบบเดียวกันคือข้อผิดพลาดประเภทเดียวที่แสดงปฏิสัมพันธ์ระหว่างสิ่งที่ทำให้ไขว้เขวกับขนาดชุด (BF10=1.63 × 107 และ BF10=3{{ 8}} × 106 ) การวิเคราะห์ติดตามผลพบว่าเฉพาะขนาดชุดที่ 2 เท่านั้นที่มีผลของการเบี่ยงเบนความสนใจต่อความน่าจะเป็นของการเลือกเหยื่อล่อแบบเดียวกัน (BF10=879.52 และ BF10=1452) ในขณะที่มีหลักฐานยืนยันว่า ผลกระทบนี้ที่ขนาดชุดใหญ่ 3 (BF01=9.38 และ BF01=333.33) และ (รวม) 8 และ 16 (BF01=49.24, Exp 4) ในการทดลองที่ 5 มีหลักฐานบ่งชี้ถึงประสิทธิภาพที่ดีขึ้นเมื่อมีงานรบกวนที่ชุด (รวม) ขนาด 4 และ 6 (BF10=256) สำหรับข้อผิดพลาดทั้งสามประเภท มีหลักฐานสำหรับผลกระทบหลักของขนาดที่ตั้งไว้ในการทดลองทั้งสอง (ดูตารางที่ 4 สำหรับ BFs) นอกจากนี้ ยังมีหลักฐานที่ต่อต้านผลกระทบหลักของการเบี่ยงเบนความสนใจของเหยื่อทดลองแบบเดียวกันและเหยื่อใหม่ และหลักฐานเชิงประวัติสำหรับผลกระทบของการเบี่ยงเบนความสนใจในกรณีของการบุกรุกของการทดลองแบบเก่า

ผงสกัด Cistanche

คลิกที่นี่เพื่อดูผลิตภัณฑ์ Cistanche Improve Memory

【สอบถามเพิ่มเติม】 อีเมล:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692

4.3.3. ระยะอินพุท-เอาท์พุต

สุดท้ายนี้ เราสนใจว่างานตัวรบกวนส่งผลต่อประสิทธิภาพการทำงานตลอดระยะทางอินพุต-เอาต์พุตในทุกขนาดที่ตั้งไว้อย่างไร โดยเฉพาะอย่างยิ่ง ผลของการทดลองก่อนหน้านี้ชี้ให้เห็นว่า 1 หรือ 2 คู่สุดท้าย เมื่อทำการทดสอบก่อนกำหนด จะได้รับข้อมูลจาก WM โดยไม่คำนึงถึงขนาดที่ตั้งไว้ หากเป็นกรณีนี้ งานเบี่ยงเบนความสนใจควรเลือกลดประสิทธิภาพลงที่ระยะอินพุต-เอาท์พุตที่สั้น แม้สำหรับขนาดชุดที่ใหญ่กว่าก็ตาม ดังที่แสดงในรูปที่ 13 และรูปที่ 14 งานเบี่ยงเบนความสนใจส่งผลต่อความน่าจะเป็นในการเลือกการตอบสนองที่ถูกต้องสำหรับระยะอินพุต-เอาต์พุตขนาดเล็ก (1 และบางครั้ง 2) ที่ขนาดเซ็ต 2 และบางครั้ง 3 แต่ไม่ใช่ที่ขนาดเซ็ต 4 6, 8 และ 16 (ดูตาราง 5 และตาราง 6 สำหรับ BFs) สิ่งนี้ชี้ให้เห็นว่าในการทดลองปัจจุบัน ที่ขนาดชุดที่ใหญ่ขึ้น แม้แต่คู่ที่มีระยะห่างอินพุต-เอาต์พุตน้อยที่สุด ก็มักจะดึงข้อมูลจาก LTM เป็นตอนๆ มากกว่า WM

รูปที่ 11. ประสิทธิภาพของหน่วยความจำในทันทีในการทดลองที่ 5 แผง A แสดงความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในขนาดที่กำหนด แผง B, C และ D แสดงความน่าจะเป็นในการเลือกเหยื่อทดลองภายใน เหยื่อเก่า และเหยื่อใหม่ตามลำดับ เส้นสีเทาแสดงถึงเงื่อนไขที่มีงานเบี่ยงเบนความสนใจหลังจากการเข้ารหัส แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่นของหัวเรื่อง

รูปที่ 12. ประสิทธิภาพของหน่วยความจำทันทีในการทดลองที่ 4 แผง A แสดงความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในขนาดที่กำหนด แผง B, C และ D แสดงความน่าจะเป็นในการเลือกเหยื่อทดลองภายใน เหยื่อเก่า และเหยื่อใหม่ตามลำดับ เส้นสีเทาแสดงถึงเงื่อนไขที่มีงานเบี่ยงเบนความสนใจหลังจากการเข้ารหัส แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่นภายในหัวเรื่อง

4.4. การอภิปราย

การอนุญาตให้เข้ารหัสคู่คำ-ภาพแบบเลือกจะบั่นทอนประสิทธิภาพสำหรับชุดขนาด 2 แต่ไม่มีผลเสียต่อขนาดชุดที่ใหญ่ขึ้น สิ่งนี้บ่งชี้ว่า WM มีส่วนช่วยอย่างมากต่อประสิทธิภาพที่ขนาดชุดที่เล็กที่สุด (และในระดับหนึ่ง ยังคงอยู่ที่ขนาดชุดที่ 3 ในประสบการณ์ที่ 4) แต่ในขนาดชุดที่ใหญ่ขึ้น ประสิทธิภาพนั้นถูกขับเคลื่อนโดย LTM เป็นส่วนใหญ่หรือโดยเฉพาะ ดังนั้นมันจึง ค่อนข้างไม่ได้รับผลกระทบจากการประมวลผลตัวเบี่ยงเบนความสนใจในระหว่างช่วงการเก็บรักษา เมื่อรวมกับการทดลองที่ 2 และ 3 ซึ่งการแทรกสอดแบบเชิงรุกส่งผลเสียต่อประสิทธิภาพที่ชุดขนาดใหญ่กว่า ผลลัพธ์ของการทดลองที่ 4 และ 5 ถือเป็นการแยกส่วนสองครั้งของการมีส่วนร่วมของ WM และ LTM ในขนาดชุดของคู่คำ ภายใต้สถานการณ์ส่วนใหญ่ ความแตกแยกสองครั้งเป็นหลักฐานที่น่าสนใจสำหรับความแตกต่างของกลไกหรือกระบวนการสองอย่าง แต่มีเงื่อนไขที่ข้อสรุปนั้นไม่ถูกต้อง การวิเคราะห์การติดตามสถานะเป็นรากฐานที่มั่นคงมากขึ้นสำหรับการประเมินหลักฐานสำหรับความแตกต่าง (ดูบทนำของ Newell & Dunn, 2008) เหตุผลมีดังต่อไปนี้: เราต้องการตัวแปรตามสองตัวที่วัดกลไกหรือกระบวนการสมมุติทั้งสองตามลำดับ ในกรณีของเรา เราถือว่าประสิทธิภาพของหน่วยความจำที่ขนาดชุดเล็กสะท้อนถึง WM เป็นส่วนใหญ่ ในขณะที่ประสิทธิภาพที่ขนาดชุดที่ใหญ่กว่าจะสะท้อนถึง LTM เป็นตอนๆ นอกจากนี้ เราต้องการตัวแปรอิสระสองตัวที่เราประเมินผลของมันต่อตัวแปรตามทั้งสองตัว นี่คือการจัดการ PI และช่วงเวลาการเก็บรักษาที่เต็มไปด้วยสิ่งที่ทำให้ไขว้เขว การติดตามสถานะแสดงถึงความสัมพันธ์ของตัวแปรตามสองตัวในทุกเงื่อนไขการทดลอง ในกรณีปัจจุบัน เราวางแผนประสิทธิภาพที่ขนาดชุดเล็กบนแกน x และประสิทธิภาพที่ขนาดชุดใหญ่ในเงื่อนไขที่สอดคล้องกันบนแกน y (ดูรูปที่ 15) เราพิจารณาสองสถานการณ์ทางทฤษฎีทางเลือก ในสถานการณ์ 1-มิติ มีเพียงมิติแฝงเดียวของความแรงของหน่วยความจำ หรือความสามารถในการเข้าถึงหน่วยความจำ ที่กำหนดประสิทธิภาพสำหรับขนาดที่ตั้งไว้ทั้งหมด มิตินี้ได้รับผลกระทบมากหรือน้อยโดยตัวแปรอิสระสองตัว มิติแฝงถูกแปลเป็นประสิทธิภาพโดยฟังก์ชันที่ไม่รู้จัก แต่เพิ่มขึ้นอย่างซ้ำซากจำเจ หากเป็นกรณีนี้ จุดทั้งหมดในการติดตามสถานะควรอยู่บนฟังก์ชันที่เพิ่มขึ้นแบบโมโนโทนเดียว ในสถานการณ์จำลองสองมิติทางเลือก มีสองมิติของหน่วยความจำแฝง หนึ่งสำหรับ WM – ส่งผลต่อประสิทธิภาพอย่างเด่นชัดที่ขนาดชุดเล็ก – และอีกหนึ่งสำหรับ LTM แบบเป็นตอน – ส่งผลต่อประสิทธิภาพเป็นหลักที่ขนาดชุดใหญ่ ตัวแปรอิสระหนึ่งตัวอาจส่งผลต่อมิติหนึ่ง และตัวแปรอิสระอีกตัวหนึ่งส่งผลต่ออีกมิติหนึ่ง ด้วยเหตุนี้ จุดข้อมูลในการติดตามสถานะจึงไม่จำเป็นต้องอยู่ในฟังก์ชันโมโนโทนิกเดียว การติดตามสถานะในรูปที่ 15 สนับสนุนสถานการณ์เชิงมิติ 2-อย่างชัดเจน

5. การอภิปรายทั่วไป

ผลลัพธ์ปัจจุบันมีส่วนสนับสนุนสองประการในการทำความเข้าใจเกี่ยวกับหน่วยความจำในการทำงาน: ประการแรก เราได้จัดเตรียมการทดสอบใหม่เกี่ยวกับสมมติฐานที่มีผลผูกพันของความจุ WM โดยการทดสอบความสามารถของผู้คนในการรักษาการเชื่อมโยงระหว่างรายการต่างๆ จากการทดลองทั้ง 5 ครั้ง เราพบว่าความจุของ WM นั้นถูกจำกัดอย่างเด่นชัด แม้ว่าอาจจะไม่เฉพาะเจาะจงก็ตาม โดยจำนวนการเชื่อมโยงระหว่างรายการต่างๆ ประการที่สอง เราแสดงให้เห็นการแยกส่วนสองครั้งของการมีส่วนร่วมของ WM และ LTM แบบเป็นตอนเพื่อประสิทธิภาพในงานหน่วยความจำทันทีนี้: ประสิทธิภาพที่ชุดขนาดที่ใหญ่กว่า 3 ได้รับผลกระทบโดยเฉพาะจากการรบกวนเชิงรุก – แต่ไม่สามารถต้านทานอิทธิพลจากความล่าช้าที่เต็มไปด้วยสิ่งรบกวน ในทางตรงกันข้าม ประสิทธิภาพที่ชุดขนาด 2 ไม่ได้รับผลกระทบจากสัญญาณรบกวนเชิงรุก แต่ได้รับความเสียหายจากความล่าช้าที่เต็มไปด้วยตัวรบกวน

รูปที่ 13. ความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในการทดลองที่ 4 ภายใต้เงื่อนไขที่มีและไม่มีงานรบกวนระหว่างระยะอินพุตและเอาต์พุตและขนาดที่ตั้งไว้ แถบข้อผิดพลาดแสดงถึงช่วงความมั่นใจระหว่างหัวเรื่อง

5.1. ขีดจำกัดความจุ WM ในการรวมระหว่างรายการ

เป้าหมายแรกของเราคือการทดสอบสมมติฐานการโยงด้วยการทดสอบ WM ใหม่ ซึ่งแยกความแตกต่างของจำนวนการโยงจากลักษณะเฉพาะของสัญญาณดึงข้อมูลซึ่งสิ่งเร้าถูกผูกไว้ ด้วยวิธีนี้ ผลกระทบของขนาดที่ตั้งไว้ต่อประสิทธิภาพสามารถระบุได้อย่างชัดเจนว่าเกิดจากขีดจำกัดความจุของ WM สมมติฐานการเชื่อมโยงทำนายว่าเมื่อเพิ่มขนาดชุด หน่วยความจำสำหรับการผูกควรลดลง ในขณะที่หน่วยความจำสำหรับรายการไม่ควรเสียหายเป็นส่วนใหญ่ (Oberauer, 2019) ในการทดลองที่ 1 และ 2 เราให้การสนับสนุนการคาดคะเนนี้ด้วยงาน WM ใหม่ ซึ่งความโดดเด่นของคิวดึงข้อมูล - คำหรือรูปภาพ - ไม่ขึ้นกับขนาดที่ตั้งไว้ เราแสดงให้เห็นว่าเอฟเฟ็กต์ขนาดที่ตั้งไว้นั้นเกิดจากหน่วยความจำที่ลดลงสำหรับการผูก ซึ่งแสดงให้เห็นอย่างชัดเจนในความน่าจะเป็นที่เพิ่มขึ้นในการเลือกเหยื่อทดลองแบบเดียวกันแต่ไม่ใช่ตัวเลือกที่เหลือ ในทางตรงกันข้าม หน่วยความจำรายการ - สะท้อนให้เห็นในความสามารถในการปฏิเสธเหยื่อใหม่ - ไม่ได้รับผลกระทบจากขนาดที่ตั้งไว้ การทดลองที่ 3, 4 และ 5 ทำซ้ำการค้นพบว่าข้อผิดพลาดส่วนใหญ่ที่เกิดขึ้นในขนาดชุดที่ใหญ่กว่าคือข้อผิดพลาดในการรวม นั่นคือข้อผิดพลาดของการเลือกรายการจากการทดลองปัจจุบัน แต่เป็นของคู่อื่นที่ไม่ใช่การทดสอบ อย่างไรก็ตาม ในการทดลองเหล่านี้ยังมีหลักฐานถึงผลกระทบของขนาดที่ตั้งไว้กับข้อผิดพลาดอีกสองประเภท ได้แก่ การเลือกรายการเก่าและรายการใหม่ รูปร่างของเอฟเฟ็กต์ขนาดชุดเหล่านี้แตกต่างจากเหยื่อทดลองภายใน: ในขณะที่ความชุกของเอฟเฟกต์ขนาดชุดหลังเพิ่มขึ้นอย่างมากจากขนาดชุดที่ 2 ถึง 4 และช้าลงในภายหลัง สัดส่วนของเหยื่อเก่าและใหม่เพิ่มขึ้นในลักษณะเชิงเส้นตื้นโดยประมาณ ด้วยขนาดชุด. การเพิ่มขึ้นทีละน้อยนี้ทำให้นึกถึงผลกระทบของความยาวรายการที่ค่อนข้างตื้นซึ่งสังเกตได้จากการทดสอบการจดจำรายการของ LTM แบบเป็นตอนๆ (Annis, Lenes, Westfall, Criss, & Malmberg, 2015; Osth & Dennis, 2015, สำหรับการทบทวนและคำอธิบายที่เป็นไปได้ของผลกระทบนั้น) . ยิ่งไปกว่านั้น การเพิ่มขึ้นของเหยื่อทดลองแบบเก่าที่มีขนาดชุดถูกมอดูเลตโดย PI ซึ่งบ่งชี้ว่าเกิดจากข้อเท็จจริงที่ว่า ในขนาดชุดที่ใหญ่ขึ้น คู่ส่วนใหญ่จะดึงมาจาก LTM แบบเป็นตอนๆ อย่างไรก็ตาม เราไม่สามารถแยกแยะได้ว่าความจุของ WM ยังมีบทบาทในการจำกัดหน่วยความจำของรายการที่ขนาดชุดที่สูงขึ้นในการทดลองที่ 3 และ 4 (ดูที่ Cowan, 2022) เราสรุปได้ว่าขีดจำกัดความจุของ WM เป็นหลัก แต่อาจไม่ใช่เฉพาะ ขีดจำกัดความสามารถในการรักษาการเชื่อมโยง

5.2. การมีส่วนร่วมของ LTM ในการทดสอบของ WM

จากการค้นพบที่คาดไม่ถึงว่าผลเสียของขนาดชุดใน WM ช้าลงหลังจาก 4 คู่ – โดยผู้เข้าร่วมดำเนินการเปรียบเทียบกันในงานหน่วยความจำทันทีในขนาดชุด 4, 6 และ 8 – เราตรวจสอบส่วนต่างของ LTM กับงาน WM เชิงสัมพันธ์ของเรา . ผลลัพธ์ในการทดลองที่ 2–5 แสดงให้เห็นว่าการจัดการของเราที่กำหนดเป้าหมาย WM (ช่วงเวลาการเก็บรักษาที่เต็มไปด้วยผู้รบกวน ประสบการณ์ที่ 4 และ 5) หรือ LTM (PI ประสบการณ์ที่ 2 และ 3) ยังส่งผลต่อประเภทของข้อผิดพลาดที่แตกต่างกัน: โดยเฉพาะใน การทดลองที่ 4 และ 5 รวมถึงช่วงกักกันที่เต็มไปด้วยสิ่งที่ทำให้ไขว้เขวเพิ่มความน่าจะเป็นในการเลือกเหยื่อล่อแบบเดียวกันที่ชุดขนาดเล็ก 2 – แต่ไม่ใช่ชุดขนาดใหญ่ นี่คือสิ่งที่เราควรคาดหวังหาก WM มีหน้าที่รับผิดชอบเป็นพิเศษในการดูแลการเชื่อมโยงที่ชุดขนาดเล็ก และงานเบี่ยงเบนความสนใจทำให้ WM บกพร่อง ในการทดลองที่ 2 และ 3 ซึ่งจัดการปริมาณของ PI และด้วยเหตุนี้ประโยชน์ของ LTM แบบเป็นตอน PI ทำให้เกิดข้อผิดพลาดเพิ่มขึ้นตามความแตกต่างในการเลือกเหยื่อทดลองแบบเก่าที่ขนาดชุดที่ใหญ่ขึ้น คาดว่าจะเป็นเช่นนี้เนื่องจาก PI จะลดความแตกต่างระหว่างการทดลองใน LTM เป็นตอนๆ ทำให้ยากต่อการระบุว่ามีการนำเสนอสิ่งกระตุ้นในการทดลองปัจจุบันหรือการทดลองก่อนหน้า การวิเคราะห์เชิงสำรวจเพิ่มเติมเผยให้เห็นว่าประสิทธิภาพนั้นไม่มีผลกับ PI แม้ในขนาดชุดที่ใหญ่ขึ้น เมื่อมีเหตุการณ์การเข้ารหัสหรือดึงข้อมูลน้อยมากที่แทรกแซงระหว่างการนำเสนอคู่และการทดสอบ สิ่งนี้ชี้ให้เห็นว่าคู่ที่นำเสนอล่าสุดได้รับการบำรุงรักษาใน WM และสามารถเข้าถึงได้จาก WM ตราบใดที่คู่ดังกล่าวไม่ได้เสียหายจากการรบกวนเอาต์พุต อย่างไรก็ตาม เราไม่พบว่าคู่เหล่านี้มีความเสี่ยงต่องานที่ทำให้เสียสมาธิในการทดลองที่ 4 และ 5 ดังนั้นข้อสรุปของเราเกี่ยวกับคู่ใดที่ได้รับการบำรุงรักษาเป็นพิเศษใน WM ที่ขนาดชุดที่ใหญ่กว่านั้นยังคงไม่แน่นอน WM และ LTM แบบเป็นตอนทำงานร่วมกันอย่างไร จากผลลัพธ์ปัจจุบัน เราจินตนาการถึงความร่วมมือของพวกเขาดังต่อไปนี้: แต่ละคู่ที่ต่อเนื่องกันส่งผลให้เกิดการเปิดใช้งานการแสดงองค์ประกอบของมัน (เช่น แนวคิดที่สอดคล้องกับคำและวัตถุ) ในหน่วยความจำความหมาย ความสัมพันธ์ระหว่างพวกเขาถูกเข้ารหัสใน WM ผ่านการรวมชั่วคราว นอกจากนี้ การติดตามความทรงจำที่เป็นเหตุการณ์จะถูกสร้างขึ้นเพื่อแสดงถึงองค์ประกอบและความสัมพันธ์ขององค์ประกอบเหล่านั้นเป็นเหตุการณ์แบบบูรณาการ (ดู Cowan, 2019; Cowan & Chen, 2008) ซึ่งหมายความว่า แม้ในรายการสั้นจะแสดงพร้อมกันทั้งใน LTM และ WM เมื่อแสดงคู่ที่ต่อเนื่องกัน การรบกวนระหว่างการเชื่อมโยงใน WM จะเพิ่มขึ้น หากเราคิดว่าสัญญาณรบกวนมีผลย้อนหลังเป็นส่วนใหญ่ สิ่งนี้จะนำไปสู่การสูญเสียการเข้าถึงคู่ก่อนหน้าใน WM อย่างค่อยเป็นค่อยไป อีกทางหนึ่ง การรบกวนอาจเป็นแบบสมมาตร แต่คู่ที่นำเสนอก่อนหน้านี้จะถูกลบออกจาก WM เพื่อป้องกันไม่ให้รบกวนคู่ที่นำเสนอในภายหลัง ไม่ว่าจะด้วยวิธีใด การโยงคู่ที่แสดงล่าสุดจะสามารถเข้าถึงได้มากที่สุดใน WM เมื่อเริ่มการทดสอบ เมื่อคู่ถูกทดสอบ องค์ประกอบที่กำหนดจะถูกใช้เป็นตัวชี้นำเพื่อเข้าถึงคู่ของมันผ่านการรวมใน WM หากล้มเหลว จะมีการพยายามเรียกคู่ทดสอบจากหน่วยความจำที่เป็นเหตุการณ์ ความพยายามในการดึงข้อมูลทั้งสองครั้งดึงข้อมูลเพิ่มเติมจากการเปิดใช้งานการแทนค่าในหน่วยความจำความหมาย: การเปิดใช้งานซ้ำของคำหรือวัตถุผ่านการดึงตามคิว – จาก WM หรือ LTM แบบเป็นตอน – ถูกรวมเข้ากับการเปิดใช้งานอย่างต่อเนื่องในหน่วยความจำความหมาย ในขณะที่ส่วนแรกให้ข้อมูลเกี่ยวกับความสัมพันธ์ระหว่างรายการ ส่วนส่วนหลังให้ข้อมูลเกี่ยวกับรายการ ช่วยแยกคำหรือวัตถุใหม่ออกจากตัวเลือกการตอบสนอง และในเงื่อนไข PI ต่ำ ยังช่วยแยกรายการจากการทดลองก่อนหน้านี้ อย่างไรก็ตาม ในสภาวะ PI สูง คำและออบเจ็กต์ทั้งหมดในพูลขนาดเล็กจะถูกเปิดใช้งานอย่างเรื้อรังในหน่วยความจำความหมาย ดังนั้น การเปิดใช้งานรายการจึงมีข้อมูลเพียงเล็กน้อย การเลือกปฏิบัติระหว่างการทดลองในปัจจุบันและก่อนหน้านี้ต้องอาศัยการเรียกข้อมูลตามคิว โดยใช้การเชื่อมโยงใน WM หรือการแทนหน่วยความจำเป็นเหตุการณ์ ในขอบเขตที่ต้องพึ่งพา WM เราควรคาดหวังว่าการบุกรุกจากรายการเก่าจะเพิ่มขึ้นตามขนาดที่ตั้งไว้ เนื่องจากเราพบว่าเป็นกรณีในเงื่อนไข PI สูง ตามที่กล่าวไว้ในบทนำ การมีส่วนร่วมของ LTM แบบเป็นตอนต่อประสิทธิภาพในงาน WM ได้รับการกล่าวถึงมาระยะหนึ่งแล้ว อย่างไรก็ตาม ข้อสันนิษฐานของการสนับสนุนดังกล่าวทำให้เรามีปริศนา: Episodic LTM ไม่ถูกจำกัดด้วยขีดจำกัดความจุ – แล้วเหตุใดประสิทธิภาพในการทดสอบ WM จึงถูกจำกัดอย่างมาก โดยเฉพาะอย่างยิ่ง เหตุใดความสามารถของผู้คนในการจดจำข้อมูลในการทดสอบ WM จึงสมบูรณ์แบบอย่างแท้จริงที่ขนาดที่ตั้งไว้สูงสุดประมาณ 2 หรือ 3 และจากนั้นจะพังลงอย่างรวดเร็วเมื่อขนาดที่ตั้งไว้เพิ่มขึ้นอีก ดังแสดงในรูปที่ 1 ส่วนหนึ่งของคำตอบน่าจะเป็นว่างาน WM ทั่วไปเกี่ยวข้องกับระดับการแทรกแซงเชิงรุกระหว่างการทดลองในระดับสูง: ในการทดลองการเรียกคืนแบบอนุกรม หน่วยความจำสำหรับคำสั่งซื้อจะได้รับการดูแลโดยการผูกรายการแต่ละรายการกับการแสดงตำแหน่งของรายการเพื่อให้ตำแหน่งสามารถ ใช้เป็นคิวเรียกสำหรับรายการที่เรียกคืน (Lewandowsky & Farrell, 2008) ในการทดลองต่างๆ การแสดงตำแหน่งเดียวกันทำหน้าที่เป็นสัญญาณเรียกข้อมูล (Fischer-baum & McCloskey, 2015) เพื่อให้การรบกวนเชิงรุกก่อตัวขึ้นในหน่วยความจำที่เป็นเหตุการณ์: แต่ละตำแหน่งจะเชื่อมโยงกับรายการมากขึ้นเรื่อยๆ – หนึ่งรายการจากการทดลองก่อนหน้านี้ทุกครั้ง – ที่แข่งขันกันเพื่อ การดึงข้อมูลด้วยรายการเป้าหมายจากการทดลองปัจจุบัน ในทำนองเดียวกัน ในงานส่วนใหญ่สำหรับการตรวจสอบ Visual WM สิ่งเร้าจะแสดงเป็นอาร์เรย์ที่กระจายตามพื้นที่ และในการทดสอบ สิ่งเร้าเป้าหมายจะถูกระบุโดยตำแหน่งของมัน สถานที่เดียวกันหรือคล้ายกันมากจะถูกใช้ซ้ำในการทดลอง เพื่อให้สถานที่เป็นตัวชี้นำในการดึงข้อมูลมีความเชื่อมโยงกับสิ่งเร้าที่แตกต่างกันมากขึ้นเรื่อยๆ ใน LTM แบบเป็นตอนๆ ในทางตรงกันข้าม WM หลีกเลี่ยงการแทรกแซงในเชิงรุกระหว่างการทดลอง เนื่องจาก WM จะถูกล้างหลังจากการทดลองทุกครั้ง และเนื้อหาของ WM จะได้รับการปกป้องจากการรบกวนจาก LTM (Oberauer, 2009b; Oberauer et al., 2017) ดังนั้น ในการตั้งค่าที่มี PI สูงในการทดลองต่างๆ การมีส่วนร่วมของ LTM เป็นตอนๆ มีแนวโน้มที่จะเจียมเนื้อเจียมตัว และประสิทธิภาพจะถูกจำกัดอย่างมากด้วยความจุของ WM ซึ่งนำไปสู่การลดลงอย่างรวดเร็วพร้อมกับขนาดชุดที่เพิ่มขึ้น ในทางตรงกันข้าม เมื่อ PI ลดลงมาก ผู้คนสามารถพึ่งพา LTM แบบเป็นตอนเพื่อหลีกเลี่ยงขีดจำกัดความจุของ WM การวิจัยก่อนหน้านี้ได้แสดงให้เห็นแล้วสำหรับการทดสอบหน่วยความจำรายการทันที (Endress & Potter, 2014) ผลงานใหม่ของงานปัจจุบันคือการแสดงปรากฏการณ์นี้สำหรับหน่วยความจำเชิงสัมพันธ์ด้วย: ในสภาวะที่ปราศจากการแทรกแซงเชิงรุก ผู้คนสามารถจดจำ 20 – และอาจมากกว่านั้น – การนำเสนอคู่ของสิ่งเร้าตามอำเภอใจได้อย่างรวดเร็ว การแทรกแซงเชิงรุกบั่นทอนความสามารถนั้น ซึ่งแสดงว่าต้องอาศัย LTM แบบเป็นตอนๆ ข้อบ่งชี้เพิ่มเติมเกี่ยวกับการมีส่วนร่วมที่แข็งแกร่งของ LTM ต่องาน WM คือขนาดชุดที่ใหญ่ขึ้น ประเภทของข้อผิดพลาดเปลี่ยนจากการบุกรุกแบบทดลองเดียวกันเป็นการบุกรุกแบบรายการเก่า อย่างไรก็ตาม PI เพียงอย่างเดียวไม่สามารถอธิบายได้อย่างสมบูรณ์ว่าทำไมงานปัจจุบันจึงเปิดเผยข้อจำกัดที่รุนแรงน้อยกว่าในหน่วยความจำทันทีมากกว่างาน WM ทั่วไป แม้ในสภาวะที่มี PI สูง เอฟเฟ็กต์ขนาดชุดที่เกินสี่คู่ก็ยังค่อนข้างตื้น และความจุที่ประเมินจากขนาดชุดสูงสุด โดยเฉพาะในการทดลองที่ 2 ก็สูงผิดปกติ เราสงสัยว่าอาจเป็นเพราะเราใช้ตัวชี้นำการดึงข้อมูลที่ค่อนข้างแยกแยะได้ ท้ายที่สุดแล้ว พวกมันมีการแสดงในพื้นที่เชิงความหมายเชิงมิติสูง (และในกรณีของรูปภาพ ยังมองเห็นได้ด้วย) ในทางตรงกันข้าม การดึงข้อมูลของงาน WM ทั่วไป – ในกรณีส่วนใหญ่ ตำแหน่งรายการลำดับหรือตำแหน่งเชิงพื้นที่ในอาร์เรย์ – จะแยกแยะได้น้อยกว่า เนื่องจากพวกมันอยู่ในช่องว่างหนึ่งหรือสองมิติ ซึ่งแออัดมากขึ้นเมื่อขนาดชุดเพิ่มขึ้น ตัวชี้นำการดึงข้อมูลที่โดดเด่นสูงสามารถช่วยให้ LTM แบบเป็นตอนๆ ทำงานได้ดีพอสมควรแม้ว่าจะเผชิญกับการแทรกแซงเชิงรุกก็ตาม

รูปที่ 14. ความน่าจะเป็นที่จะเลือกรายการที่ถูกต้องในการทดลองที่ 5 ภายใต้เงื่อนไขที่มีและไม่มีงานรบกวนระหว่างระยะอินพุตและเอาต์พุตและขนาดที่ตั้งไว้ แถบข้อผิดพลาดแสดงถึงช่วงความเชื่อมั่นของหัวเรื่อง

Fig. 15. State-trace plot of the data from Experiments 2 and 4. The proportion of correct responses of each participant was averaged over low set sizes (2, 3, or 4 pairs), and high set sizes (>4 คู่ ไม่รวม 30 คู่ในการทดลองที่ 2) จุดข้อมูลแต่ละจุดแสดงถึงเงื่อนไขการทดลองหนึ่งข้อซึ่งเรามีการวัดประสิทธิภาพในระดับขนาดที่ตั้งไว้ทั้งสอง แถบข้อผิดพลาดคือช่วงความเชื่อมั่น 95 เปอร์เซ็นต์สำหรับการเปรียบเทียบภายในเรื่อง

ตารางที่ 4 ปัจจัยเบย์ของผลกระทบหลักของขนาดชุดและงานเบี่ยงเบนความสนใจในการทดลองที่ 4 และ 5

ตารางที่ 5 ปัจจัยเบยของผลกระทบของภารกิจเบี่ยงเบนความสนใจในทุกขนาดที่ตั้งไว้ ขึ้นอยู่กับระยะอินพุตเอาต์พุตของการทดลองที่ 4 ค่าที่มากกว่า 3 แสดงถึงหลักฐานของผลกระทบของภารกิจหันเหความสนใจ และพิมพ์เป็นตัวหนา ค่าต่ำกว่า 0 33 หลักฐานที่ต่อต้านผลกระทบ

ตารางที่ 6 ปัจจัยเบย์ของผลกระทบของภารกิจเบี่ยงเบนความสนใจในทุกขนาดที่ตั้งไว้ ขึ้นอยู่กับระยะอินพุตเอาต์พุตของการทดลองที่ 5 ค่าที่มากกว่า 3 แสดงถึงหลักฐานของผลกระทบของภารกิจหันเหความสนใจ และพิมพ์เป็นตัวหนา ค่าต่ำกว่า 0 33 หลักฐานกับ.

6. บทสรุป

การศึกษาครั้งนี้มีส่วนสนับสนุนสามประการในการทำความเข้าใจเกี่ยวกับหน่วยความจำในการทำงาน: ประการแรก ขีดจำกัดความจุของ WM เป็นหลัก แต่อาจไม่ใช่เฉพาะ ขีดจำกัดของความสามารถในการรักษาการผูก – ในกรณีนี้คือการรักษาการผูกระหว่างรายการต่างๆ ประการที่สอง เราแสดงให้เห็นการแยกส่วนสองครั้งของการมีส่วนร่วมของ WM และ LTM แบบเป็นตอนๆ เพื่อประสิทธิภาพในงานหน่วยความจำทันทีนี้: ที่ขนาดชุดที่ใหญ่กว่า 3 LTM มีส่วนอย่างมากต่อประสิทธิภาพ ในขณะที่ประสิทธิภาพที่ขนาดชุด 2 ขับเคลื่อนโดย WM ประการที่สาม เราเสนอและสนับสนุนเชิงประจักษ์ วิธีการวัดการมีส่วนร่วมสัมพัทธ์ของ WM และ LTM แบบเป็นตอน เพื่อประสิทธิภาพในงานหน่วยความจำทันทีที่นักวิจัยใช้ในการทดสอบและตรวจสอบ WM: การรบกวนเชิงรุกสามารถใช้เป็นดัชนีของการมีส่วนร่วมของ LTM แบบเป็นตอน . ในทางกลับกัน ความเปราะบางต่องานเบี่ยงเบนความสนใจสามารถใช้เป็นดัชนีของการมีส่วนร่วมของ WM

Cistanche เสริมใกล้ฉัน-ปรับปรุงหน่วยความจำ

อ้างอิง

Adam, KCS, Mance, I., Fukuda, K., & Vogel, EK (2015) การมีส่วนร่วมของความสนใจลดลงไปสู่ความแตกต่างระหว่างบุคคลในความสามารถในการมองเห็นของหน่วยความจำในการทำงาน วารสารประสาทวิทยา, 27(8), 1601–1616

Adam, KCS, Vogel, EK, & Awh, E. (2017) หลักฐานที่ชัดเจนสำหรับขีดจำกัดรายการในหน่วยความจำภาพ จิตวิทยาการรู้คิด, 97, 79–97. https://doi.org/10.1016/j. cogpsych.2017.07.001

Annis, J., Lenes, JG, Westfall, HA, Criss, AH และ Malmberg, KJ (2015) เอฟเฟ็กต์ความยาวรายการไม่แบ่งแยกระหว่างรุ่นของหน่วยความจำการรู้จำ วารสารความจำและภาษา, 85, 27–41.

แอตกินสัน อาร์ซี และชิฟฟริน อาร์เอ็ม (1968) ความทรงจำของมนุษย์: ระบบที่เสนอและกระบวนการควบคุม ในฉบับที่ 2, ฉบับ C. จิตวิทยาการเรียนรู้และแรงจูงใจ (หน้า 89–195). เอลส์เวียร์. https://doi.org/10.1016/S0079-7421(08)60422-3

แบดเดลีย์ ค.ศ. (2012) หน่วยความจำในการทำงาน: ทฤษฎี แบบจำลอง และข้อโต้แย้ง การทบทวนจิตวิทยาประจำปี, 63, 1–29

Barrouillet, P. และ Camos, V. (2012) เมื่อเวลาผ่านไป: ข้อ จำกัด ชั่วคราวในหน่วยความจำในการทำงาน ทิศทางปัจจุบันในวิทยาศาสตร์จิตวิทยา 21(6), 413–419 https://doi.org/ 10.1177/0963721412459513

Bartsch, LM, Loaiza, VMVM และ Oberauer, K. (2019) ความจุของหน่วยความจำทำงานที่จำกัดรองรับความแตกต่างของอายุในหน่วยความจำระยะยาวแบบเชื่อมโยงหรือไม่ จิตวิทยาและความชรา 34(2), 268–281. https://doi.org/10.1037/pag0000317

Beukers, AO, Buschman, TJ, Cohen, JD และ Norman, KA (2021) หน่วยความจำที่ทำงานเงียบเป็นกิจกรรมหน่วยความจำเป็นเหตุการณ์หรือไม่? แนวโน้มในวิทยาการทางปัญญา, 25(4), 284–293