Vliv znalostí domény na segmentaci a paměť

Kontakt:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

Kimberly M. Newberry1 & Daniel P. Feller2 & Heather R. Bailey3

Přijato: 12. listopadu 2020 / Zveřejněno online: 7. ledna 2021

# The Psychonomic Society, Inc. 2021

cynomoriumpro zlepšení paměti

Abstraktní

Mnoho výzkumů prokázalo, že odborníci mají ve své oblasti odborných znalostí vynikající paměť. Tato paměťová výhoda byla navržena jako výsledek různých mechanismů kódování, jako je rozdělování a diferenciace. Dalším potenciálním mechanismem kódování, který je spojen s pamětí, je segmentace událostí, což je proces, kterým lidé analyzují nepřetržité informace do smysluplných, diskrétních jednotek. Předchozí výzkum našel důkazy, že segmentace je do určité míry ovlivněna zpracováním shora dolů. Dosud jen málo studií zkoumalo vliv odbornosti na segmentaci a otázky týkající se odbornosti, schopnosti segmentace a jejich vlivu na paměť přetrvávají. Cílem této studie bylo prozkoumat vliv odborných znalostí na segmentaci a paměťovou schopnost pro dvě různé domény: basketbal a Overwatch. Účastníci s vysokými a nízkými znalostmi pro basketbal a s nízkými znalostmi pro Overwatch si prohlíželi a segmentovali videa na hrubá a jemná zrna a poté dokončili testy paměti. Rozdíly ve schopnosti segmentace a paměti byly přítomny mezi experty a kontrolními nováčky, konkrétně u basketbalových videí; segmentace odborníků však předpovídala paměť pouze pro činnosti, pro které chyběly znalosti. Celkově tento výzkum naznačuje, že vynikající paměť odborníků není způsobena jejich schopností segmentace a přispívá k rostoucímu množství literatury ukazující důkazy podporující koncepční účinky na segmentaci.

Klíčová slova: Znalost domény. Segmentace událostí. Paměť. Odbornost

Desetiletí práce na doménových znalostech (sémantické znalosti pro konkrétní obor) ukázaly, že experti jsou lepšíPaměťpro informace ve svém oboru. TentoPaměťpřínos byl vysvětlen různými mechanismy kódování, včetně chunkingu (Chase & Simon, 1973), diferenciace a sjednocení (Herzmann & Curran, 2011). Nedávno se ukázalo, že vliv má jiný mechanismus kódováníPaměťinformace o událostech: segmentace událostí (Bailey et al., 2013; Flores, Bailey, Eisenberg, & Zacks, 2017; Newberry &

Bailey, 2019; Sargent a kol., 2013; Zacks, Speer, Vettel a Jacoby, 2006).

Segmentace událostí je kódovací mechanismus, ve kterém lidé analyzují nepřetržité informace o událostech do smysluplných, diskrétních jednotek (např. Zacks, Speer, Swallow, Braver a Reynolds, 2007). Jak lidé segmentují událost, ovlivňuje to, jak události vnímají, chápou a pamatují si (přehled viz Radvansky & Zacks, 2014). Tento proces může být ovlivněn jak percepčními, tak koncepčními faktory, což naznačuje, že předchozí znalosti mohou ovlivnit to, jak někdo vnímá a segmentuje událost, což zase může ovlivnitPaměť. Zatímco některé studie naznačují, že znalost domény

Údaje prezentované v tomto rukopisu byly dříve prezentovány jak na 59. výročním zasedání Psychonomické společnosti v listopadu 2018, tak na 91. výročním zasedání Středozápadní psychologické asociace v dubnu 2019.

* Kimberly M. Newberry knewberr@su.edu

1 Katedra psychologie, Univerzita Shenandoah, 600 Millwood Ave., Halpin Harrison Hall 117, Winchester, VA 22601, USA

2 Department of Learning Sciences, Georgia State University, Atlanta, GA, USA

3 Katedra psychologických věd, Kansas State University, Manhattan, KS, USA

ovlivňuje segmentaci (např. odborníci identifikují méně hranic: Bläsing, 2015; odborníci se shodují spíše na hrubých hranicích: Levine, Hirsh-Pasek, Pace, & Michnick Golinkoff, 2017; Zacks & Tversky, 2003), zůstává několik otázek: Do jaké míry lidé se shodují na tom, jak jsou aktivity rozděleny v rámci a mimo jejich znalostní doménu? Pořádají jedinci se znalostmi ve vysoké doméně události při kódování jinak než jedinci se znalostmi v nízké oblasti? Pokud ano, vysvětluje to pozorovanéPaměťvýhoda?

Současná studie tedy zkoumala vliv doménových znalostí na segmentaci aPaměťbasketbal a hry Overwatch. Tyto aktivity byly vybrány pro jejich oblíbenost a také pro testování zobecnitelnosti

znalostní účinky na segmentaci napříč různými činnostmi. Nejprve jsou diskutovány teorie kognice událostí, teorie segmentace událostí a model horizontu událostí, poté následuje vztah mezi segmentací a znalostmi. Poté je popsána odborná literatura a integrována se segmentací událostí a jsou uvedeny obecné předpovědi o aktuální studii.

Teorie segmentace událostí

Podle teorie segmentace událostí (EST; Kurby & Zacks, 2008; Zacks et al., 2007) jsou události prožívány nepřetržitě, ale vnímání těchto událostí nikoliv. Lidé spíše používají percepční (např. pohyb, poloha těla; Newtson, Enquist, & Bois, 1977; Zacks, 2004) a konceptuální (např. znalosti, cíle; Levine et al., 2017; Radvansky & Zacks, 2014; Zacks, 2004) informace ke konstrukci mentálních reprezentací probíhající činnosti, takže reprezentace aktuální události je držena v práciPaměťdokud není vnímána změna, v tomto okamžiku je konstruována nová reprezentace, která odráží novou událost (např. Zacks et al., 2007). Předpokládá se, že k tomuto procesu aktualizace dochází, když existuje nesoulad mezi očekáváním a realitou (Rescorla & Wagner, 1972), který je způsoben selháním předpovědí (Zacks et al., 2007), nedostatkem koherence (Gernsbacher, 1991) nebo změnami. v kontextu (Clewett & Davachi, 2017).

EST předpokládá, že lidé generují předpovědi pro nadcházející aukce, a přesnost těchto předpovědí je monitorována. Například poté, co basketbalový hráč zahraje ránu, je pravděpodobné, že hráč z opačného týmu přiletí míči a dribluje s ním na druhý konec hřiště. Když se však hráč s míčem dostane na opačný konec hřiště, událost se stává méně předvídatelnou. Přihraje hráč míč nebo vystřelí? Časové body, kdy selhávají předpovědi nebo kdy lidé vnímají změnu a aktualizují svou reprezentaci událostí, se nazývají hranice událostí. Výzkum naznačuje, že v rámci události je předvídatelnost vysoká, ale přes hranice událostí je předvídatelnost nízká (např. Reynolds, Zacks, & Braver, 2007; Zacks, Kurby, Eisenberg, & Haroutunian, 2011). Je zajímavé, že lidé spolehlivě analyzují události v konzistentních hranicích (např. Bower, Black a Turner, 1979; Hard, Tversky a Lang, 2006b; Newtson, 1973; Speer, Swallow a Zacks, 2003; Zacks, Tversky a Iyer, 2001a), dokonce až o 1 rok později (test-retest; Speer et al., 2003).

Výzkum využívající paradigma sjednocení, ve kterém lidé označují hranice, zatímco sledují vývoj událostí, naznačují, že události jsou hierarchicky strukturované (např. Newtson, 1973; Sargent et al., 2013; Zacks, Tversky, et al., 2001a), takže větší, hrubozrnné události se skládají z menších, jemnozrnných událostí (Tversky, Zacks, & Martin, 2008; Zacks & Swallow, 2007; Zacks, Tversky, et al., 2001a). Například vysokoškolský basketbalový zápas se může skládat z první a druhé poloviny

polovina. První poločas by se však dal dále rozdělit na menší dílčí události, jako je série her prováděných každým týmem. Předchozí práce zjistily individuální rozdíly v rozsahu, v jakém lidé vnímají sladění mezi jemnozrnnými a hrubozrnnými událostmi (např. Hard, Lozano a Tversky, 2006a; Kurby & Zacks, 2011; Sargent a kol., 2013; Zacks a kol. , 2001b) a důkazy naznačují, že hierarchické kódování může být důležité proPaměť(Kurby & Zacks, 2011).

Důležité je, že model horizontu událostí (Radvansky, 2012), který zahrnuje teorii segmentace událostí (např. Radvansky & Zacks, 2014, 2017), vysvětluje, že hranice událostí snižují zpětnou interferenci tím, že oddělují informace do samostatných modelů událostí, což vede k lepšímu celkovémuPaměťza činnost. Důkazy skutečně naznačují, že míra, do jaké lidé prokazují normativní segmentaci (tj. míra, do jaké se shodují na umístění hranic událostí a mají lepší hierarchické uspořádání) předpovídá, jak dobře si později danou aktivitu zapamatují (Bailey et al., 2013). Flores a kol., 2017; Kurby & Zacks, 2011; McGatlin, Newberry a Bailey, 2018; Newberry & Bailey, 2019; Sargent a kol., 2013; Zacks a kol., 2006).

cistanche ztracené říše byliny

Co ovlivňuje segmentační chování?

Segmentaci pravděpodobně ovlivňují dva typy faktorů: percepční a konceptuální (např. Zacks, 2004; Zacks et al., 2007). Velká část výzkumu segmentace se zaměřila na vliv percepčních vodítek. Například hranice vnímané události mají tendenci být v souladu se změnami polohy těla (Newtson et al., 1977), prostorovým umístěním (Magliano, Miller, & Zwaan, 2001), pohybem objektu (Zacks et al., 2001b) a změnou vnímání. (Hard a kol., 2006b). Například změna vnímání v basketbalu může zahrnovat změny, ke kterým dochází kolem míče (např. přihrávky, střely; Huff et al., 2017). Dále oblasti mozku, které zpracovávají emoce (např. extrastriatózní pohybový komplex), vykazují zvýšenou aktivitu na hranicích událostí (Speer a kol., 2003; Zacks a kol. 2001b), což naznačuje, že pohyb je silným prediktorem vnímání hranic události.

Naproti tomu výzkumy zkoumající účinky koncepčních faktorů na segmentaci jsou smíšené: Některé studie naznačují, že koncepční faktory nemají na segmentaci žádný vliv (např. Hard et al., 2006b; Huff et al., 2017; Zacks, Kumar, Abrams, & Metha, 2009), zatímco jiní naznačují, že ano (kontext: Loschky, Larson, Magliano a Smith, 2015; Newberry & Bailey, 2019; známost: McGatlin a kol., 2018; Smith, Newberry & Bailey, 2020; Zacks & Tversky, 2003; perspektiva: Newberry & Bailey, 2019; schéma a scénáře: Bartlett, 1932; McGatlin et al., 2018; Schank & Abelson, 1977; cíle: Baldwin, Baird, Saylor & Clark; 2001978a; 2001978a; Zacks, 2004). Například Wilder (1978a, 1978b) ukázal, že účastníci se segmentovali častěji, když byly cíle herce nejasné, ve srovnání s tím, kdy byla aktivita cílená a předvídatelná, což naznačuje, že cíle ovlivňují to, jak lidé vnímají aktivitu. Podobně Zacks (2004) zjistil, že pohyb předpovídal segmentaci méně, když byly události cílené než náhodné. Ačkoli tyto výsledky naznačují, že když jsou přítomny znalosti související s cíli, lidé se při vnímání události méně spoléhají na vjemové podněty, účinky byly mírné až malé.

Silnější manipulace: odbornost Nedávný výzkum znalostí a segmentace se posunul směrem k použití silnější manipulace s předchozími znalostmi: odbornost (např. Bläsing, 2015; Levine et al., 2017). Využití odborných znalostí k vyhodnocení účinků znalostí na segmentaci dobře zapadá do EST a modelu horizontu událostí, protože dostatek důkazů naznačuje, že předchozí znalosti o aktivitě zlepšují predikci při sledování podobných aktivit (např. Ambrosini et al., 2013; Kanakogi & Itakura, 2011; Möller, Zimmer, & Aschersleben, 2015; Sommerville, Woodward, & Needham, 2005) a výzkum ukázal, že lidé s předchozími znalostmi nebo zkušenostmi pro činnost mají také lepšíPaměťpro tuto činnost (např. basketbal: Allard, Graham a Parsalu, 1980; tanec: Allard & Starkes, 1991; šachy: Chase & Simon, 1973; baseball: Chiesi, Spilich, & Voss, 1979; most: Engle & Bukstel, 1978; mapy: Gilhooly, Wood, Kinnear, & Green, 1988; hudba: Meinz & Salthouse, 1998). Vzhledem k tomu, že predikce je považována za mechanismus, na kterém segmentace funguje (např. Zacks, Braver, et al., 2001b; Zacks, Kurby, et al., 2011), a identifikace hranic událostí je důležitá proPaměť(např. Radvansky & Zacks, 2014), to by naznačovalo, že segmentační chování aPaměťse může lišit, pokud má někdo předchozí znalosti nebo zkušenosti s činností, ve srovnání s nulovými znalostmi nebo zkušenostmi.

Takovýto předpoklad byl podpořen v odborné literatuře zaměřené na další mechanismy zapojené do percepčního učení (Goldstone, 1998): diferenciace (schopnost oddělit původně sloučené kategorie) a unitizace (schopnost integrovat jednotlivé části do funkčních celků). Důkazy naznačují, že odborníci lépe posoudí, kdy se do každého procesu zapojit (Herzmann & Curran, 2011). Při kódování dynamické aktivity mohou odborníci lépe identifikovat koncepční jednotky informací a rozlišovat jemné detaily pro události v rámci jejich domény (např. Piras, Lobietti, & Squatrito, 2010). Například basketbalový expert může být schopen identifikovat kroky spojené s tipováním a hodem (tj. lepší diferenciace), zatímco nováček může vnímat tyto kroky jako jednu akci nebo vůbec ne, nebo basketbalový expert může vnímat stejný tip a hod jako součást větší hry, zatímco nováček to může vnímat jako vlastní událost (tj. lepší sjednocení). Pokud odborníci identifikují smysluplné hranice událostí na základě sdílené znalostní báze, která zlepšuje jejich přesnost předpovědí, dalo by se očekávat, že experti prokáží normativní segmentaci.

schopnost, pokud jde o vyšší shodu na umístění hranic událostí a/nebo lepší zarovnání hrubých a jemných hranic.1 Dvě studie zkoumaly účinky odborných znalostí na chování segmentace. V oblasti tance Bläsing (2015) zkoumal účinky odbornosti a pohybově specifické známosti na segmentaci taneční fráze. Tanečníci a netanečníci sledovali a segmentovali videa tanečníka dokončujícího choreografickou frázi. Bläsing (2015) zjistil, že tanečníci se segmentují méně často ve srovnání s netanečníky, což naznačuje, že odbornost snižuje počet vnímaných hranic pro události v rámci oblasti odbornosti. V dalším experimentu Bläsing vyhodnotil kauzální roli znalostí na segmentaci tak, že středně pokročilí tanečníci segmentovali taneční frázi, pak se naučili a procvičovali motorické pohyby a znovu segmentovali frázi. Stejně jako v prvním experimentu, zvýšená znalost a motorická zkušenost s taneční frází způsobila, že tanečníci segmentovali méně často. Podobně Levine et al. (2017) zjistili, že odborníci na krasobruslení identifikovali při segmentaci olympijského krasobruslařského programu více podobných událostí s hrubým zrnem ve srovnání s nováčky. Tyto studie poskytly první důkaz, že odbornost ovlivňuje segmentační chování; některá omezení však zůstávají. Jedním omezením je, že tyto studie hodnotily segmentaci pouze při velikosti jednoho zrna. Buď neposkytli žádné specifické instrukce pro velikost zrna (Bläsing, 2015), nebo pouze instruovali účastníky, aby segmentovali na hrubozrnné úrovni (Levine et al., 2017). Zahrnutím jak hrubé, tak jemnozrnné segmentace do jedné studie můžeme vyhodnotit hierarchické zarovnání malých událostí do větších událostí a zda znalost domény toto zarovnání zvyšuje. Je kritické, že ani jedna studie nezkoumala schopnost expertů segmentovat oblast mimo jejich odbornost. Navíc žádná studie neměřilaPaměť, takže účinky znalosti domény a segmentace naPaměťdosud nebyly vyhodnoceny.

Vzhledem k tomu, že normativní segmentace je spojena s lepšímPaměťpro události (Bailey et al., 2013; Flores et al., 2017; Zacks et al., 2006), je možné, že lepší paměť odborníků může být způsobena normativnější segmentací činnosti v rámci jejich znalostní domény. Pokud je segmentace procesem, který je umocněn akumulací předchozích znalostí a zkušeností, dalo by se očekávatPaměťužitek být přítomen pouze pro zkušenější činnost. Předchozí práce však ukázala, že lidé používají předchozí znalosti k vyplnění mezer při vyhledávání (např. Hasher & Griffin, 1978). Znalosti by tedy mohly potlačit účinky segmentace na paměť a některé důkazy naznačují, že segmentace a znalosti ovlivňujíPaměťnezávisle (Sargent et al., 2013). Pokud je to pravda, dalo by se očekávat, že segmentace bude předpovídat paměť pouze pro činnost nováčka, protože nováčci by neměli znalosti 1 Frekvence segmentace a shoda se liší. Někdo může segmentovat méně často, ale přesto identifikuje několik hranic identifikovaných skupinou, a má tedy vysokou shodu.

spolehnout se při načítání na jiné než reprezentace událostí, které vytvořili při prvním kódování aktivity.

Současná studie tedy rozšířila na Bläsing (2015) a Levine et al. (2017) zkoumáním segmentačního chování a jeho vztahu kPaměťvýkon u lidí s vysokými a nízkými znalostmi (pro zjednodušení je dosud označujeme jako „experti“ a „kontrolní nováčci“) ve dvou různých oblastech: basketbal (sport) a Overwatch (videohry). Basketbal je týmový sport s omezeným kontaktem, který zahrnuje hráče, kteří spolupracují na dosažení společného cíle (tj. střílením míče přes obruč a získávání bodů). Overwatch, i když také týmová, je střílečka z pohledu první osoby pro více hráčů vyvinutá společností Blizzard Entertainment, Inc.©. Basketball a Overwatch byly vybrány jako aktivity v této studii ze dvou důvodů. Za prvé, zahrnutí dvou činností činí současnou studii jedinečnou v tom, že odborníci byli testováni na činnostech v rámci jejich oboru i mimo něj. Za druhé, basketbal a Overwatch se liší od tance a krasobruslení (např. Ericsson & Smith, 1991), což umožňuje rozšířit výzkumné otázky z aktivit pro jednoho aktéra na týmové aktivity.

Hypotézy

Pokud odbornost ovlivňuje segmentační chování, měli by experti segmentovat méně často na hrubém zrnu (frekvence segmentace; Bläsing 2015) a více se dohodnout na hraničních místech (dohoda segmentace; Levine et al., 2017) pro činnosti v rámci svého expertního oboru. Alternativně mohou odborníci segmentovat častěji, zejména u jemného zrna, pokud se zapojí do percepčních procesů, jako je diferenciace, aby lépe rozlišili jemnější dílčí události (Piras et al., 2010). Také jsme předpokládali, že experti prokážou větší zarovnání hrubých a jemných hranic pro činnosti v rámci jejich expertní oblasti (hierarchické zarovnání). Pokud však percepční vodítka mají silnější vliv na segmentaci než konceptuální faktory (Hard a kol., 2006b; Huff a kol., 2017; Zacks, Speer, & Reynolds, 2009), pak odborníci a nováčci v oblasti kontroly mohou vykazovat podobné segmentační chování. protože percepční podněty (pohyb) jsou snadno dostupné pro obě skupiny. Dále jsme předpokládali, že odborníci by ukázali lépePaměťvýkon pro činnosti v rámci jejich odbornosti na základě významného souboru odborných výzkumů (přehled viz Ericsson & Smith, 1991; Furley & Wood, 2016).

Předchozí práce naznačují, že normativní segmentace je spojena s lepšímiPaměťpro události (např. Bailey et al., 2013). Proto jsme předpokládali, že segmentační schopnost by předpovídalaPaměťvýkon, bez ohledu na aktivitu nebo znalost domény, takže ti s lepší shodou segmentace a/nebo hierarchickým zarovnáním by měli lepší paměť. Předpověděli jsme však také, že vztah mezi segmentací aPaměťbude silnější v expertní činnosti, pokud se zlepší znalost doményPaměťposílením segmentace. Alternativně některé práce naznačují, že obecné znalosti mohou ovlivňovat paměť nezávisle na segmentaci (Sargent et al., 2013), takže lidé se mohou spoléhat na znalosti (např. schémata, skripty, očekávání), když jsou k dispozici, aby jim pomohly zapamatovat si aktivitu, na rozdíl od toho, jak kódují (segmentují) konkrétní instanci této aktivity. V tomto případě mohou znalosti převážit nad vztahem mezi segmentací aPaměť, takže odborníci, kteří segmentují dobře, a ti, kteří segmentují špatně, si zapamatují podobné množství informací.

Aktuální studie

Účelem tohoto experimentu bylo prozkoumat vztah mezi znalostmi domény, schopností segmentace aPaměťpro události v rámci oblasti znalostí i mimo ni. Předchozí práce sledovaly účinky odborných znalostí na segmentaci tanečních frází (Bläsing, 2015) a rutinu krasobruslení (Levine et al., 2017); tyto studie však pouze hodnotily segmentační chování odborníků pro události v rámci jejich oboru. Navíc hierarchické zarovnání různých segmentačních zrn a jejich vliv naPaměťv této souvislosti ještě musí být vyhodnoceny. V aktuálním experimentu si odborníci na basketbal a Overwatch a nováčci v ovládání prohlíželi a segmentovali videa basketbalu a Overwatch. Kvůli problémům s náborem se studie zúčastnil pouze velmi malý vzorek odborníků Overwatch (viz část Metoda). Současný experiment se nakonec zaměřil na vnitropředmětové srovnání segmentace basketbalových expertů aPaměťpro basketbal (oblast odbornosti) a pro videa Overwatch (oblast mimo odbornost) a také srovnání segmentace a segmentace mezi subjektyPaměťpro basketbalové aktivity mezi basketbalovými experty a kontrolními nováčky.

Metoda

Účastníci Celkem 165 účastníků (viz tabulka 1) bylo rekrutováno z Kansas State University (KSU). Účastníci se rekrutovali z kurzů psychologie az dalších

organizací napříč kampusem. Aby se zvýšil nábor odborníků z Overwatch, byla studie inzerována prostřednictvím KSU eSports Club, který podporuje profesionální soutěž a sledovanost pro hráče a fanoušky videoher Overwatch. Nábor přinesl 35 basketbalových expertů (noviců Overwatch), 12 expertů Overwatch (tři z nich byli basketbaloví nováčci, z nichž devět mělo „středně pokročilé“ nebo expertní basketbalové skóre), 61 kontrolních nováčků (nováčků v obou činnostech), dva nezařazení do kategorií a 55“ středně pokročilí“ jedinci, kteří dosáhli skóre nad nováčkem, ale pod prahem experta v obou oblastech (viz Průzkumy znalostí níže).

Předpovědi pro současný experiment byly založeny na srovnání „expert“ versus „kontrolní nováček“. Do hlavních analýz byli zařazeni pouze jedinci, kteří splnili kritéria pro experta nebo kontrolního nováčka. Účastníci, kteří dosáhli skóre v "středním" rozmezí pro kteroukoli činnost, byli zahrnuti pouze do průzkumných analýz, kde se znalosti považovaly za spojitou proměnnou (viz doplňkové materiály). Bohužel se ukázalo, že nábor odborníků z Overwatch je obtížný, a to i poté, co se několik měsíců zaměřovali na hráče Overwatch z eSports. Hlavní analýzy současného experimentu proto vzhledem k malé velikosti vzorku vylučují i ​​tuto skupinu (přestože jsou zahrnuty do průzkumných analýz v Doplňkových materiálech). Navíc byla data osmi účastníků (dva basketbaloví experti, dva kontrolní nováčci, dva středně pokročilí a dva nezařazení) ztracena kvůli technickým problémům. Účastníci byli kompenzováni kreditem z kurzu nebo zařazeni do slosování o dárkové karty v závislosti na tom, kde byli přijati.

Protože účastníci nebyli náhodně rozděleni do skupin, všichni účastníci dokončili řadu kognitivních měření (rychlost zpracování, slovní zásobu, sémantické znalosti a pracovníPaměť; úplný popis viz doplňkové materiály) k posouzení jednotlivých rozdílů, které by jinak mohly být vysvětleny, možná segmentace aPaměťefekty. Bayesovy faktory byly použity k testování důkazu nulové hypotézy (tj. žádný rozdíl mezi skupinami; viz tabulka 2). Bayesovy faktory menší než 1 naznačovaly podstatné důkazy pro nulu (např. Wetzels & Wagenmakers, 2012), což nenaznačuje žádné rozdíly mezi skupinami v těchto kognitivních schopnostech.

Materiály

Průzkum znalostí Průzkumy znalostí byly použity k identifikaci odborníků a nováčků v basketbalu a Overwatch. Basketbalová část průzkumu byla upravenou verzí Fellera, Schwana, Wiemera a Magliana (2018; převzato z French & Thomas, 1987), takže byla zredukována na 23 otázek, aby odpovídala průzkumu Overwatch. , který byl vyvinut pro použití v současné studii. Průzkumy basketbalu i Overwatch zahrnovaly 23 otázek, z nichž každý se týkal obecných informací o každé aktivitě, a také sedm otázek týkajících se znalosti a odbornosti, které se týkaly sebe sama. Všechny otázky měly pět možností odpovědi, přičemž pátá možnost (e) vždy uváděla „nevím“. Experti byli identifikováni se skóre v rozmezí od 17 do 23, zatímco nováčci byli identifikováni se skóre v rozmezí od 0 do 7 (na základě procentuálních omezení z předchozí práce pomocí průzkumů znalostí; Rawson & van Overschelde, 2008). Oba průzkumy jsou součástí přílohy.

Videa V tomto experimentu bylo použito pět videí (jedno cvičení; čtyři experimentální). Cvičné video zachycovalo muže, který používá Lego ke stavbě lodi (155 s). Dvě z experimentálních videí byly vysokoškolské basketbalové hry; konkrétně Memphis vs. UCLA (153 s; tři střihy) a Montana vs. Weber State (130 s; devět střihů; Feller et al., 2018). Další dvě experimentální videa byly turnajové zápasy Overwatch; konkrétně Houston vs. Boston (144 s; 11 střihů) a Londýn vs. Florida (135 s; sedm střihů). Všechna experimentální videa byly kratší klipy nepřetržitého hraní (zachování kontinuity akce) převzaté z delších videí, aby se minimalizoval vliv střihů na vnímání, ačkoli výzkum naznačuje, že většina střihů zůstává nerozpoznána a neovlivňuje segmentaci (Magliano & Zacks, 2011; TJ Smith & Henderson, 2008). Navíc důkazy z literatury o poznání událostí naznačují, že změny pohledu také neovlivňují události, které jsou vnímány (Swallow, Kemp, & Simsek, 2018). Videa Overwatch byla vybrána, protože šlo o profesionálně nahrané hry, které hráli odborníci na Overwatch. Účastníci zhlédli všechna experimentální videa dvakrát (jednou na zrno segmentace).

Poznámka. Směrodatná chyba průměru v závorkách. Porovnání písmen a porovnání vzorů bylo měřítkem rychlosti zpracování. Pojmenování objektů a slovní zásoba byly měřítkem sémantických znalostí. R-SPAN byl měřítkem prácePaměťkapacita. BF=Bayesův faktor, důkaz pro nulu.

Úkol sjednocení Úkol sjednocení (Newtson, 1973) byl použit jako zjevné měřítko toho, jak účastníci vnímají

Tabulka 3 Skóre znalostí podle odborných skupin

Ovládání basketbalových expertů (začátečníci)

hranice událostí ve videích. Při sledování videí byli účastníci požádáni, aby stiskli mezerník pokaždé, když „jedna smysluplná jednotka aktivity končí a další začíná“. Účastníci byli instruováni, aby identifikovali větší

(hrubé) nebo menší (jemné) jednotky smysluplné činnosti stisknutím mezerníku (např. Sargent et al., 2013). Účastníci byli na tento úkol formováni pomocí cvičného videa (viz Zacks et al., 2009). Postup tvarování vyžadoval, aby účastníci identifikovali alespoň 3 větší (hrubší) jednotky nebo 6 menších (jemnějších) jednotek, aby mohli přejít k experimentálním pokusům. Pokud tento práh nebyl splněn, účastníci obdrželi zpětnou vazbu, že ostatní lidé obvykle identifikují více jednotek; nebyly jim však poskytnuty explicitní příklady toho, jak lze aktivity ve videu segmentovat. Po obdržení této zprávy účastníci opakovali proceduru tvarování, dokud nepřekročili práh.

Měří paměť událostí

UznáníPaměťbyla hodnocena pomocí dvoualternativního testu nucené volby. Na jedno video bylo 20 pokusů, z nichž každý obsahoval jeden cílový a jeden distraktorový snímek, které byly současně prezentovány vedle sebe. Cílové obrázky vždy pocházely z videí, která účastníci sledovali, a rušivé obrázky vždy pocházely z částí stejného videa, které účastníci neviděli. Pořadí prezentace dvojic obrázků bylo pro každého účastníka stejné. Za každý správně identifikovaný obrázek obdrželi účastníci 1 bod (celkem až 20 bodů). Skóre účastníků bylo hlášeno jako poměrné správné.

ObjednatPaměť2 Paměť objednávek byla hodnocena pomocí dvoualternativního testu vynucené volby na základě míry použité Dubrowem a Davachim (2014). U každého videa bylo účastníkům předloženo na počítači osm dvojic obrázků. Všechny obrázky pocházejí od účastníků videa, které sledovali. Na obrazovce se objevila výzva „novější?“ a účastníci byli instruováni, aby si vybrali obrázek zobrazující novější akci.

Návrh a postup

Odbornost byla proměnnou mezi subjekty. Účastníci (NBasketballExperts=33, NControlNovices=59) byli seskupeni na základě jejich skóre z průzkumu znalostí o basketbalu a Overwatch (začátečníci Méně než nebo rovno 7; expert Vyšší nebo rovno 17; viz tabulka 3 viz Doplňkové materiály pro analýzy, které

zahrnují odbornost jako spojitou proměnnou, včetně účastníků se středně pokročilými znalostmi). Aby bylo jasno, všichni v basketbalové expertní skupině byli také nováčky v Overwatch, odděleně od těch v kontrolní skupině, kteří byli identifikováni jako kontrolní nováčci v obou činnostech. S aktivitou (basketbal a Overwatch) se zacházelo jako s předměty, takže všichni účastníci sledovali a segmentovali videa obou aktivit. Účastníci segmentovali každé video dvakrát: jednou na zrno (hrubé vs. jemné). Úkoly týkající se videa a rozptýlení byly mezi účastníky vyváženy. Segmentační zrno bylo vyváženo tak, že účastníci segmentovali všechna videa na jedno zrno, poté po dokončení posledního bloku úkolů pro poslední video segmentovali všechna videa znovu (ve stejném pořadí prezentace) na druhé zrno.

Všichni účastníci vstoupili do laboratoře v malých skupinách po třech nebo čtyřech a seděli u počítače. Nejprve podepsali informovaný souhlas a poté dokončili znalostní průzkum. Poté dostali demografický formulář a instruovali ho, aby jej nevyplňovali, dokud jim to experimentální program na počítači neřekne. Každému účastníkovi bylo poté předloženo cvičné video, které utvářelo chování každého účastníka při segmentaci podle toho, jaké pořadí zrnitosti segmentace bylo každému účastníkovi přiděleno (tj. alespoň tři stisknutí tlačítka pro hrubozrnné, alespoň šest pro jemné zrno). Po dokončení procesu tvarování začaly experimentální zkoušky. Experimentální testy se skládaly ze čtyř bloků. V každém bloku bylo prezentováno experimentální video a účastníci byli instruováni, aby „stiskli mezerník, kdykoli pocítili, že smysluplná jednotka aktivity skončila a začala nová“. Po každém videu účastníci dokončili úkol rozptylující pozornost (tj. jeden z výše uvedených individuálních rozdílů) a poté přešli k rozpoznávání a pořadíPaměťúkoly. Pořadí paměťových úloh nebylo vyváženo kvůli zobrazení cílových obrázků v objednávcePaměťÚkol mohl účastníkům pomoci při rozpoznávání. Po objednávcePaměťúkol pro poslední video posledního bloku, účastníkům bylo znovu promítnuto cvičné video a proškoleni na segmentační úloze pro alternativní zrno. Účastníci poté přerozdělili každé video na toto nové zrno ve stejném pořadí, v jakém byla videa původně prezentována. Na konci experimentu účastníci dokončili práciPaměťúkol. Nakonec byli vyslechnuti, poděkováni a kompenzováni za svůj čas.

Výsledek

Příprava dat

Problémy s náborem zaměřily analýzy aktuálního experimentu na basketbalové experty (N=33) a kontrolní nováčky (N=59; viz část Účastníci výše). Jednotlivci se středním skóre znalostí a experti Overwatch byli zahrnuti do doplňkových průzkumných analýz, které považovaly znalosti za spojitou proměnnou (viz doplňkové materiály). Jinak nebyly zjištěny žádné odlehlé hodnoty.

Přístup

Hlavní analýzy byly provedeny pomocí zobecněných víceúrovňových modelovacích technik. Tyto techniky odpovídaly za nenormální rozdělení chyb (např. Poisson pro početní data, logistické pro binomické) závislých měření a rozptyl chyb spojený s náhodnými efekty. Navíc experimentální verze (založená na pořadí aktivity a pořadí zrn) nebyla významným prediktorem (všechny ps

>.09). Nejprve jsme vyhodnotili procesy kódování (frekvenci segmentace, shodu a hierarchické zarovnání) a poté vyhodnotili procesy vyhledávání (rozpoznávání). Poté jsme hodnotili, do jaké míry kódování předpovídalo načítání. Všimněte si, že jsme také provedli analýzy úplného souboru dat (N=157) se znalostmi považovanými za kontinuální prediktor a replikovali obecný vzorec výsledků (viz doplňkové materiály).

Ovlivňuje znalost domény kódování událostí?

Sjednocení Dvě míry sjednocení byly použity k posouzení toho, jak dobře lidé identifikovali a shodli se na umístění hranic.

Frekvence segmentace byla hodnocena jako celkový počet stisknutí tlačítka (tj. celkový počet hranic vnímaných událostí) na video. Bläsing (2015) zjistil, že odborníci identifikovali méně hranic událostí ve srovnání s nováčky; proto jsme předpověděli rozdíl v rámci subjektů takový, že basketbaloví experti budou během basketbalových videí segmentovat méně často, bez ohledu na zrnitost, ve srovnání s videi Overwatch. Očekávali jsme také, že najdeme takový rozdíl mezi subjekty, že basketbaloví experti budou u basketbalových videí segmentovat méně často ve srovnání s kontrolními nováčky. Nakonec jsme očekávali, že účastníci budou segmentovat méně často na hrubozrnné ve srovnání s jemnozrnným, bez ohledu na odborné znalosti a aktivitu.

Ke zkoumání těchto hypotéz byl použit zobecněný Poissonův víceúrovňový model k predikci segmentační frekvence z plného faktoriálu fixních efektů skupiny, aktivity a segmentačního zrna a náhodných efektů účastníka a videa (viz obr. 1). Byl přítomen významný hlavní účinek zrna (z=−49,63, p < 0,001),="" takže="" účastníci="" identifikovali="" méně="" hrubých="" hranic="" (m="19,51," se="1,80," 95="" procento="" ci="" [15,94,="" 23,10])="" než="" jemné="" hranice="" (m="39,59," se="2,76," 95="" procent="" ci="" [34,11,="" 45,07]),="" bez="" ohledu="" na="" znalosti="" nebo="" aktivitu.="" hlavní="" efekty="" skupiny="">

aktivita nebyla významná, což naznačuje, že nebyly žádné výchozí rozdíly v počtu vnímaných událostí mezi skupinami nebo mezi aktivitami; tyto fixní efekty však interagovaly s obilím. Mezi skupinou a zrnem byla přítomna významná obousměrná interakce (z=−11,11, p< .001)="" such="" that="" control="" novices="" identified="" fewer="" fine="" boundaries="" (m="34.95," se="3.22," 95%="" ci="" [28.50,41.39]),="" compared="" with="" basketball="" experts="" (m="47.60," se="4.82," 95%="" ci="" [37.78,="" 57.42]),="" regardless="" of="" activity,="" but="" no="" group="" differences="" were="" present="" at="" the="" coarse="">

Tyto výsledky byly kvalifikovány významnou třícestnou interakcí mezi skupinou, aktivitou a zrnitostí segmentace (z =−3,17, p =.002), takže účastníci identifikovali výrazně jemnější hranice než hrubé hranice pro basketbalová videa ve srovnání s Overwatch a tento rozdíl byl větší u basketbalových expertů (basketbal hrubé: M=19,95, SE=2,42, 95 procent CI [ 15.03, 24.88]; jemný basketbal: M=53.20,SE=5.55, 95 procent CI [41.89, 64.51]; Overwatch hrubé: M =17.61, SE {{ 27}},23, 95 procent CI [13,07, 22,14]; Overwatch v pořádku: M =42.00, SE=5,73, 95 procent CI [30,34, 53,66]), ve srovnání s kontrolními nováčky (basketbal hrubý: M=23,09, SE=3,56, 95 procent CI [15,95, 30,23]; jemný basketbal: M=37,43, SE {{ 54}},07, 95 procent CI [31,28, 43,58]; Overwatch hrubé: M=17,55,SE=2,50, 95 procent CI [12,55, 22,56]; Overwatch v pořádku: M { {70}}.17,SE=4.00, 95 procent CI [24.15, 40.20]). Žádné další účinky nebyly přítomny (všechny ps > 0,05).

Tyto výsledky nepotvrdily hypotézu, že experti budou segmentovat méně často ve srovnání s kontrolními nováčky, zejména pro činnosti v jejich oboru. Místo toho výsledky naznačují, že experti a nováčci v oblasti kontroly identifikovali podobný počet hrubých hranic, bez ohledu na činnost, a že experti identifikovali jemnější hranice pro činnosti v rámci jejich oboru. Tento výsledek je v souladu s předchozí prací, která ukazuje, že odborníci jsou schopni lépe rozlišovat jemné detaily událostí v rámci jejich domény (např. Piras et al., 2010).

Segmentační dohoda se týká toho, jak dobře se lidé shodují s ostatními na umístění hranic vnímaných událostí. Vyšší shoda segmentace odpovídá normativnější segmentaci. Pro výpočet shody byla segmentační data každého účastníka vyhlazena umístěním funkce hustoty Gaussova jádra kolem každé hranice události (stisknutím tlačítka) pro každé video. Každý snímek každého videa obdržel hodnotu v rozsahu od 0 do 1, což značí pravděpodobnost nebo pravděpodobnost, že snímek byl hranicí události. Šířka pásma 25 (tj. 25 snímků za sekundu) byla použita, aby odpovídala 1-sekundovým časovým intervalům, takže snímky byly blíže místu, kde účastník

každý rámec byl korelován s normativními hranicemi.3 Na základě Levine et al. (2017) jsme předpověděli významný efekt mezi subjekty, takže dohoda o segmentaci basketbalových expertů bude vyšší než u kontrolních nováčků u basketbalových videí, bez ohledu na zrnitost. Očekávali jsme však také, že zaznamenáme efekt v rámci jednotlivých subjektů, takže dohoda o segmentaci basketbalových odborníků bude vyšší u basketbalových videí ve srovnání s videi Overwatch, bez ohledu na zrnitost.

K vyhodnocení těchto hypotéz byl použit zobecněný lineární víceúrovňový model k predikci shody segmentace z plného faktoriálu fixních efektů skupiny, aktivity a zrnitosti segmentace a náhodných efektů účastníka a videa (viz obr. 2). Byl přítomen významný hlavní účinek zrna (t=−4,05, p < 0,001),="" takže="" shoda="" jemných="" hranic="" (m="0,32," se="0,15," 95="" procent="" ci="" [0,28,="" 0,34])="" byl="" vyšší="" než="" shoda="" hrubých="" hranic="" (m="0,26," se="0,01," 95="" procent="" ci="" [0,24,="" 0,28]).="" tento="" efekt="" však="" byl="" kvalifikován="" významnou="" třícestnou="" interakcí="" mezi="" skupinou,="" aktivitou="" a="" obilím="" (t="2,29," p="0,02)." všichni="" účastníci="" vykazovali="" vyšší="" shodu="" u="" basketbalových="" videí="" (m="0,35," se="0,01," 95="" procent="" ci="" [0,32,="" 0,38])="" ve="" srovnání="" s="" videi="" overwatch="" (m="" {{33}="" }="" 0,22,="" se="0,01," 95="" procent="" ci="" [,20,="" 0,24]),="" ale="" odborníci="" (m="0,36," se="0,02," 95="" procent="" ci="" [="">

0,41]) vykazovaly výrazně vyšší shodu ve srovnání s kontrolními novičoky (M=0,29, SE=0,02, 95 procent CI [0,25, 0,32]), pouze u hrubého zrna . Efekt v rámci subjektů (d=0,96) byl větší než efekt mezi subjekty (d=0,42). Žádné další účinky nebyly významné (všechny ps > 0,05).

Tyto výsledky částečně podporují naši hypotézu v tom, že experti vykazovali lepší segmentační shodu ve srovnání s kontrolními nováčky pro činnosti v rámci jejich expertní domény, ale pouze na hrubém zrnu. Připomeňme však, že odborníci neidentifikovali výrazně hrubší hranice než kontrolní nováčci (viz obr. 1). Celkově to naznačuje, že lepší dohoda odborníků o hrubé segmentaci nebyla způsobena tím, že identifikovali více hrubých hranic, ale spíše identifikovali více podobných hrubých hranic pravděpodobně kvůli jejich sdíleným znalostem pro basketbal.

Hierarchické zarovnání je rozsah, ve kterém každá identifikovaná hrubá hranice časově odpovídá identifikované jemné hranici (Kurby & Zacks, 2011; Sargent et al., 2013; Zacks et al., 2001a). Je to míra organizace segmentace nebo míry, do jaké hrubé události každého účastníka zahrnují skupiny souvisejících jemných událostí (Sargent et al., 2013). Jedním ze způsobů měření hierarchického zarovnání je výpočet uzavřenosti, který odkazuje na míru, do jaké jsou skupiny souvisejících jemných událostí obsaženy v hrubých událostech (Hard, Recchia & Tversky, 2011;

identifikoval, že hranice události obdržela větší hodnotu ve srovnání se vzdálenějšími snímky. Dále byla pravděpodobnost spojená s každým stisknutím snímku nebo tlačítka zprůměrována mezi účastníky, aby se vytvořily normativní hranice událostí. Nakonec pravděpodobnost segmentace každého účastníka při

Sargent a kol., 2013). Hrubé hranice byly pro každé video hodnoceny podle toho, zda následovaly nebo předcházely nejbližší jemné hranici. Skóre v uzavřeném prostoru každého účastníka pak představovalo podíl hrubých hranic, které následovaly (spíše než předcházely) nejbližší jemné hranici, přičemž se zohledňovalo očekávané uzavření v důsledku náhody. Vyšší hodnoty znamenají lepší zarovnání. Předpověděli jsme efekt mezi subjekty, takže basketbaloví experti ve srovnání s kontrolními nováčky budou vykazovat lepší zarovnání hrubých a jemných hranic pro basketbalová videa ve srovnání s Overwatch. Předpověděli jsme také a

efekt uvnitř subjektů takový, že samotní basketbaloví experti by vykazovali lepší zarovnání hrubých a jemných hranic pro basketbalová videa ve srovnání s Overwatch, protože sami byli v Overwatch nováčky.

Zobecněný lineární víceúrovňový model byl použit k predikci uzavření z pevných účinků skupiny, aktivity a jejich interakce a náhodných účinků účastníka a videa. Významný hlavní účinek skupiny (t=2,07, p=0,04) a okrajově významný hlavní účinek aktivity (t=3,27, p {{7} } .07) byly přítomny; tyto vlivy však byly kvalifikovány významným

interakce mezi skupinou a aktivitou (t=2.03, p=.04). Basketbaloví experti prokázali lepší prostor pro basketbal (M= 0,57, SE=0,03, 95 procent CI [0,50, 0,63]) ve srovnání s Overwatch (M=0,47 , SE=0,03, 95 procent CI [,41, 0,52]), zatímco kontrolní nováčci (basketbal: M=0,46, SE=0,02, 95 procent CI [ 0,42, 0,51]; Overwatch: M= 0,43, SE=0,02, 95 procent CI [0,38, 0,47]), se u těchto dvou aktivit nelišily ve schopnosti krytí (viz obr. 3). Tento výsledek podporuje naši hypotézu, že experti prokázali lepší kódování organizace aktivit v rámci své expertní domény.

Ovlivňuje odbornost paměť pro dynamické aktivity?

Většina práce provedené s odborníky ukázala, že odborníci mají lepší paměť na informace v jejich oboru (přehled viz Ericsson & Smith, 1991; Vicente & Wang, 1998). Na základě toho jsme předpokládali, že nalezneme takový efekt v rámci subjektů, že by basketbaloví experti vykazovali lepší uznáníPaměťpro basketbalová videa ve srovnání s videi Overwatch. Předpokládali jsme také, že najdeme interakci Skupina × Aktivita tak, že si experti znovu zapamatují basketbalová videa více než kontrolní nováčky, ale nebudou se lišit v jejich rozpoznávání.Paměťvýkon pro videa Overwatch.

Rozpoznávání Zobecněný logistický víceúrovňový model byl použit k predikci rozpoznávacího výkonu z pevných efektů skupiny, aktivity a jejich interakce a náhodných efektů účastníka a videa. Byla přítomna významná interakce mezi skupinou a aktivitou (z=5,05, p < 0,001),="" takže="" basketbaloví="" experti="" vykazovali="" výrazně="" lepší="" rozpoznávací="" schopnost="" pro="" basketbal="" (m="0,68," se="" {{5}="" }="" 0,02,="" 95="" procent="" ci="" [0,63,="" 0,72],="" ve="" srovnání="" s="" overwatch="" (m="0,59," se="0,02," 95="" procent="" ci="" [,55,="" 0,63]),="" vzhledem="" k="" tomu,="" že="" kontrolní="" nováčci="" (basketbal:="" m="0,56," se="0,01," 95="" procent="" ci="" [,53,,58];="" overwatch:="" m="0,59," se="" {{26="" }}="" 0,01,="" 95="" procent="" ci="" [0,56,="" 0,62]),="" se="" nelišily="" v="" jejich="" rozpoznávacím="" výkonu="" napříč="" aktivitami="" (viz="" obr.="" 4).="" žádné="" další="" účinky="" nebyly="" přítomny="" (všechny="" ps=""> 0,05). Tento výsledek podporuje naši hypotézu odbornosti a replikuje přínosný účinek odbornosti na paměť pro informace v oblasti expertů.

Vysvětluje lepší segmentační schopnost odborníků výhody paměti?

Dohoda o segmentaci je spojena sPaměťpro události (např. Bailey et al., 2013; Flores et al., 2017; Sargent et al., 2013); Proto jsme předpokládali, že účastníci s vysokou schopností segmentace budou mít také lepší paměť, bez ohledu na aktivitu. Kromě toho jsme předpověděli, že dohoda o segmentaci bude interagovat se skupinou tak, že basketbaloví experti ukáží ještě silnější vztah mezi dohodou a pamětí ve srovnání s kontrolními nováčky pro basketbalová videa. Tato předpověď je založena na myšlence, že znalosti by zlepšily shodu segmentace, což by zase zlepšilo paměť.

Segmentační dohoda Zobecněný Poissonův víceúrovňový model byl použit k predikci rozpoznávacího výkonu z plného faktoriálu fixních efektů segmentační dohody,4 skupiny a aktivity a náhodných efektů účastníka a videa. Významný hlavní účinek dohody o segmentaci (z=1.96, p =

.05) naznačili, že rozpoznávání bylo skutečně lepší pro lidi s vyšší shodou segmentace, což replikovalo předchozí práci (Bailey a kol., 2013; Flores a kol., 2017; Sargent a kol., 2013; Zacks a kol., 2006). Nicméně Segmentační dohoda × Skupina 4 Zde jsme použili hrubou segmentační dohodu, ale jemná segmentační dohoda přinesla stejný vzorec výsledků.

interakce nebyla významná, což naznačuje, že účinek segmentace naPaměťnebyla pro odborníky silnější.

Mezi znalostmi a aktivitou byla přítomna významná obousměrná interakce (z=−2,97, p=0,003), takže rozpoznání basketbalových expertů bylo lepší pro basketbalová videa ve srovnání s Overwatch, ale kontrolní nováčky “ uznání se nelišilo podle aktivity. Významná obousměrná interakce mezi shodou hrubé segmentace a aktivitou (z=−2,23, p=0,03) naznačila, že dohoda o segmentaci předpovídala uznání pro Overwatch silněji než pro basketbal. Tyto dvoucestné interakce však byly kvalifikovány třístrannou interakcí mezi dohodou o segmentaci, skupinou a aktivitou byly okrajově významné (z=1,90, p=0,06). Dohoda o segmentaci předpovídala výkon rozpoznávání pouze pro odborníky ve videích Overwatch (r =

0,38; viz obr. 5). Žádné další účinky nebyly přítomny (všechny ps > 0,05).

Tyto výsledky částečně podpořily naši hypotézu, že shoda segmentace byla spojena s lepšíPaměť; tento vztah však nebyl pro odborníky celkově silnější. Dohoda o segmentaci odborníků nevysvětlovala jejich lepší paměťový výkon v jejich expertní doméně. Dohoda o segmentaci odborníků pouze předpovídala jejichPaměťvýkon pro neznámou aktivitu, což naznačuje, že segmentace může prospět paměti více, když se lidé potřebují spolehnout na efektivitu kódování a ne na sémantické znalosti, které jim pomohou zapamatovat si aktivitu.

Diskuse

Současná studie replikovala a rozšířila literaturu o doménových znalostech a poznávání událostí tím, že vyhodnotila zda

znalost domény ovlivňuje segmentaci aPaměťpro události v rámci i mimo oblast znalostí. Celkově se segmentace a paměťová schopnost basketbalových expertů pro aktivity v rámci jejich oblasti odbornosti lišila od segmentace a paměťových schopností kontrolních nováčků (srovnání mezi skupinami) a také se lišila od jejich vlastní segmentace aPaměťschopnost pro činnost mimo oblast jejich odbornosti (v rámci předmětu srovnání). Důležité však je, že vynikající paměť odborníků nebyla produktem jejich normativnější schopnosti segmentace, což naznačuje, že účinky znalostí a segmentace mohou ovlivnitPaměťnezávisle. Vysvětlení těchto zjištění jsou uvedena níže.

Rozdíly v kódování

Identifikace hranic Předchozí práce hodnotící vlivy odbornosti a známosti na segmentaci zjistily, že je identifikováno méně dílčích událostí, protože lidé získávají znalosti pro určitou činnost nebo se s ní seznamují (např. Bläsing, 2015; Hard a kol., 2006b; Levine a kol., 2017). Současná studie tato zjištění neopakovala. Na hrubé úrovni se basketbaloví experti nelišili od kontrolních nováčků v počtu vnímaných hranic událostí. Na jemné úrovni však odborníci identifikovali více hranic událostí, zejména pro činnost, ve které měli více znalostí. Bläsing (2015) ani Levine et al. (2017) rozlišovali mezi hrubou a jemnou identifikací hranic.

Jednou z možností je, že odborníci lépe rozlišují mezi informacemi ve své odborné oblasti (Herzmann & Curran, 2011). Hodnocení vyšší diferenciace odborníků

schopnosti byly omezeny na kategorizaci objektů a zpracování vlastností, na rozdíl od vnímání dynamických událostí. Na základě důkazů v této studii se odborníci mohou zapojit do diferenciačního zpracování při identifikaci jemných dílčích událostí pro dynamické činnosti v rámci jejich oboru. Budoucí studie by měly dále vyhodnotit vliv znalostí na hrubou a jemnou segmentaci, aby bylo možné lépe porozumět tomu, jak odborníci vnímají strukturu událostí v rámci své domény.

Hraniční dohoda Levine et al. (2017) zjistili, že odborníci na krasobruslení se shodli na hlavních dílčích událostech v rámci krasobruslařské rutiny. Současná studie replikovala tento efekt na hrubozrnné úrovni. Je zajímavé, že tato vyšší shoda mezi odborníky na hrubé zrno nebyla způsobena jejich identifikací více hrubých hranic zrn, protože identifikovali podobný počet hrubých hranic jako kontrolní nováčci. Z hrubých hranic identifikovaných účastníky experti identifikovali více podobných hranic pro basketbal, zatímco kontrolní nováčci vykazovali více idiosynkratickou identifikaci hrubých hranic (nižší souhlas). Odborníci mohou použít podobnou znalostní základnu k vedení své segmentace. Ačkoli to není v této studii výslovně testováno, odborníci mohou prokázat větší shodu ve své doméně, protože jsou schopni lépe sledovat koherenci událostí nebo zaznamenat méně chyb v predikci, protože mohou předvídat širší rozsah výsledků. Je také možné, že odborníci mohou být při určování hranic přesnější ve svém načasování ve srovnání s nováčky, kteří si mohou všimnout důležitých změn pomaleji. Výzkum motorického vnímání naznačuje, že motorická odbornost moduluje předvídání akcí (basketbal: Aglioti, Cesari, Romani, & Urgesi, 2008; hudba: Wöllner & Cañal-Bruland, 2010), takže pozorovatelé jsou lepší v předvídání akcí druhých, když sami mají zkušenost. provádění stejných akcí.

myricetin

Zajímavé je, že dohoda o jemné segmentaci pro odborníky a nováčky v oblasti kontroly se nelišila, přestože odborníci identifikovali pro basketbal jemnější hranice. Je možné, že identifikace jemných hranic může být řízena změnami ve vnímání (např. pohyb: když jeden basketbalový hráč přihrál míč druhému). Pokud se odborníci i nováčci spoléhají na pohyb, aby řídili svou segmentaci jemných událostí, mohli identifikovat podobné hranice.

Organizace hranic Předchozí výzkum nezjistil žádný vliv znalostí na rozdíly v hierarchickém zarovnání (Sargent et al., 2013). Současná studie však zjistila, že odborníci prokázali lepší ohraničení hrubých a jemných hranic pro basketbal. Podobně Feller a kol. (2018) zjistili, že basketbaloví experti byli schopni lépe vnímat strukturu v basketbalových hrách než nováčci, čímž koncepčně replikovali efekty kódování organizace zjištěné u basketbalových odborníků v aktuální studii. Tyto studie naznačují, že znalostní vlivy kódují organizaci hranic; budoucí výzkum by však měl pokračovat ve zkoumání účinků struktury událostí na segmentaci.

Celkově se odborníci a nováčci v oblasti kontroly lišili ve většině závislých měřítek kódování, což naznačuje, že experti kódují dynamické informace ve svém oboru znalostí jinak než informace mimo svůj obor. Tato zjištění podporují EST, v této oblasti znalosti ovlivnily schopnost segmentace. Důležité je, že současné nálezy nemusely být přítomny, kdyby nebyla zahrnuta velikost zrna (hrubá a jemná). Tato manipulace nám umožnila prozkoumat úrovně kódování nebo online zpracování událostí, na které mohou mít znalosti vliv, což je důležité pro revizi EST nebo převod těchto účinků do aplikovaných scénářů (např. vzdělávání).

Rozdíly ve vyhledávání Současná studie kopírovala desetiletí výzkumu, který prokázal nadřazenost odborníkůPaměťpro informace v oblasti jejich znalostí. Basketbaloví experti vykazovali přesnější rozpoznávací výkon ve srovnání s kontrolními nováčky, zejména u basketbalových videí, což naznačuje, že znalosti usnadnilyPaměť.

Předpovídá kódování načítání? Záleží

Hlavním cílem současné studie bylo vyhodnotit, do jaké míry předpovídala schopnost expertů segmentovatPaměťv rámci jejich znalostního oboru. Zjistili jsme, že odborníci měli více znalostí pro basketbal a tyto znalosti byly spojeny s lepší schopností segmentace při kódování částí basketbalové hry. Vliv znalostí mezi subjekty na hrubou segmentaci byl mírný (d=0,42) a účinek v rámci subjektů byl velký (d=0,96), což ukazuje srovnatelnou velikost účinku s předchozí prací, která ukazuje střední účinky znalostí (např. d=0,33; Newberry & Bailey, 2019) a velké účinky odbornosti (např. ƞ2=0,26; Levine et al., 2017). Schopnost segmentace dále předpovídala uznání v současné studii, která replikovala předchozí práci ukazující, že lepší shoda segmentace souvisí s lepší pamětí (např. Bailey et al., 2013; Flores et al., 2017; Sargent et al., 2013) a obecně podporuje čtvrtý princip modelu horizontu událostí. Tento vztah však byl přítomen pouze tehdy, když experti neměli znalosti pro danou aktivitu, což naznačuje, že lepší paměť expertů v jejich doméně znalostí nebyla způsobena lepší segmentací.

Jedním z vysvětlení je, že segmentace pomáhá organizovat a integrovat příchozí informace během kódování, ale sémantické znalostní struktury (pokud jsou k dispozici) mohou ovlivňovat vyhledávání více než reprezentace epizodické paměti vytvořené během segmentace. Když však znalosti pro danou činnost neexistují nebo jsou ochuzeny, lidé nemají jinou možnost, než se spolehnout na tyto epizodickéPaměťreprezentace pro průvodce vyhledávání. Současné výsledky nejsou první, které takový efekt vykazují. Smith a kol. (2020) zmanipulovali obeznámenost účastníků s různými každodenními činnostmi a zjistili, že schopnost segmentace pouze předpovídalaPaměťpřesnost v neznámých činnostech pro mladé i starší dospělé. To může naznačovat, že jak segmentace, tak znalosti ovlivňujíPaměť, ale dělají tak nezávisle na sobě. Při takových tvrzeních však chceme být opatrní, protože tento efekt jsme našli pouze v naší expertní skupině (segmentace předpovídaná paměť ve videích Overwatch) a ne v naší skupině nováčků, která postrádala znalosti pro oba typy činností. Segmentace navíc není jediným kódovacím mechanismem, který může být přínosem pro paměť. Basketbaloví experti v této studii se mohli zapojit do jiných kódovacích mechanismů (např. sémantického členění nebo zpracování), aby řídili jejich kódování a vyhledávání basketbalových událostí. Budoucí výzkum by se měl pokusit oddělit od sebe spoléhání odborníků a nováčků na schéma a strukturu událostí při zapamatování informací z událostí v oblasti znalostí i mimo ni.

Další důležitou poznámkou je, že míraPaměťv současné studii bylo uznání. Předchozí práce zkoumající vztah mezi segmentací a pamětí používaly měření paměti (např. Flores et al., 2017; Sargent et al., 2013). Je možné, že účinky znalostí na segmentaci aPaměťmůže být výraznější díky odvolání. Rozpoznání je snazší než si vybavit, protože poskytuje relevantní vodítka a umožňuje lidem spolehnout se na vyhledávání a pocity důvěrnosti (např. Graesser & Nakamura, 1982; Schwartz, 2018). Na druhou stranu Recall nepoužívá (nebo používá omezené) podněty a vyžaduje, aby osoba informace získala, spíše než aby je identifikovala. Zde nemusí být paměťové efekty dostatečně velké, aby bylo možné vidět přínos znalostí o předpovídání segmentacePaměťkvůli dostupnosti tág. V současné studii jsme nepoužili možnost stažení, protože nováčci v oblasti kontroly by mohli být znevýhodněni tím, že neznali terminologii popisující to, co si prohlíželi.

cistanche pharma special

Omezení

Současná studie podléhala určitým omezením. Zaprvé, nábor odborníků z Overwatch byl obtížný, a to i po zacílení na hráče Overwatch. Část této obtížnosti mohla být způsobena nešťastným načasováním vydání nové, populárnější videohry Fortnite (Ranker, 2018). Budoucí práce může mít větší úspěch při náboru odborníků na videohry online prostřednictvím stránek, jako je Amazon Mechanical Turk. Kromě toho by se budoucí práce měla zaměřit na replikaci těchto odborných účinků v dalších oblastech odbornosti. Předchozí studie se zaměřovaly na tanec a krasobruslení, které sdílí několik charakteristik, jako je učení se choreografickým pohybům a často se spoléhají na dovednosti jednotlivce. Pro současnou studii jsme vybrali aktivity, které zahrnovaly jiný soubor dovedností; obě aktivity však byly týmové a zahrnovaly více hráčů. Vzhledem k omezenému počtu dosud testovaných domén by se tedy budoucí práce měla zaměřit na širší pole domén.

Jak již bylo řečeno, je třeba poznamenat, že přínos současné práce zůstává významný. Byla provedena srovnání mezi subjekty i v rámci jednotlivých subjektů, což odlišuje tuto práci od předchozí práce (např. Bläsing, 2015; Levine et al., 2017), a co je důležité, kontrolní nováčci nevykazovali stejný přínos segmentace jako odborníci na basketbal, což naznačuje, že uvedené účinky byly způsobeny rozdíly ve znalostech, nikoli podněty.

Za druhé, eventPaměťbyla hodnocena pouze pomocí jedné paměťové úlohy. Bohužel, pořadíPaměťvýsledky nebyly interpretovatelné kvůli extrémně nízké spolehlivosti (alfa=0,22). Stažení nebylo dále posouzeno kvůli možným rozdílům ve slovníku, které by mohly znevýhodnit nováčky v oblasti kontroly při pokusu popsat události basketbalu a Overwatch. Avšak vzhledem k tomu, že vybavování může být citlivější na vlivy znalostí (např. Anderson & Pichert, 1978; Bransford & Johnson, 1972), budoucí studie by měly zvážit zahrnutí míry zapamatování navzdory omezení slovní zásoby.

Závěry

Nakonec byla nalezena podpora pro Event Horizon Model a EST, což naznačuje, že znalosti pomáhajíPaměťa že znalosti ovlivňují schopnost segmentace. Současná studie zjistila, že odbornost ovlivnila schopnost segmentace událostí, ale byla lepší než expertiPaměťpro akce v rámci jejich oboru nebylo kvůli lepší schopnosti segmentace. Byly přítomny důkazy pro rozdíly v kódování i vyhledávání mezi odborníky a nováčky v oblasti kontroly; předběžné důkazy však naznačují, že segmentace a znalosti zřejmě ovlivňujíPaměťnezávisle na sobě.

Doplňkové informace Online verze obsahuje doplňkový materiál dostupný na https://doi.org/10.3758/s13421-020-01118-1

Poděkování Upřímné děkuji všem, kteří se podíleli na tomto projektu: Dr. Heather Bailey, Dr. Lester Loschky a Dr. Joseph Magliano za jejich úžasné vedení a konstruktivní zpětnou vazbu během celého tohoto projektu; Danielu Fellerovi a Jordannu Brandnerovi za pomoc s rozvojem stimulů; Mavericku Smithovi za jeho pomoc se statistickými analýzami; Destiny Bell a Dr. Barbaře Pitts za jejich obecnou zpětnou vazbu a podporu; Jennice Rogersové a našemu týmu vysokoškolských spolupracovníků na výzkumu, včetně Jaydana Bruny, Allison Griffinové, Marissa Muto, Sydnee Pachek, Nicholase Parkera a Rebeccy Ryanové, za jejich pomoc se sběrem dat, hodnocením dat, zadáváním dat a obecnou zpětnou vazbou.

Prohlášení o otevřených postupech

Průzkumy použité v této studii jsou uvedeny v příloze. Údaje jsou v současné době k dispozici prostřednictvím e-mailu s autory, ale mohou být zpřístupněny po zveřejnění prostřednictvím Open Science Framework (pouze https:// osf.io/a{{0}}hz/?view_ =1411cb0d128146c697f912de198162e5). Tento experiment nebyl předem registrován.

Autorský příspěvek K. Newberry a H. Bailey se podíleli na koncepci a designu studie. D. Feller přispěl průzkumnými materiály a referencemi. K. Newberry se ujal vedení vývoje programu, sběru dat a bodování dat. K. Newberry také navrhl rukopis, zatímco D. Feller a H. Bailey poskytli revize. Všichni autoři schválili konečnou verzi rukopisu.