K čemu je dobrý čas v pracovní paměti?

ali.ma@wecistanche.com

Pro paměť klikněte na Cistanche NZ

Abstraktní

Dát lidem více času na zpracování informací v práciPaměťzlepšujejejich pracovní výkonPaměťúkoly. Často se předpokládá, že volný čas poskytnutý po předložení předmětu umožňuje procesům údržby působit proti zapomenutí tohoto předmětu, což naznačuje, že čas má zpětnou účinnost. Dvě další hypotézy – krátkodobá konsolidace a časová odlišnost – znamenají místní vliv času na bezprostředně předcházející a následující položky. Zde místo nové globální a proaktivní výhody času v práci ukazujemePaměť. Ve třech experimentech se sériovým vyvoláním (Ns=21, 25 a 26 mladých dospělých, v tomto pořadí) jsme měnili polohu a trvání volného času v sedmipoložkovém seznamu souhlásek. Experiment 1 ukázal, že účinek je globální a ne lokální. Experimenty 2a a 2b ukázaly, že delší mezidobí prospívalo výkonu pouze u následujících položek, což znamená proaktivní přínos. Toto zjištění vylučuje procesy údržby, krátkodobou konsolidaci a časovou odlišnost jako vysvětlení přínosu pro volný čas, ale je v souladu s návrhem postupně se obnovujícího zdroje kódování.

Klíčová slova: cistanche pracovní paměť, čas, kódovací zdrojový účet, proaktivní přínos, paměť, otevřená data, otevřené materiály

V rámci krátkodobého nebo pracovníhoPaměť, plynutí času je obvykle považováno za příležitost zapomenout (Donkin et al., 2015; Lewandowsky & Oberauer, 2009; Mercer & McKeown, 2014; Ricker et al., 2016, 2020). Méně prozkoumanou úlohou času je, že za určitých okolností pomáhá udržovat informace v práciPaměť. KdyžPaměťseznam je prezentován pomaleji – to znamená s více volným časem mezi položkami – okamžité sériové stažení se často ukazuje jako lepší (Ricker & Hardman, 2017; Souza & Oberauer, 2017; Tan & Ward, 2008; recenze viz Oberauer et al., 2018; Penney, 1975). Zde jsme se zeptali, co způsobuje tento příznivý vliv času na pracovní paměť.

Jedním z možných vysvětlení je, že volný čas mezi položkami slouží ke zkoušce. Zkouška je běžně uváděná strategie údržby v úlohách pracovní paměti. K příznivému efektu volného času by mohly přispět tři formy nácviku: artikulační nácvik (Tan

Při obnovování založeném na pozornosti se informace znovu aktivují tím, že se jim během údržby záměrně věnujeme. Při pracném zkoušení jsou reprezentace podnětů, které si mají být zapamatovány, obohaceny tím, že je spojujeme se znalostmi dlouhodobé paměti.

Volný mezipoložkový čas lze také využít pro krátkodobou konsolidaci (Jolicœur & Dell'Acqua, 1998) právě zakódované položky. Krátkodobá konsolidace probíhá po zakódování položky; odhaduje se, že to trvá asi 0,5 s až 1,5 s a předpokládá se, že bude vyžadovat centrální zdroj zpracování (Jolicœur & Dell'Acqua, 1998; Nieuwenstein & Wyble, 2014).

Třetí vysvětlení pochází z hypotézy časové rozlišitelnosti. Podle teorií časové rozlišitelnosti paměti, prodloužení doby mezi položkami snižuje podobnost jejich časových kontextů, což by zase mělo snížit časovou zaměnitelnost a zvýšit přesnost paměti (Brown et al., 2007). Související myšlenkou je, že výjimečně dlouhé mezipoložkové časy – například když jsou podmnožiny položek seznamu dočasně seskupeny (Ryan, 1969b) – vyvolávají posun kontextu, čímž se zvyšuje kontextová rozlišitelnost mezi položkami v různých skupinách.

Tato vysvětlení vedou k různým předpovědím o tom, které položky v seznamu paměti těží z většího volného času. Uvažujeme rozdíly v předpovědích ve dvou dimenzích (viz tabulka 1), které lze nejlépe vysvětlit zaměřením se na jeden mezipoložkový interval někde uprostřed seznamu vzpomínek: (a) Příznivý vliv volného času v tomto intervalu může být zpětný. (tj. zlepšení paměti pro položky zakódované před intervalem) nebo proaktivní (tj. zlepšení paměti pro následně zakódované položky) a (b) příznivý účinek může být lokální (tj. zlepšení paměti pouze pro položky bezprostředně předcházející nebo následující volné -časový interval) nebo globální (tj. zlepšení paměti pro všechny položky seznamu před nebo po intervalu).

Tři formy zkoušení (artikulační zkoušení, elaborativní zkoušení a osvěžení pozornosti) lze aplikovat pouze na předměty již zakódované v pracovní paměti před volnočasovým intervalem, a proto musí být jejich účinek především zpětný. Artikulační nácvik je obvykle kumulativní, a proto by účinek měl být zpětný a globální a měl by být přínosem pro všechny položky zakódované před volným intervalem použitým ke zkoušce. Obvykle se také předpokládá, že osvěžení projde všemi položkami v pracovní paměti, spíše než aby setrvávalo u poslední prezentované položky, což implikuje globální zpětný účinek (Barrouillet et al., 2007; Lemaire et al., 2018; Oberauer & Lewandowsky, 2011 ). Naproti tomu zpracování může zahrnovat všechny dosud zakódované položky nebo pouze poslední zakódovanou položku, takže účinek může být globální nebo lokální.

Vylepšení paměti pro položky předcházející intervalu volného času může mít nepřímý vliv i na následující položky. Pokud je například volný čas využit ke zlepšení údržby dříve zakódovaných položek, pak je-li k dispozici dostatek času, lze během této doby dokončit procesy údržby, jako je zkouška nebo obnova těchto položek. To by mohlo snížit náklady na zkoušení nebo obnovení předchozích položek během kódování nebo údržby následujících položek

Prohlášení o relevanci

Pracovní paměť je tabulí naší mysli, kde můžeme krátkodobě uchovávat informace dostupné – například můžeme v pracovní paměti podržet nové telefonní číslo a pak je z paměti napsat. Běh času je obvykle spojen se zapomínáním informací uložených v pracovní paměti: Mnoho výzkumníků věří, že informace v pracovní paměti rychle mizí, pokud si je nezopakujeme. Na rozdíl od této myšlenky výzkum ukazuje, že pokud se mezi přidáváním položek do pracovní paměti zastavíme, naše paměť se zlepší. Zjišťovali jsme, k čemu lidé tyto pauzy používají. Například lze použít pauzu k procházení toho, co je již v pracovní paměti (např. zkouška). Místo toho jsme zjistili, že pauzy zlepšují vybavování informací, které jsou přidány do pracovní paměti po pauze, aniž by vedly k jakémukoli zapomenutí položek již v pracovní paměti před pauzou. Toto zjištění naznačuje, že pauzy (tj. čas) pomáhají pracovní paměti připravit se na budoucí informace a volá po novém způsobu uvažování o roli času v pracovní paměti.

položek a tím zlepšit údržbu následujících položek. V tomto případě by se vedle zpětného účinku mohl objevit i proaktivní účinek.

Běžně se předpokládá, že krátkodobá konsolidace se vztahuje pouze na poslední kódovanou položku. Navíc se spoléhá na omezený zdroj zpracování, takže většina teoretiků předpokládá, že je vždy konsolidována pouze jedna položka (přehled viz Ricker et al., 2018). Tato konceptualizace naznačuje, že v libovolném intervalu volného času je konsolidována pouze bezprostředně předcházející položka. Pokud je každá položka konsolidována pouze do přerušení nástupem další položky, musí být příznivý efekt volného času zpětný a lokální: Delší volný čas umožňuje delší konsolidaci předchozí položky. Ricker a Hardman (2017) navrhli alternativní hypotézu: Krátkodobá konsolidace je balistická

proces, který po spuštění běží do konce. Když není dostatek času na dokončení konsolidace, konsolidace další položky se odloží, a tím se omezí (Ricker & Hardman, 2017). Větší volný čas zabraňuje tomuto odkládání a tím zlepšuje paměť pro následující položku a předpovídá místní proaktivní přínos pouze pro tuto položku. V sérii experimentů s vizuální pracovní pamětí získali Ricker a Hardman (2017) důkazy pro takový lokální, proaktivní efekt.

Podle hypotézy časové rozlišitelnosti by delší volný čas měl zvýšit časovou odlišnost položek bezprostředně před a po intervalu volného času (Brown et al., 2007). Časová rozlišitelnost tedy předpovídá místní účinky, které jsou proaktivní i retroaktivní. Tato předpověď byla testována v několika studiích. Zatímco předpokládané účinky byly pozorovány v testech rozpoznávání (Morin et al., 2010) a některých verzích testů rekonstrukce řádu, v testech okamžitého sériového vyvolání nápadně chybí (Lewandowsky et al., 2006; Nimmo & Lewandowsky , 2005, 2006; Parmentier a kol., 2006; Peteranderl & Oberauer, 2018).

Podobně, kontextové posuny mezi časovými skupinami předpovídají symetrické proaktivní a retroaktivní přínosy, které jsou převážně lokální, ale do určité míry také globální (Burgess & Hitch, 1999; Farrell, 2012). Takové účinky jsou běžně pozorovány při sériovém vzpomínání, což vede k efektům prvenství a aktuálnosti v rámci skupiny (Frankish, 1989; Ryan, 1969a).

Abychom pochopili, k čemu se v pracovní paměti využívá volný čas, testovali jsme (a) zda má volný čas lokální nebo globální účinky a (b) zda je účinek volného času proaktivní, retroaktivní nebo obojí. Experiment 1 se zaměřil na posouzení mezi globálními a lokálními efekty. V rámci seznamů jsme měnili trvání mezidobí. Mezipoložkové časy byly buď konzistentně krátké v celém seznamu, konzistentně dlouhé, nebo se lišily v rámci seznamu odlišně pro všechny pozice, takže průměrná mezipoložková doba byla stejně dlouhá jako u trvale dlouhé podmínky. Cílem podmínky proměnného intervalu bylo otestovat, zda trvání každého mezipoložkového intervalu má vliv převážně na sousední položky (tj. lokální efekty) nebo se rozprostírá napříč položkami seznamu (tj. globální efekt).

Manipulace s variabilním intervalem kopíruje návrh Lewandowského et al. (2006) pro testování hypotézy časové rozlišitelnosti. Studie sériového vyvolání s tímto designem nenalezly žádný důkaz pro místní vlivy času, což je v rozporu s předpovědí časové odlišnosti. Jednou z možností, kterou musíme vzít v úvahu, je, že lidé používají volné mezipoložkové intervaly pro procesy, jako je komplikované zkoušení nebo krátkodobá konsolidace, pouze pokud je jejich trvání předvídatelné. V takovém případě nepředvídatelně se měnící intervaly ve studiích časové rozlišitelnosti nemusely být použity pro žádný proces zlepšující paměť. Pokud ano, paměť ve stavu s proměnným intervalem by měla být horší než ve stavu s konzistentně dlouhými intervaly, přestože celkově poskytuje stejné množství volného mezipoložkového času.

Experimenty 2a a 2b jsme testovali, do jaké míry je přínos pro volný čas proaktivní nebo retroaktivní. Prodloužili jsme pouze jeden mezičas, zatímco zbytek byl opraven. Pozice delšího mezičasu se v seznamu měnila. Delší interval mezi položkami mohl být 2 500 ms nebo 500 ms, zatímco běžné intervaly mezi položkami byly každý 50 ms. Ptali jsme se, zda má dlouhý interval vliv na předchozí položky (retroaktivní), následující položky (proaktivní) nebo obojí. Kromě toho jsme očekávali, že uvidíme efekty časového seskupení kvůli odchylnému mezipoložkovému intervalu pro intervaly 500-ms i 2,{12}}ms. Protože Ryan (1969b) nepozoroval žádný rozdíl v seskupovacích efektech mezi krátkými a dlouhými meziskupinovými intervaly, předpověděli jsme, že tyto seskupovací efekty jsou ekvivalentní pro obě deviantní délky. Cílem bylo sledovat, zda nadbytečný volný čas (2,{16}} ms) uvedený na různých pozicích v seznamu paměti by prospěl výkonu u položek pozorovaných před nebo po manipulovaném intervalu, nad rámec efektů časového seskupování.

Metoda

Účastníci

Experimentů 1, 2a a 2b se zúčastnilo 21, 25 a 26 mladých dospělých. Velikosti vzorků byly vybrány na základě předchozích experimentů, které prokázaly příznivé účinky delších mezipoložkových intervalů. Sběr dat byl zastaven, když jsme dosáhli předem stanovené cílové velikosti vzorku (N plus 1, pokud je to možné, pro případ, že bychom během analýzy potřebovali vyloučit jakákoli data). Experiment 1 měl cílovou velikost vzorku 20 a experimenty 2a a 2b měly cílovou velikost vzorku 25. Experimenty trvaly až 60 minut. Účastníkům byl jejich čas proplacen kreditem kurzu nebo 15 švýcarskými franky za hodinu.

Postup

Každá studie začala s centrálním fixačním bodem prezentovaným na 500 ms, po kterém následovala prezentace seznamu studií. Seznamy se skládaly ze sedmi souhlásek prezentovaných po jedné (viz obr. 1). V experimentu 1 byla každá položka seznamu zobrazena na obrazovce po dobu 250 ms, poté následovala prázdná obrazovka pro zbytek interstimulačního intervalu (ISI), zde definovaný jako celkový interval od posunu jedné souhlásky do začátku další. . V Experimentech

Obr. 1. Časová osa fáze kódování v každé z podmínek z experimentů 1 a 2. V každé podmínce bylo po jedné prezentováno sedm souhlásek, náhodně vybraných z 21 souhlásek. Poté následoval test sériového vyvolání. Interstimulus intervaly (ISI), definované jako celkový interval od offsetu jedné souhlásky do začátku další, se měnily napříč podmínkami. Čísla nad seznamy označují ISI pro souhlásky pod nimi. V experimentu 1 byla vždy uvedena poslední souhláska po dobu 250 ms a po ní následoval retenční interval. Retenční interval, čas mezi posunem poslední souhlásky a testem, byl pevně stanoven pro všechny podmínky (1 250 ms). Ve stavu s dlouhou proměnnou bylo ke každé pozici ISI v seznamu náhodně přiřazeno šest různých ISI (50, 250, 550, 950, 1 450 a 1 950 ms). V dlouho fixovaném stavu byly ISI fixovány (870 ms); součet ISI byl přibližně stejný jako ve stavu s dlouhou proměnnou. Ve stavu short-fixed byly ISI fixní (50 ms) a jejich součet byl kratší než v ostatních podmínkách. V experimentu 2 by jeden z ISI mohl být delší než zbývající ISI, což představuje mezeru ve fázi kódování a poskytuje volný čas mezi studijními položkami. Tato mezera byla 500 ms ve stavu s krátkou mezerou a 2 500 ms ve stavu s dlouhou mezerou. Ve zde uvedených příkladech podmínek krátké a dlouhé mezery se mezera objeví za první položkou v seznamu studií. Ve skutečném experimentu může být mezera na libovolné pozici v seznamu. Všechny ostatní ISI v Experimentu 2 (včetně těch ve stavu bez mezery [základní]) byly 50 ms. Pouze experiment 2b měl podmínku bez mezery.

2a a 2b byla každá položka seznamu prezentována po dobu 300 ms, po které následovala prázdná obrazovka pro zbytek ISI. Standardní ISI v experimentech 2a a 2b byla 50 ms. Ve všech experimentech po prezentaci seznamu následovala prodleva (1 250 ms pro experiment 1; 1,{10}} ms pro experimenty 2a a 2b) a poté účastníci zahájili okamžitý test sériového vyvolání. Účastníci byli instruováni, aby napsali písmena v pořadí prezentace. Než mohli přistoupit k dalšímu soudu, museli zadat sedm položek.

Experiment 1. Experiment sestával ze šesti bloků, každý po 18 pokusech, což vedlo ke 108 pokusům. Abychom otestovali, zda byl vliv volného času globální nebo místní, manipulovali jsme s trváním ISI. ISI je celkový interval od offsetu jedné položky do začátku další položky. Existovaly tři podmínky: stav s krátkou fixací sestávající z krátkých ISI (50 ms) v celém seznamu, dlouho fixní stav skládající se z delších ISI (870 ms) v seznamu a stav s dlouhou proměnnou sestávající z proměnných ISI. Každý účastník absolvoval stejný počet pokusů v každé z těchto podmínek v náhodném pořadí.

Klíčovou manipulací byl stav s dlouhou proměnnou, který se řídil návrhem Lewandowského et al. (2006). V tomto stavu bylo šest různých ISI: 50 ms, 250 ms, 550 ms, 950 ms, 1 450 ms a 1 950 ms. V každé studii stavu s dlouhou proměnnou byla každá z těchto ISI přiřazena k jedné mezipoložkové pozici v seznamu. Existovalo 720 možných objednávek v šesti intervalech; tyto příkazy byly přiděleny 20 účastníkům pomocí algoritmu, který minimalizoval variabilitu ve frekvencích použití každého příkazu. Tímto způsobem byl ISI předcházející nebo následující po každé položce neslučitelný se sériovou pozicí položky. Součet ISI ve stavu s dlouhou proměnnou (5 200 ms) byl přibližně roven součtu ISI ve stavu s dlouhou proměnnou (5 220 ms). Čas po poslední položce v seznamech byl pevně stanoven pro všechny podmínky (1 250 ms).

Experiment 2a. Experiment sestával z osmi bloků, každý po 36 pokusech, což vedlo k 288 pokusům. V každé studii byla deviantní ISI v jedné mezipoloze, buď krátká (500 ms) nebo dlouhá (2 500 ms). Oba vytvořili časovou mezeru v kontrastu s pozadím zbývajících standardních ISI, které byly všechny 50 ms. Je známo, že taková mezera vede k časovému seskupování (Ryan, 1969b), ale protože Ryan (1969a) prokázal ekvivalentní seskupovací efekty pro krátké a dlouhé mezery, neočekávali jsme žádný rozdíl v seskupovacích účincích mezi krátkou a dlouhou mezerou. mezerové podmínky. Zkoumali jsme, zda kromě běžného seskupení, volný čas navíc daný ve stavu dlouhé mezery zlepšuje paměť pro položky předcházející volnému času nebo položky následující po volném čase. V seznamu studií bylo šest pozic, kam mohla být mezera vložena: po libovolné položce od první po šestou. Celkem bylo 12 podmínek: šest mezerových pozic a dvě doby trvání mezery. Každý blok sestával ze tří zkoušek každého stavu, což vedlo k 24 pokusům na stav.

Pokus 2b. Experiment 2 byl stejný jako Experiment 1, až na jeden rozdíl. Přidali jsme základní stav, ve kterém nebyly žádné mezery, abychom prozkoumali obecné účinky mezery, jako je časové seskupení. Ve výchozím stavu nebyla žádná deviantní ISI; všechny ISI byly 50 ms. Tím bylo splněno celkem 13 podmínek. Každý blok sestával ze tří zkoušek každého stavu, což vedlo k celkem 312 pokusům.

Materiály

Pro každý seznam bylo náhodně vylosováno sedm souhlásek bez náhrady z 21 souhlásek německé abecedy.

Analýza dat

Odhadli jsme Bayesovské lineární modely se smíšenými efekty pomocí funkce lmBF z balíčku BayesFactor (verze 0.9.12-4.2; Morey & Rouder, 2018) implementované v R programovací prostředí (verze 4.0.1; R Core Team, 2020). Naše analýza se řídila přístupem výběru modelu zaměřeným pouze na soubor „věrohodných modelů“ implikovaných principem marginality (Rouder et al., 2016). Přesněji řečeno, pro každý experiment jsme odhadli celou sadu věrohodných modelů a poté jsme všechny modely porovnali s nulovým modelem, který obsahoval pouze zachycení a náhodný efekt subjektů, pomocí Bayesových faktorů (BF). Model s největší BF byl použit k určení, pro který z účinků (tj. hlavní účinky a interakce) data poskytla důkazy pro nebo proti. Protože naše data obsahovala opakovaná měření (pro všechny faktory ve všech experimentech), provedli jsme tento krok dvakrát – jednou pro minimální model, ve kterém struktura náhodných efektů obsahovala pouze náhodné průniky, a jednou pro maximální strukturu s náhodnými efekty odůvodněnou designem. (Barr et al., 2013). Níže uvádíme výsledky založené na maximálním modelu. Pokud není uvedeno jinak, vzor BF (tj. poskytování důkazů pro nebo proti konkrétnímu efektu) byl stejný pro sadu modelů využívajících strukturu minimálních náhodných efektů. Kompletní výsledky jsou také uvedeny v doplňkovém materiálu dostupném online. Všechny analýzy byly provedeny na datech agregovaných podle účastníka a buňky návrhu. Proto struktura maximálních náhodných efektů odůvodněná návrhem neznamenala náhodné sklony pro efekt nejvyššího řádu (např. interakce nejvyššího řádu; Singmann & Kellen, 2020).

Obr. 2. Podíl přesných odpovědí na úlohu okamžitého sériového vyvolání ve třech podmínkách experimentu 1. Grafy ukazují (a) průměrný výkon pro každou podmínku napříč sériovými pozicemi, (b) výkon pro každou podmínku zprůměrovaný přes sériové pozice jako funkce času před položkou a (c) výkonnosti pro každou podmínku zprůměrovanou napříč sériovými pozicemi jako funkce času po položkách. Přesnost sériového vyvolání byla určena přiřazením správné odpovědi každé položce seznamu pouze v případě, že byla tato položka vyvolána ve správné výstupní poloze. Chybové úsečky označují 95% intervaly spolehlivosti mezi subjekty.

Níže uvedené výsledky jsou často uváděny ve formě BF10, což naznačuje sílu důkazů pro konkrétní ohniskový model, Model 1, oproti srovnávacímu modelu, Model 0. Hodnota BF10 udává, o kolik je pravděpodobnější Model 1 než Model 0. Pokud je hodnota BF10 větší než 1, znamená to důkaz pro alternativní model (tj. Model 1 oproti modelu 0). Pokud je hodnota BF10 menší než 1, znamená to důkaz pro jednodušší model (tj. Model 0 oproti modelu 1). V druhém případě uvádíme místo toho BF01, který je dán BF01=1/BF10, takže hodnoty BF01 větší než 1 znamenají důkaz pro jednodušší model. BF nelze interpretovat jako hodnoty p a neposkytují hranici významnosti. Větší BF znamená silnější důkaz pro vítězný model. Jako interpretační vodítko jsou BF menší než 3 považovány za slabé důkazy, BF mezi 3 a 10 jsou považovány za podstatné důkazy a BF větší než 10 nebo menší než 0,1 jsou považovány za silné důkazy (Kass & Raftery, 1995).

U Experimentu 1 zahrnovala první analýza dva faktory, sériovou pozici a stav, a druhá analýza zahrnovala pouze jeden faktor, ISI, který vyžadoval srovnání pouze jednoho Modelu 1 s Modelem 0. U experimentů 2a a 2b analýza zahrnovala tři faktory, které vyústily v několik věrohodných modelů, které by mohly vysvětlit data. U analýz, které zahrnovaly více než jeden faktor, jsme nejprve zkoumali BF10 pro každý model ve srovnání s nulovým modelem a našli jsme model popisující data s nejsilnějším důkazem, který ukazuje hodnota BF10. Model s nejvyšším BF10 byl poté porovnán s dalšími modely pro testování konkrétních hypotéz o přítomnosti nebo nepřítomnosti jednotlivých efektů. To lze provést jednoduchým dělením BF10 modelu včetně efektu BF10 modelu s vyloučením efektu, což poskytuje BF ve prospěch efektu. Nulové modely z těchto hodnot BF10 musí být stejné, aby měl nový BF smysl. V některých případech následné analýzy využívaly také Bayesovské t-testy. Ve všech experimentech se výkon vztahuje k přesnosti sériového vyvolání, která přiřadí správnou odpověď každé položce seznamu pouze v případě, že byla tato položka vyvolána ve správné výstupní poloze.

Výsledek

Experiment 1

Naším cílem v Experimentu 1 bylo prozkoumat lokální a globální účinky volného času na pracovní paměť. Srovnání modelu ukázalo silné důkazy pro úplný model. Došlo k interakci mezi podmínkou (krátká pevná, dlouhá pevná a dlouhá proměnná) a sériovou pozicí (BF10 > 10,000 ve srovnání s nulovým modelem i s druhým nejlepším modelem, který sestával z obou hlavních efektů) . Jak je vidět z obrázku 2a, výkon v podmínkách s dlouhou fixací a s dlouhou proměnnou byl lepší než výkon v podmínkách s krátkou fixací (oba BF10s > 10,000 z Bayesian t testů porovnávajících výkon mezi podmínkami agregované přes sériovou pozici). Kromě toho se výkon v podmínkách s dlouhou fixací a dlouhou proměnnou nelišil (BF01=7.7, což naznačuje, že nulový model mezi těmito dvěma podmínkami není žádný rozdíl).

Zadruhé jsme analyzovali stav s dlouhou proměnnou a podrobně jsme se zabývali tím, jak čas před a po položkách – ISI bezprostředně před nebo po položkě – ovlivnil paměť každé položky. Pro tuto analýzu byly vyloučeny sériová pozice 1 a 7, protože sériová pozice 1 neměla čas před položkou a sériová pozice 7 neměla čas po položkách. Fixní efekty pro druhou analýzu byly (a) trvání doby před položkou a (b) doba trvání doby po položkách. Čas před položkou i čas po položkách se pohyboval mezi 0,3 s a 2,2 s a bylo šest trvání. Pokud má volný mezipoložkový čas místní vliv, měl by se výkon zlepšit s delší dobou před položkou, delší dobou po položkách nebo obojím. Pokud má volný mezipoložkový čas globální účinek, žádný takový vliv by nebyl předpovídán, protože celkový volný mezipoložkový čas byl konstantní pro všechny pokusy stavu s dlouhou proměnnou.

Nezjistili jsme žádný vliv doby trvání po položce nebo po položce na výkon (viz obr. 2b a 2c). Existovaly silné důkazy proti času před položkou (BF01 > 10,000) i času po položkách (BF01 > 10,000), což vylučovalo jakýkoli místní vliv času.

Pokusy 2a a 2b

Naším cílem v experimentech 2a a 2b bylo otestovat, zda je přínos pro volný čas proaktivní, retroaktivní nebo obojí. Kromě toho může být výhoda pro volný čas místní nebo globální. Abychom tyto možnosti otestovali, zaměřili jsme se na vliv volného času jako funkci zpoždění mezi mezerou a prezentovanými položkami. Tím bychom mohli samostatně analyzovat dopad volného času na předchozí a následující položky. Zpoždění bylo vypočítáno jako vzdálenost se znaménkem položky od pozice mezery v seznamu. Pokud by například mezera byla mezi třetí a čtvrtou položkou, třetí položka by byla na Lag −1 a čtvrtá položka by byla na Lag plus 1. V souladu s tím bylo 10 zpoždění: −5, −4, −3, −2, − 1, plus 1, plus 2, plus 3, plus 4 a plus 5. Negativní zpoždění zahrnovala položky předcházející mezeru a byly použity k testování retroaktivních účinků. Pozitivní prodlevy zahrnovaly položky následující po mezerě a byly použity k testování proaktivních účinků. Například zpoždění plus 2 by zahrnovalo (a) položku na sériové pozici 4, pokud by mezera byla mezi položkami 2 a 3, (b) položku na sériové pozici 5, pokud byla mezera mezi položkami 3 a 4, a ( c) položka na sériové pozici 6, pokud byla mezera mezi položkami 4 a 5. Výkon paměti pro zpoždění plus 2 by se pak vypočítal zprůměrováním výkonu sériového vyvolání pro tyto položky v příslušných podmínkách pozice mezery.

Abychom prozkoumali proaktivní a retroaktivní účinky volného času na výkonnost paměti, testovali jsme interakce přidaného volného času v mezeře (450 ms vs. 2 450 ms) se znaménkem zpoždění a jeho absolutní hodnotou. Znaménko lag udávalo, zda položka předcházela (negativní lag) nebo následovala (pozitivní lag) manipulovaný interval, a proto nám interakce délky volného času se znaménkem lag prozradila, zda vliv volného času byl více retroaktivní nebo více proaktivní. Interakce délky volného času s absolutní hodnotou zpoždění – zejména kontrast mezi zpožděními ±1 a většími absolutními zpožděními – nám prozradila, zda je účinek lokální nebo globální.1

Obrázek 3 představuje výkon napříč podmínkami v experimentech 2a a 2b. Tam byl pozoruhodný proaktivní účinek na paměť; výkon byl lepší u položek po dlouhém výpadku ve srovnání s položkami po krátkém výpadku. U předchozích položek nebyl žádný rozdíl mezi vlivem dlouhého a krátkého volného času na výkon. Jinými slovy, nedocházelo k žádnému zpětnému účinku trvání mezery.

U experimentu 2a nejlepší model zahrnoval hlavní efekty volného času, znaménko zpoždění a absolutní zpoždění, stejně jako interakce mezi znaménkem volného času, ale žádné interakce zahrnující volný čas a absolutní zpoždění (BF {{5 }} ve srovnání s úplným modelem, který zahrnoval všechny obousměrné interakce a třícestnou interakci, a BF=3.7 ve srovnání s druhým nejlepším modelem, který zahrnoval všechny obousměrné interakce, ale ne tři -interakce způsobu). Pro experiment 2b byl nejlepším modelem úplný model (BF=495 ve srovnání s druhým nejlepším modelem bez třícestné interakce).

Abychom rozebrali interakci délky volného času se znakem zpoždění, zkoumali jsme párová srovnání mezi dlouhým a krátkým volným časem odděleně pro následující položky (pozitivní zpoždění) a předchozí položky (negativní zpoždění) pomocí Bayesiánských t testů. V obou experimentech 2a a 2b extra volný čas ve stavu dlouhého volna zlepšil výkon u následujících položek ve srovnání se stavem krátkého volna, což poskytuje silný důkaz proaktivního přínosu (experiment 2a: BF10=1 ,137; Experiment 2b: BF10=885). Naproti tomu důkazy pro retroaktivní přínosy byly spíše slabé. V experimentu 2a zvýšil volný čas navíc výkon u předchozích položek pouze o malou hodnotu (nejednoznačný důkaz pro zpětnou účinnost; BF10=1.15). V experimentu 2b nebyly žádné důkazy pro zpětnou účinnost volného času navíc a místo toho existovaly slabé důkazy proti takovému prospěchu (BF01=2.6).

Naše další analýza se zaměřila na to, zda se vliv volného času mění s absolutním zpožděním. Jakýkoli lokální efekt by byl signalizován interakcí volného času s absolutním zpožděním. Tuto interakci jsme přiblížili samostatně pro předchozí a následující položky.

Výsledky z experimentu 2a neukázaly žádnou interakci volného času a absolutního zpoždění pro oba

Obr. 3. Podíl přesných odpovědí na úlohu okamžitého sériového vyvolání pro předchozí a následující položky jako funkce zpoždění (-5 až 5) a množství volného času (dlouhý, krátký) v experimentech 2a (a) a 2b (b). Přesnost sériového vyvolání byla určena přiřazením správné odpovědi každé položce seznamu pouze v případě, že byla tato položka vyvolána ve správné výstupní poloze. Chybové úsečky označují 95% intervaly spolehlivosti mezi subjekty.

předchozí a následující položky. U následujících položek nejlepší model zahrnoval pouze dva hlavní efekty (BF ve srovnání s úplným modelem=6). U předchozích položek zahrnoval nejlepší model pouze hlavní efekt absolutního zpoždění; nicméně důkazy upřednostňující tento model před druhým nejlepším modelem, který zahrnoval dva hlavní efekty, byly nejednoznačné (BF10=1.17).

Výsledky z experimentu 2b poskytly důkaz o interakci mezi absolutním zpožděním a volným časem pouze pro předchozí položky a nikoli pro následující položky. U následujících položek nejlepší model zahrnoval pouze dva hlavní efekty (BF ve srovnání s úplným modelem=9.53). U předchozích položek byla prokázána interakce mezi absolutním zpožděním a volným časem (BF10 ve srovnání s druhým nejlepším modelem > 1,000). Zdá se, že interakce je řízena absolutním zpožděním 5 pro předchozí položky, což je zpoždění −5 na obrázku 3b. Jak je vidět z obrázku 3b, při Lag -5 byl výkon nižší pro dlouhý volný čas ve srovnání s krátkým volným časem. Tento efekt je opakem volnočasového benefitu, a proto nepodporuje předpoklad zpětného benefitu času.

Efekty časového seskupování

Experimenty 2a a 2b byly navrženy tak, aby zkoumaly přínos volného času poskytnutím volného času navíc v jednom z ISI. Je známo, že časová mezera na jednom ISI zavádí časové seskupování, a proto musíme rozlišovat efekt volného času od efektu seskupování. Předpokládali jsme, že jak krátká mezera, tak dlouhá mezera vyvolávají seskupování ve stejné míře, takže jakýkoli další účinek dlouhé mezery oproti krátké mezerě odráží účinek volného času. Zde přinášíme důkazy pro tuto domněnku.

Účinky časového seskupování jsou typicky charakterizovány prudkým zvýšením časů mezi odezvami pro vyvolání položky po mezerě a zvýšením výkonnosti sériového vyvolání před mezerou i po ní (Farrell et al., 2011). Abychom ověřili, zda bylo indukováno ekvivalentní časové seskupení pro podmínky krátké i dlouhé mezery, zkoumali jsme data z experimentu 2b pro běžně pozorované účinky časového seskupování na sériové vyvolání. Experiment 2b jsme zvolili, protože do tohoto experimentu byla zahrnuta základní podmínka, která by mohla sloužit jako kontrolní seznam.

Ve dvou krocích jsme vypočítali rozdíl mezi dobami odezvy při vyvolání a přesností sériového vyvolání mezi těmito třemi podmínkami. Nejprve jsme odečetli výkon (tj. doby odezvy a přesnost) stavu bez mezery od stavu s krátkou mezerou. Tento rozdíl by měl odrážet především efekty časového seskupování. Za druhé jsme odečetli výkon ve stavu s krátkou mezerou od výkonu ve stavu s dlouhou mezerou. Tento rozdíl by měl odrážet časový efekt nad efekt seskupování. Tyto rozdíly jsou vyneseny jako funkce zpoždění na obrázku 4. Obrázek 4 ukazuje, že časový efekt byl kvalitativně odlišný

Obr. 4. Účinky časového seskupení a času na (a) doby odezvy a (b) sériové vyvolání v experimentu 2b. Účinek časového seskupení byl stanoven výpočtem rozdílu ve výkonnosti mezi podmínkami s krátkou mezerou a bez mezery a časový efekt byl stanoven výpočtem rozdílu ve výkonnosti mezi podmínkami s dlouhou a krátkou mezerou. Červená čára na 0 označuje žádný rozdíl mezi podmínkami. Přesnost sériového vyvolání byla určena přiřazením správné odpovědi každé položce seznamu pouze v případě, že byla tato položka vyvolána ve správné výstupní poloze; podíl takových správných odpovědí byl použit jako ukazatel přesnosti. Rozdíly v obou časech odezvy

a výkon sériového vyvolání jsou zobrazeny jako funkce zpoždění. Chybové úsečky označují 95% intervaly spolehlivosti mezi subjekty.

z efektu časového seskupení. Zatímco seskupování selektivně prodloužilo dobu odezvy u položky Lag plus 1 (tj. položky následující po mezerě), časový efekt nikoli. Účinek časového seskupení na přesnost sériového vyvolání byl navíc symetrický – obě strany mezery se zlepšily díky časovému seskupení – zatímco časový efekt byl asymetrický a prospíval pouze položkám, které následovaly po mezerě (statistickou podporu pro tato pozorování naleznete v Doplňkové zprávě Materiál). Závěrem lze říci, že efekty seskupování a prodlouženého volného času jsou kvalitativně odlišné, což dokazuje, že časový efekt není jen zesíleným efektem seskupování.

souhrn

Tyto výsledky společně naznačují, že (a) volný čas zlepšuje paměť pro následující položky a ne pro předchozí položky, což naznačuje čistě proaktivní přínos, a (b) přínos proaktivního volného času neinteraguje s absolutním zpožděním, což naznačuje globální účinek. Posledně uvedené zjištění je důležité, protože předpoklad balistické krátkodobé konsolidace (Ricker & Hardman, 2017) předpovídá takový proaktivní efekt pouze pro Lag plus 1 a nikoli pro ostatní zpoždění. V těchto experimentech nebyl proaktivní účinek specifický pro Lag 1, a proto jej nelze vysvětlit krátkodobou konsolidací.

Diskuse

Ukázali jsme, že volný čas má globální a proaktivní vliv na výkon okamžitého sériového vyvolání. Výsledky z prvního experimentu ukázaly, že vliv volného času není lokální, ale globální, jak naznačuje přínos volného času, který se rozkládá mezi položky seznamu. Druhý experiment a jeho replikace poskytly důkazy pro čistě proaktivní přínos. Čistě proaktivní povaha časového přínosu v pracovní paměti je v souladu se zjištěním, že další čas je užitečný pouze mezi prezentací položek, ale ne po prezentaci celého seznamu (Oberauer & Lewandowsky, 2016).

Tato zjištění nelze vysvětlit zkouškou ani krátkodobou konsolidací, která předpokládá, že volný čas lze využít k posílení reprezentace předchozích položek. Naše zjištění naznačují, že buď nebyl pro tyto procesy využit další volný čas (kromě času prezentace 250–300 ms), nebo že tyto procesy nebyly užitečné.2

Naše zjištění také nelze vysvětlit časovou odlišností nebo posunem kontextu. Časová odlišnost předpovídá místní přínosy, které jsou symetricky proaktivní a retroaktivní, na rozdíl od toho, co jsme zjistili. V Experimentu 2 deviantní časová mezera pravděpodobně vyvolala posun do nového skupinového kontextu (Burgess & Hitch, 1999; Farrell, 2012). Možná delší mezera vyvolala silnější seskupení? Naproti tomu jsme zjistili, že empirický podpis seskupování se kvalitativně lišil od podpisu benefitu ve volném čase (viz obr. 4).

Možná by model Farrella (2012) mohl poskytnout vysvětlení založené na seskupení, proč z dlouhé mezery měly prospěch pouze položky postgap. V tomto modelu se poslední skupina těší obzvláště vysoké dostupnosti, protože její kontext je stále aktivní na konci seznamu. Protože však naším úkolem bylo sériové vzpomínání, museli si účastníci nejprve začít vybavovat první skupinu, což vyžaduje obnovení kontextu první skupiny, a v tomto okamžiku poslední skupina ztrácí svůj prospěch. Farrellův model seskupování proto nemůže vysvětlit současná zjištění.

Protože naše výsledky nesouhlasí s žádným zavedeným teoretickým návrhem, zeptali jsme se, jak bychom je mohli vysvětlit. Jedním z možných vysvětlení je, že volný čas umožňuje ad hoc rozdělování předchozích položek nebo jejich outsourcing do dlouhodobé paměti (nebo obojí), čímž se snižuje zátěž pracovní paměti, což usnadňuje údržbu následujících položek. Toto vysvětlení by vyvolalo otázku, proč tyto procesy ponechávají paměť pro předchozí položky beze změny. Chunking je obvykle doprovázen podstatně vylepšenou pamětí pro rozdělené informace (Chen & Cowan, 2005; Miller, 1956; Thalmann et al., 2019). Dá se očekávat, že outsourcing informací do dlouhodobé paměti sníží přesnost, protože informace v dlouhodobé paměti jsou zranitelné vůči proaktivnímu rušení hromadícímu se v průběhu pokusů. Bylo by nepravděpodobnou náhodou, kdyby takové transformace reprezentací prvních položek seznamu ponechaly jejich dostupnost nezměněnou.

Alternativně nedávná teorie Popova a Redera (2020) navrhla, že existuje omezený zdroj pro kódování informací do epizodické paměti, která se vyčerpává s každou zakódovanou položkou, a tento zdroj se v průběhu času postupně obnovuje. Pokud tuto myšlenku přeneseme do oblasti pracovní paměti, mohlo by to vysvětlit zjištění naší studie: (a) Každá zkouška začíná omezeným zdrojem kódování, (b) každá událost kódování zabírá pevnou část dostupných zdrojů a ( c) během každého mezipoložkového intervalu se zdroj postupně obnovuje. Z toho vyplývá, že zdroj se obnovuje více s delšími ISI. Tato výhoda se vyskytuje pouze u položek podle ISI, což vede k čistě proaktivní výhodě. Výhoda je globální, protože každá položka zabírá konstantní část dostupného zdroje. Po doplňování zdroje během dlouhého intervalu je tento podíl větší množství pro všechny následující položky.3

Účet encoding-resource je nová myšlenka, a proto ještě nebyl použit k okamžitému stažení. Vytvořili jsme jednoduchý model zahrnující myšlenku zdroje kódování, abychom zjistili, zda pomocí něj lze předvídat vzorce pozorovaných dat v našich experimentech.4 Obrázek 5 ukazuje simulovaná data pro experimenty 1 a 2 spolu s rovnicemi a popisy modelu. Model předpovídá ekvivalentní výkon pro dlouho pevné a dlouho proměnlivé podmínky pro experiment 1 v souladu s naším zjištěním a také interakci podmínky se sériovou pozicí. Model však také předpovídá mírně nižší výkon pro kratší pre-item časy, což jsme nepozorovali. Model přesně reprodukoval globální a proaktivní časovou výhodu v Experimentu 2.

Zkoumali jsme, zda model dokáže pojmout také místní proaktivní přínos volného času, který Ricker a Hardman (2017) pozorovali u vizuálních podnětů. Zjistili jsme, že s rychlejším vyčerpáním zdrojů a rychlejším doplňováním tomu tak bylo (viz obr. S2 v doplňkovém materiálu). Předpoklad zdroje kódování tedy implikuje proaktivní efekt, který – v závislosti na parametrech modelu – může být buď globálnější, nebo lokálnější.

Stručně řečeno, ve třech experimentech jsme zdokumentovali nový příznivý vliv volného času na pracovní paměť, která je proaktivní a globální. Udržovací procesy, které by mohly probíhat ve volném čase, predikují zpětný přínos, zatímco krátkodobý konsolidační účet i hypotéza časové rozlišitelnosti předpovídají místní přínos. Posun kontextu, jak je předvídán v některých modelech časového seskupování, předpovídá symetrické proaktivní a retroaktivní výhody. Současná zjištění proto nelze vysvětlit udržováním, konsolidací, časovou rozlišovací schopností nebo změnou kontextu v jejich současné podobě (predikce těchto účtů jsou uvedeny v tabulce 1). V současné době nabízí slibné vysvětlení současných zjištění pouze nový účet pro kódování. Nové empirické poznatky zde podporují možnost, že pracovní paměť podléhá omezením kódovacího zdroje, který se vyčerpává s každou zakódovanou položkou a časem se obnovuje.

Průhlednost

Akční střih: Daniela Schiller

Střih: Patricia J. Bauer

Autorské příspěvky

Oba autoři navrhli a naprogramovali experimenty a shromáždili data. E. Mızrak analyzoval data a vypracoval původní rukopis a K. Oberauer poskytl kritickou zpětnou vazbu a revize. Oba autoři schválili konečný rukopis k předložení.

Prohlášení o protichůdných zájmech

Autoři prohlásili, že nedošlo ke střetu zájmů s ohledem na autorství nebo publikaci tohoto článku.

Obr. 5. Simulovaná data pro experiment 1 (a, b, c) a experiment 2 (d) spolu s modelovými rovnicemi (e). Grafy ukazují (a) průměrný výkon pro každý stav napříč sériovými pozicemi, (b) výkon pro každý stav zprůměrovaný napříč sériovými pozicemi jako funkci času před položkou, (c) výkon pro každý stav zprůměrovaný přes sériové pozice jako funkci čas po položce a (d) výkon při úloze okamžitého sériového vyvolání pro předchozí a následující položky jako funkce zpoždění a množství volného času. Ve všech grafech byla přesnost sériového vyvolání určena přiřazením správné odpovědi každé položce seznamu pouze v případě, že byla tato položka vyvolána ve správné výstupní poloze; podíl takových správných odpovědí byl použit jako ukazatel přesnosti. Data byla generována pomocí modelu, který simuluje, jak se omezený zdroj kódování vyvíjí během kódování seznamu. Každá zkouška začíná maximálním množstvím zdroje Rmax a každá položka i spotřebovává konstantní poměr p dostupného zdroje Ri pro zakódování. Množství zdroje Paměť přiřazená předmětu určuje jeho paměťovou sílu (Rovnice 1). Během mezičasu ti následující po položce i je zdroj doplňován konstantní rychlostí r až do maxima Rmax (Rovnice 2). Pravděpodobnost vyvolání byla vypočtena pomocí logistické funkce síly paměti na základě rovnice 1 s parametry τ a zisku. Model má tedy čtyři parametry: za prvé, p, poměr zdrojů, které každá položka spotřebuje z dostupného fondu zdrojů, mezi 0 a 1; za druhé, r, rychlost, jakou je zdroj doplňován za sekundu – to určuje nárůst zdrojů s volným časem; za třetí, zisk; a za čtvrté, τ, společně určující převod síly paměti na pravděpodobnost vyvolání. Hodnoty parametrů použité pro tuto simulaci jsou p=0,23, r=0,11, zesílení=13 a τ=0,11.

Financování

Tento výzkum byl podpořen grantem Swiss National Science Foundation (Projekt 100014_179002) K. Oberauerovi.

Otevřené praktiky

Všechna data byla zveřejněna prostřednictvím OSF a jsou přístupná na https://osf.io/egz64. Plány návrhu a analýzy pro experimenty nebyly předem zaregistrovány.

Tento článek obdržel odznaky pro otevřená data a otevřené materiály. Více informací o Open Prac-

Odznaky tices lze nalézt na http://www.psychologi calscience.org/publications/badges.

ID ORCID

Klaus Oberauer https://orcid.org/0000-0003-3902-7318

Doplňkový materiál

Další podpůrné informace lze nalézt na http:// journals.sagepub.com/doi/suppl/10.1177/0956797621996659

Poznámky

1. Vzhledem k tomu, že první položka seznamu studií nemohla být následující položkou a poslední položka seznamu studií nemohla být předchozí položkou, vyloučili jsme tyto položky z analýzy. Proto jsme vyloučili Absolute Lag 6, který obsahoval pouze první nebo poslední položku.

2. Naše zjištění nevylučují příspěvek krátkodobé konsolidace na kratších časových škálách: Ricker a Hardman (2017) prokázali lokální proaktivní přínos volných mezipoložkových intervalů až do asi 500 ms. Taková rychlá konsolidace by jen málo přispěla k výhodě volného času v rozsahu 300 ms až několika sekund, který jsme zde zkoumali.

3. V původním modelu Popova a Redera (2020) je zdrojem každé události kódování pevná částka, která se nemění s dostupnými zdroji. Zde jsme to změnili na pevný podíl dostupných zdrojů.

4. R skript pro zde popsaný model a simulující data je k dispozici na https://osf.io/egz64.