मोटर लर्निंग भाग 6 में बचत और दीर्घकालिक मेमोरी के बीच दोहरा अलगाव

प्रयोग प्रोटोकॉल

अपने प्रमुख हाथ का उपयोग करते हुए, विषयों ने शुरुआती स्थिति और 9 सेमी दूर लक्ष्य के बीच बिंदु-से-बिंदु हाथ तक पहुंचने वाली गतिविधियां बनाईं। प्रत्येक आंदोलन के अंत में, यदि वे 250 एमएस के भीतर लक्ष्य तक पहुंचने और रुकने में कामयाब रहे तो उन्हें घंटी बजाकर पुरस्कृत किया गया।

आर्म स्ट्रेचिंग आपके शरीर के लचीलेपन, समन्वय और ताकत को बेहतर बनाने का एक सरल लेकिन प्रभावी तरीका है और शोध से पता चलता है कि यह हमारी याददाश्त पर सकारात्मक प्रभाव डाल सकता है।

सबसे पहले, हाथ खींचने से मस्तिष्क में रक्त परिसंचरण में सुधार हो सकता है, जिससे मस्तिष्क में ऑक्सीजन की आपूर्ति बढ़ जाती है, जो मस्तिष्क के सामान्य कामकाज के लिए आवश्यक है। जब हम आर्म स्ट्रेचिंग व्यायाम करते हैं, तो शरीर में रक्त संचार बढ़ जाता है, जिससे मस्तिष्क में अधिक रक्त प्रवाहित होता है। ऑक्सीजन और पोषक तत्वों की यह ताज़ा आपूर्ति न्यूरॉन विकास और कनेक्शन को उत्तेजित करती है, जो स्मृति और सीखने को बढ़ाती है।

दूसरे, आर्म स्ट्रेचिंग व्यायाम भी हमें तनाव और चिंता से राहत दिलाने में मदद कर सकते हैं। ऐसा इसलिए है क्योंकि इन भावनाओं का घटित होना अक्सर हमारी अनुभूति और स्मृति को प्रभावित करता है। आर्म स्ट्रेच करने से हम शरीर को आराम दे सकते हैं और शरीर से तनाव और चिंता को दूर कर सकते हैं। यह हमें अपने दिमाग को साफ़ रखने और बेहतर ध्यान केंद्रित करने की अनुमति देता है, जिससे हमारी याददाश्त और सीखने की क्षमता में सुधार होता है।

अंत में, बांहों का खिंचाव हमारे तंत्रिका तंत्र को भी उत्तेजित करता है और तंत्रिका कोशिकाओं के बीच संबंधों को मजबूत करता है। इन संबंधों को लगातार मजबूत और समेकित किया जा रहा है, जिससे हमारी याददाश्त और सोचने की क्षमता में वृद्धि हो रही है। और क्योंकि आर्म स्ट्रेचिंग बहुत आसान है और इसे कोई भी किसी भी समय विशेष स्थान या उपकरण की आवश्यकता के बिना कर सकता है, इसलिए हर दिन आर्म स्ट्रेचिंग करना भी बहुत आसान है।

संक्षेप में, आर्म स्ट्रेचिंग व्यायाम व्यायाम करते समय हमारी याददाश्त और सीखने की क्षमताओं में सुधार कर सकता है, जो हर किसी के लिए बहुत महत्वपूर्ण है। इसलिए, हमें अपने शरीर और मस्तिष्क को व्यापक व्यायाम और स्वास्थ्य देखभाल देने के लिए हर दिन अपनी बाहों को फैलाने की अच्छी आदत विकसित करनी चाहिए। यह देखा जा सकता है कि हमें याददाश्त में सुधार करने की आवश्यकता है, और सिस्टैंच डेजर्टिकोला याददाश्त में काफी सुधार कर सकता है, क्योंकि सिस्टैंच डेजर्टिकोला न्यूरोट्रांसमीटर के संतुलन को भी नियंत्रित कर सकता है, जैसे एसिटाइलकोलाइन और विकास कारकों के स्तर को बढ़ाना। ये पदार्थ याददाश्त और सीखने के लिए बहुत महत्वपूर्ण हैं। इसके अलावा, मांस रक्त प्रवाह में भी सुधार कर सकता है और ऑक्सीजन वितरण को बढ़ावा दे सकता है, जो यह सुनिश्चित कर सकता है कि मस्तिष्क को पर्याप्त पोषक तत्व और ऊर्जा प्राप्त हो, जिससे मस्तिष्क की जीवन शक्ति और सहनशक्ति में सुधार हो।

अपनी याददाश्त बेहतर करने के तरीके जानें पर क्लिक करें

प्रशिक्षण को बाहरी गतिविधियों के लिए अलग रखा गया था, क्योंकि बेसलाइन ब्लॉक के पहले 110 परीक्षणों के बाद वापसी की गतिविधियों के दौरान दृश्य प्रतिक्रिया अनुपलब्ध थी। विषयों ने लगभग हर 200 परीक्षणों में विश्राम विराम लिया (लगभग 7 से 10 मिनट, चित्र 1 देखें)।

प्रयोग 1 और 2 में 90˚ लक्ष्य दिशा (मध्य रेखा में, सीधे शरीर से दूर) तक पहुंच शामिल थी। बिना किसी दृश्य घुमाव के परीक्षण बेसलाइन ब्लॉक के बाद, प्रयोग 1 (एन=20) के विषयों ने सत्र के मुख्य भाग में प्रवेश किया जिसमें तीन परीक्षण प्रशिक्षण अवधि शामिल थीं।

प्रशिक्षण के दौरान, शुरुआती स्थिति के बारे में 30˚ वीएमआर लगाया गया था। इस वीएमआर का संकेत प्रत्येक विषय के लिए सभी प्रशिक्षण अवधियों के लिए समान था, जिसमें आधे विषयों को दक्षिणावर्त वीएमआर के साथ प्रशिक्षण दिया गया था और दूसरे आधे को वामावर्त वीएमआर के साथ प्रशिक्षण दिया गया था।

पहले और दूसरे प्रशिक्षण अवधि को 40-ट्रायल वॉशआउट अवधि से अलग किया गया था, जबकि दूसरे और तीसरे प्रशिक्षण अवधि को 800-ट्रायल वॉशआउट अवधि से अलग किया गया था। प्रयोग 2 (एन=20) में प्रशिक्षण कार्यक्रम वही था, सिवाय इसके कि परीक्षण वाशआउट अवधि पहले आई (पहले और दूसरे प्रशिक्षण अवधि के बीच, चित्र 1 देखें)।

प्रयोग एस1 (एन=12) में एक लंबा, 800-परीक्षण बेसलाइन ब्लॉक शामिल है, जिसमें कोई दृश्य रोटेशन नहीं है, इसके बाद एकल 80-परीक्षण वीएमआर प्रशिक्षण अवधि होती है, जैसा कि प्रयोग 1 और 2 में उपयोग किया गया था।

प्रयोग 3 (एन=41) प्रयोग 2 के समान था जिसमें इसमें दो 80- परीक्षण प्रशिक्षण अवधियां शामिल थीं जो एक 800- परीक्षण वाशआउट अवधि (लेकिन तीसरी प्रशिक्षण अवधि नहीं) से अलग थीं। इसे यह जांचने के लिए डिज़ाइन किया गया था कि क्या प्रयोग 1 और 2 में देखी गई अस्थायी-अस्थिर बचत किसी अंतर्निहित या स्पष्ट प्रक्रिया के कारण थी।

बचत को अंतर्निहित और स्पष्ट घटकों में विभाजित करने के लिए, हमने विशेष अनुदेश परीक्षणों का उपयोग किया, जिसने प्रतिभागियों को सीधे लक्ष्य पर अपना हाथ रखकर किसी भी स्पष्ट रणनीति को अलग करने के लिए प्रेरित किया। इस विधि को, जिसे बहिष्करण के रूप में भी जाना जाता है (चूंकि प्रतिभागियों को अपनी पहुंच से रणनीतियों को बाहर करना है) [94], विभिन्न रूपों में, व्यापक रूप से अंतर्निहित और स्पष्ट विज़ुओमोटर अनुकूलन को विच्छेदित करने के लिए उपयोग किया गया है [44,73-78]।

विशेष रूप से, निर्देश या तो लक्ष्य के केंद्र या उसके निकट/दूर अंत तक जाने के लिए दिए गए थे (दोनों ही पहुंच कोण को नहीं बदलेंगे) और पहले (परीक्षण 10) के तुरंत पहले और बाद में प्रस्तुत किए गए थे। दोनों वीएमआर प्रशिक्षण एपिसोड (प्रारंभिक सीखने और पुनः सीखने) में देरी।

इसने हमें सीधे तौर पर समग्र अंतर्निहित अनुकूलन (पहले निर्देश परीक्षण पर अनुकूलन की मात्रा) और अंतर्निहित-निरंतर अनुकूलन (दूसरे निर्देश परीक्षण में अनुकूलन की मात्रा, जो 60- की देरी के बाद हुई) का आकलन करने में सक्षम बनाया, और, तुलना करके ये 2, इसने हमें अंतर्निहित-अस्थिर अनुकूलन का आकलन करने में सक्षम बनाया।

दोनों अनुदेश परीक्षणों में प्रति-परीक्षण सीखने से बचने के लिए कोई दृश्य प्रतिक्रिया नहीं थी जिससे परीक्षण के बाद अनुकूलन की पुनर्प्राप्ति हो सके।

इसके अलावा, दूसरे अनुदेश परीक्षण में अनुकूलन की उसके बाद के बिना-निर्देश परीक्षण से तुलना करके, हमने स्पष्ट-निरंतर अनुकूलन का आकलन किया, और, इन सभी विलंब/निर्देश परीक्षणों से पहले और बाद में औसत अनुकूलन 2 परीक्षणों के रूप में समग्र अनुकूलन का अनुमान लगाकर, हमने समग्र स्पष्ट अनुकूलन का अनुमान प्राप्त किया। , अस्थिर, और लगातार अनुकूलन (चित्र 4बी)।

प्रतिक्रिया समय में देरी को कम करने के लिए, जो अंतर-परीक्षण समय अंतराल को बढ़ाएगा और अस्थायी-अस्थिर अनुकूलन में और कमी लाएगा, प्रतिभागियों को निर्देश से पहले परीक्षण के दौरान "आगामी निर्देश" ध्वनि के साथ प्रस्तुत किया गया था।

वीएमआर प्रशिक्षण से पहले प्रतिभागियों को निर्देश परीक्षणों (और पूर्ववर्ती "आगामी निर्देश" ध्वनि) से परिचित कराने के लिए, हमने परिचय के दौरान समान निर्देश परीक्षणों की एक श्रृंखला प्रस्तुत की।

परिचय में 4 अलग-अलग संभावित निर्देश शामिल थे: अपने हाथ को (गोलाकार) लक्ष्य के निकट, दूर, बाएँ या दाएँ छोर पर ले जाएँ। निर्देशों के पालन को दर्शाने वाले निर्देशित समापन बिंदुओं के प्रति स्पष्ट पूर्वाग्रह थे।

प्रयोग 4 (एन=25) का उद्देश्य वीएमआर अनुकूलन की दीर्घकालिक यादों के गठन की जांच करना था। प्रयोग बिना किसी वीएमआर के बेसलाइन अवधि के साथ शुरू हुआ जिसमें 456 परीक्षण शामिल थे, जो 19 लक्ष्य दिशाओं में समान रूप से फैले हुए थे।

इस आधार रेखा के बाद, विषयों को 90˚ पर रखे गए लक्ष्य तक 120 पहुंच के लिए 30˚ वीएमआर पर प्रशिक्षित किया गया (मध्य रेखा में, सीधे शरीर से दूर, प्रयोग 1 से 3 में उपयोग किया गया वही लक्ष्य)। 30˚ दृश्य रोटेशन की दिशा लगभग संतुलित थी, जिसमें 13 विषयों को वामावर्त वीएमआर और 12 विषयों को दक्षिणावर्त वीएमआर के साथ प्रशिक्षित किया गया था।

इसके बाद 19 लक्ष्यों में से प्रत्येक तक 3 पहुंच के साथ एक परीक्षण ब्लॉक किया गया, जिसमें प्रयोग 1 से 3 के दौरान उपयोग की गई 1 लक्ष्य दिशा भी शामिल थी (एक अलग अध्ययन के हिस्से के रूप में वीएमआर सीखने के सामान्यीकरण का आकलन करने के लिए अन्य 18 दिशाओं का नमूना लिया गया था; यहां, हम ध्यान केंद्रित करते हैं) प्रशिक्षित दिशा में सीखने और बनाए रखने पर)।

इस ब्लॉक के दौरान, दृश्य फीडबैक को रोक दिया गया था ताकि अतिरिक्त प्रशिक्षण द्वारा इन मापों को दूषित किए बिना बार-बार माप किए जा सकें, जिन्हें दृश्य फीडबैक द्वारा प्राप्त किया जा सकता था। हमने अस्थायी रूप से लगातार अनुकूलन को मापने के लिए प्रशिक्षण दिशा की ओर आंदोलनों का उपयोग किया।

इस परीक्षण ब्लॉक के बाद, अतिरिक्त 60 परीक्षणों के लिए विषयों को 30˚ वीएमआर पर फिर से प्रशिक्षित किया गया और उसके बाद ऊपर वर्णित अनुसार अस्थायी रूप से लगातार अनुकूलन को मापने के लिए दृश्य प्रतिक्रिया के बिना फिर से परीक्षण किया गया। प्रतिभागी अगले दिन दृश्य प्रतिक्रिया के बिना घंटे प्रतिधारण परीक्षण के लिए वापस आ गए।

नमूना आकार निर्धारण

जबकि अनुरूप अध्ययनों में प्रयोग समूहों के लिए नमूना आकार आम तौर पर 8 और 12 के बीच होते हैं, यहां, हमने प्रयोग 1, 2, 3, और 4 के लिए क्रमशः कुछ बड़े नमूना आकार (एन=20, 20, 41, और 25) का उपयोग किया; प्रयोग S1 में 12 प्रतिभागी थे, जो अनुरूप अध्ययनों में नमूना आकार दर्शाते थे)।

प्रयोग 1 और 2 के लिए, हमने बड़ी संख्या में प्रतिभागियों की जांच की ताकि हम न केवल यह आकलन कर सकें कि अस्थायी रूप से लगातार और अस्थायी रूप से अस्थिर अनुकूलन के लिए बचत मौजूद है या नहीं, बल्कि इन 2 अनुकूलन घटकों के लिए कई बिंदुओं पर बचत के समय का भी आकलन कर सकें। प्रशिक्षण, साथ ही यह भी कि क्या ट्रायल वॉशआउट अवधि की तुलना में 40-ट्रायल के बाद बचत या वॉशआउट की सीमा में कोई सूक्ष्म अंतर है। प्रयोग 1 और 2 में बड़े नमूना आकार ने अस्थायी रूप से लगातार और अस्थायी-अस्थिर अनुकूलन के लिए वॉशआउट के समय पाठ्यक्रम के बीच अधिक सटीक तुलना करने में सक्षम बनाया, क्योंकि इन वॉशआउट वक्रों के लिए समय स्थिर अनुमान विशेष रूप से डेटा में शोर के लिए अतिसंवेदनशील हो सकते हैं।

प्रयोग 3 में, हमने प्रयोग 2 के सापेक्ष नमूना आकार को दोगुना कर दिया, यह देखते हुए कि प्रयोग 3 में 2 घटकों के बजाय 4 (स्पष्ट-निरंतर, स्पष्ट अस्थिर, अंतर्निहित-निरंतर, और अंतर्निहित-अस्थिर) में अनुकूलन का विच्छेदन शामिल था।

प्रयोग 4 में, हमने एन=25 प्रतिभागियों की जांच की क्योंकि हम न केवल 24-एच प्रतिधारण की समूह-औसत राशि को देखने में सक्षम होना चाहते थे, बल्कि यह भी जांचना चाहते थे कि {{5} में अंतर-व्यक्तिगत अंतर कैसे हैं। }एच प्रतिधारणदिन 2 पर अस्थायी रूप से लगातार और दिन 1 पर अस्थायी रूप से अस्थिर अनुकूलन में अंतर-वैयक्तिक अंतर से संबंधित (चित्र 4बी और 4सी)।

डेटा विश्लेषण

सांख्यिकीय तुलना. हमने अनुकूलन और उसके उपघटकों में (सकारात्मक) बचत की उपस्थिति का आकलन करने के लिए विषयों में एकल-पक्षीय युग्मित टी-परीक्षण किए।

प्रयोग S1 के लिए, जिसे अस्थायी रूप से लगातार अनुकूलन में बचत-विरोधी के लिए संभावित तंत्र की जांच करने के लिए डिज़ाइन किया गया था, हमने प्रयोग S1 के प्रारंभिक शिक्षण डेटा की तुलना प्रयोग 1/2 800-ट्रायल वाशआउट रीलर्निंग डेटा से करने के लिए एकल-पक्षीय अयुग्मित टी-परीक्षणों का उपयोग किया। .

अन्य सभी सांख्यिकीय तुलनाओं के लिए सभी विषयों में दो-तरफा युग्मित टी-परीक्षण लागू किए गए थे, सिवाय उन तुलनाओं के जिनमें चित्र 2ए में वॉशआउट समय स्थिरांक का अनुमान और समग्र बचत में अस्थायी रूप से निरंतर या अस्थायी रूप से अस्थिर बचत के% योगदान से जुड़े आत्मविश्वास अंतराल का अनुमान शामिल था: इन मामलों में, हमने व्यक्तिगत विषय डेटा के साथ फिट की तुलना करने के बजाय बूटस्ट्रैपिंग प्रक्रिया (नीचे देखें) का उपयोग किया, क्योंकि इन व्यक्तिगत डेटा में उच्च शोर के कारण संबंधित व्यक्तिगत मापदंडों के बारे में कम विश्वास होता है।

डेटा समावेशन मानदंड. हमने प्रत्येक प्रयोग के सीखने के चरणों पर बाहरी अस्वीकृति का प्रदर्शन किया। विशेष रूप से, प्रत्येक परीक्षण के लिए, हमने उन अनुकूलन स्तरों को बाहर कर दिया जो विषय माध्यिका से 3IQR से अधिक दूर थे। इसके परिणामस्वरूप 99.4% परीक्षणों को शामिल किया गया। इसके अलावा, प्रयोगकर्ता के निर्देशों का पालन करने में असमर्थता के कारण प्रयोग 3 में 1 प्रतिभागी को विश्लेषण से बाहर रखा गया था।

विसुओमोटर रोटेशन अनुकूलन का अनुमान। प्रशिक्षित वीएमआर में अनुकूलन की मात्रा का आकलन करने के लिए, हमने प्रत्येक परीक्षण पर हाथ की गति की दिशा को मापा। दृश्य प्रतिक्रिया वाले आंदोलनों में, इसे आंदोलन की शुरुआत में हाथ की स्थिति (6.4 सेमी/सेकेंड वेग सीमा के आधार पर) और 150 एमएस बाद में हाथ की स्थिति के बीच वेक्टर की दिशा के रूप में परिभाषित किया गया था।

हमने फ़ीडफ़ॉरवर्ड अनुकूलन को मापने के लिए 150 एमएस का उपयोग किया, क्योंकि इस बिंदु पर फीडबैक सुधार न्यूनतम होना चाहिए। प्रयोग 4 में अस्थायी रूप से निरंतर अनुकूलन और 24-घंटे प्रतिधारण का अनुमान लगाने के लिए बिना किसी दृश्य प्रतिक्रिया वाले आंदोलनों में, इसे आंदोलन की शुरुआत में हाथ की स्थिति और आंदोलन समापन बिंदु के बीच वेक्टर की दिशा के रूप में परिभाषित किया गया था। प्रदर्शन में सीखने से संबंधित परिवर्तनों की जांच करने के लिए, हमने सभी आंदोलन-दिशा डेटा से बेसलाइन (0.13 ± 0.11˚) में मौजूद छोटे पूर्वाग्रह को हटा दिया।

अस्थायी-निरंतर और अस्थायी-अस्थिर अनुकूलन का मापन। प्रयोग 1, 2, 3 और एस1 में, हमने प्रशिक्षण के साथ-साथ 6 मिनट की देरी का उपयोग करके अस्थायी रूप से लगातार अनुकूलन को मापा। क्योंकि मोटर अनुकूलन का अस्थायी-वाष्पशील घटक 15 से 25 सेकेंड [56-58] के समय स्थिरांक के साथ क्षय हो जाता है, हम यहां जो 1- मिनट की देरी लगाते हैं वह 2.5 से 4τ तक होती है, और इस प्रकार अस्थायी रूप से लगभग 95% क्षय होता है -अस्थिर अनुकूलन, अनुकूलन के अस्थायी-निरंतर घटक को प्रभावी ढंग से अलग करना।

इसके विपरीत, गैर-विलंबित परीक्षणों के लिए अस्थायी-अस्थिर अनुकूलन में परीक्षण-दर-परीक्षण क्षय बहुत कम होगा, क्योंकि प्रयोग 2.5 से 2.7 सेकंड के औसत अंतर-परीक्षण समय अंतराल के साथ तेज़ गति से चल रहे थे, जिसकी मात्रा {{1{ {12}}}}.1 से 0.2τ, इस प्रकार केवल 10% से 15% क्षय होता है।

इस प्रकार, इस तरह की देरी के तुरंत बाद परीक्षण पर अनुकूलन को परिचालन रूप से अस्थायी रूप से लगातार अनुकूलन (छवि 1 डी) के रूप में परिभाषित किया गया था। संबंधित समग्र अनुकूलन को क्रियात्मक रूप से औसत अनुकूलन 2 परीक्षणों से पहले और 2 परीक्षणों के बाद विलंब परीक्षण के रूप में परिभाषित किया गया है (प्रयोग 3 को छोड़कर जिसमें अनुकूलन को अंतर्निहित और स्पष्ट घटकों में अलग करने के लिए अतिरिक्त परीक्षण थे; ऊपर प्रयोग प्रोटोकॉल अनुभाग देखें)। अस्थायी रूप से अस्थिर अनुकूलन को समग्र और अस्थायी रूप से लगातार अनुकूलन (छवि 1 डी) के बीच अंतर के रूप में लिया गया था।

वीएमआर प्रशिक्षण ब्लॉकों के दौरान प्रत्येक 30 परीक्षणों में ये समयबद्ध 1-मिनट की देरी हुई (प्रत्येक 80-परीक्षण प्रशिक्षण एपिसोड की शुरुआत के बाद परीक्षण 10, 40, और 70 पर) और 40-परीक्षण अंतराल में लंबी वाशआउट अवधि के दौरान, जैसा कि चित्र 1बी और 1सी में दिखाया गया है। इन देरी के दौरान, विषयों ने हैंडल को अभी भी शुरुआती स्थिति में रखा। इन समयबद्ध 1- मिनट की देरी के अलावा, प्रयोगों में विश्राम अवकाश भी शामिल था जो विषयों को हैंडल को एक तरफ रखने की अनुमति देता था और कड़ाई से समयबद्ध नहीं था। ये ब्रेक केवल बेसलाइन या वाशआउट अवधि के दौरान हुए जैसा कि चित्र 1सी में दिखाया गया है। हमने इन विरामों के बाद अनुकूलन की मात्रा का उपयोग अस्थायी रूप से लगातार अनुकूलन के एक उपाय के रूप में किया, लेकिन केवल तब जब ये विराम 40 एस (प्रयोग 1 से 3 के लिए इनमें से 65.8%) से अधिक अंतर-परीक्षण अंतराल की मात्रा में थे।

In Experiment 4, temporally persistent adaptation was assessed during the no-feedback testing blocks that followed rest breaks (average break duration: 125 ± 8 s, minimum 58 s). Given a time constant for the decay of the temporally-volatile component of 15 to 25 s [56– 58], this break would allow >अस्थायी-अस्थिर अनुकूलन में 99% क्षय होता है और इस प्रकार अस्थायी-निरंतर अनुकूलन अलग हो जाता है।

अस्थायी रूप से लगातार अनुकूलन को 6 पहुंचों (2 नो-फीडबैक परीक्षण ब्लॉकों में से प्रत्येक में 3 पहुंच) के औसत के रूप में मापा गया था जो प्रशिक्षण लक्ष्य की ओर थे। हमने प्रयोग 4 को 2 परीक्षण ब्लॉकों के साथ डिज़ाइन किया क्योंकि हमने सोचा कि दोनों ब्लॉकों के डेटा का औसत माप शोर के प्रभाव को कम कर सकता है, क्योंकि हमें उम्मीद थी कि दोनों अस्थायी रूप से लगातार माप 24- घंटे प्रतिधारण की भविष्यवाणी करेंगे, लेकिन औसत एक क्लीनर बना सकता है भविष्यवाणी। हमने निरंतर अनुकूलन और समग्र अनुकूलन के बीच अंतर के रूप में अस्थिर अनुकूलन का अनुमान लगाया है।

उत्तरार्द्ध का मूल्यांकन प्रशिक्षण और पुनर्प्रशिक्षण ब्लॉकों के पिछले 20 परीक्षणों के दौरान औसत अनुकूलन के रूप में किया गया था। अंत में, हमने 2 दिन के परीक्षण ब्लॉक से नो-फीडबैक डेटा के आधार पर 24- घंटे प्रतिधारण की गणना की (6 का औसत पहले प्रशिक्षित लक्ष्य तक पहुंचता है, 2 लगातार ब्लॉकों में विभाजित, चित्र 5ए)।

वाशआउट समय स्थिरांक का अनुमान. समग्र अनुकूलन का वाशआउट 2 समयमानों में आगे बढ़ा: पहले 2 से 3 वाशआउट परीक्षणों के दौरान एक बहुत तेज़ प्रारंभिक वाशआउट चरण, जिसके दौरान अनुकूलन का स्तर लगभग 27˚ से लगभग 11˚ तक चला गया, और फिर एक धीमा वाशआउट चरण जो चित्र 1C में दिखाया गया है। अस्थायी रूप से लगातार और समग्र अनुकूलन (छवि 2 ए) दोनों के लिए वॉशआउट के लिए समय स्थिरांक की तुलना करने के लिए, हमने समग्र और अस्थायी रूप से लगातार वॉशआउट की तुलना के लिए धीमे वॉशआउट चरण पर ध्यान केंद्रित करने के लिए वॉशआउट के परीक्षण 3 से शुरू होने वाली अवधि पर अपना समग्र वॉशआउट विश्लेषण केंद्रित किया, क्योंकि बहुत तेज़ प्रारंभिक चरण के दौरान कोई अस्थायी-निरंतर माप उपलब्ध नहीं था।

वॉशआउट, τ के लिए समय स्थिरांक से जुड़े मूल्यों और आत्मविश्वास अंतराल का अनुमान लगाने के लिए, हमने एक बूटस्ट्रैपिंग प्रक्रिया [95] का उपयोग किया। विशेष रूप से, 10, 000 बूटस्ट्रैपिटेरेशन में से प्रत्येक के लिए, हमने यादृच्छिक रूप से, प्रतिस्थापन के साथ, प्रत्येक समूह से एन=20 विषयों का नमूना लिया, और उनके औसत डेटा को एकल-घातीय फिट (ईक्यू 1) के साथ फिट किया:

समग्र वाशआउट वक्रों का विश्लेषण करते समय, हमने न केवल प्रत्येक 1-मामूली विश्राम के बाद के परीक्षणों को खारिज कर दिया, जो अस्थायी रूप से लगातार सीखने को मापने के लिए अनुकूलन के अस्थायी रूप से अस्थिर घटक को हटा देते थे, बल्कि उसके तुरंत बाद के 3 परीक्षणों को भी हटा देते थे, जिसके दौरान अस्थायी रूप से अस्थिर अनुकूलन नहीं हो सकता था। पूरी तरह से पुनः संतुलित हो जाओ

अनुकूलन डेटा का सामान्यीकरण। व्यवस्थित रूप से बचत की मात्रा निर्धारित करने के लिए, और विशेष रूप से पोस्ट-लॉन्ग वॉशआउट बनाम पोस्ट-शॉर्ट वॉशआउट रीलर्निंग के बीच व्यवस्थित रूप से अलग-अलग आधार रेखाओं को ध्यान में रखते हुए, साथ ही अस्थायी रूप से लगातार, अस्थायी रूप से अस्थिर और समग्र अनुकूलन के बीच अलग-अलग आधार रेखाओं को ध्यान में रखते हुए, हमने बेसलाइन अनुकूलन, बेसलाइन और सामान्यीकृत को घटा दिया। प्रत्येक सीखने की अवस्था x को आधार रेखा और 30 डिग्री के आदर्श अनुकूलन स्तर (Eq 2) के बीच की दूरी से मापें। समग्र अनुकूलन के लिए बेसलाइन स्तर को प्रशिक्षण शुरू होने से पहले पिछले 5 परीक्षणों के औसत के रूप में परिभाषित किया गया था, जबकि लगातार अनुकूलन के लिए बेसलाइन स्तर को प्रशिक्षण शुरू होने से पहले पिछले 3 लगातार अनुकूलन परीक्षणों के औसत के रूप में परिभाषित किया गया था (प्रारंभिक प्रशिक्षण और प्रशिक्षण के लिए बेसलाइन के मामले में) 800-ट्रायल वॉशआउट के बाद) या अंतिम एकल लगातार-अनुकूलन परीक्षण, परीक्षण के रूप में, प्रशिक्षण की शुरुआत से पहले 10 परीक्षण (40-ट्रायल वॉशआउट के बाद प्रशिक्षण के लिए बेसलाइन के मामले में {{10) }}ट्रायल वाशआउट में केवल एक ही लगातार अनुकूलन माप परीक्षण शामिल था)।

Þपूरे अध्ययन के दौरान, हमने विलंबित परीक्षणों (विशेष रूप से प्रशिक्षण शुरू होने के बाद परीक्षण 10, जिसमें प्रारंभिक अनुकूलन पर कब्जा किया गया था, लेकिन परीक्षण 40 और 70) के आसपास बचत पर ध्यान केंद्रित किया, क्योंकि ये ऐसे परीक्षण थे जिनके लिए सभी 3 प्रकार के अनुकूलन का मूल्यांकन किया जा सकता था। . हालाँकि, बचत और लगातार/अस्थिर अनुकूलन (चित्र 6सी और 6डी) के बीच व्यक्तिगत संबंधों के विश्लेषण के लिए, क्योंकि अस्थायी रूप से अस्थिर अनुकूलन का माप समग्र अनुकूलन (अस्थिर {{7%) समग्र [अनुकूलन 2 परीक्षण) के समान माप पर आधारित था। 1-मिनट विलंब परीक्षण से पहले और बाद में]-निरंतर [1-मिनट विलंब परीक्षण पर अनुकूलन], इसके बजाय हमने यह सुनिश्चित करने के लिए परीक्षण 2 से 6 (रोटेशन शुरुआत के सापेक्ष) के आधार पर समग्र बचत की गणना की कोई भी देखा गया संबंध आश्रित (बचत) और स्वतंत्र (अस्थायी-अस्थिर अनुकूलन) चर के बीच साझा किए गए माप के कारण नहीं था। इस श्रेणी का चयन इसलिए किया गया क्योंकि यह अस्थायी-अस्थिर अनुकूलन की गणना के लिए उपयोग किए जाने वाले मापों से अपेक्षाकृत दूर थी, लेकिन बचत में अंतर-व्यक्तिगत अंतर का आकलन करने के लिए अधिक शक्ति प्रदान करने वाले समग्र अनुकूलन के तेजी से बढ़ने को भी बेहतर ढंग से पकड़ लिया।

.अंतर-वैयक्तिक मतभेदों की तुलना। बचत और दीर्घकालिक स्मृति पर अस्थायी रूप से लगातार या अस्थायी-अस्थिर अनुकूलन के योगदान की जांच करने के लिए (चित्र 6ए-6डी), हमने अनुकूलन के इन घटकों और या तो बचत या लंबी अवधि के सकारात्मक योगदान को मॉडल करने के लिए सकारात्मक मूल्यों तक सीमित ढलानों के साथ रैखिक प्रतिगमन का उपयोग किया। -अवधि प्रतिधारण. विशेष रूप से, दीर्घकालिक स्मृति का अध्ययन करने के लिए, हमने प्रयोग 4 में पहले दिन के अस्थायी रूप से लगातार और अस्थायी रूप से अस्थिर अनुकूलन की तुलना दूसरे दिन के 24-घंटे प्रतिधारण के मुकाबले की, जबकि, बचत के अध्ययन के लिए, हमने परीक्षण से अस्थायी रूप से लगातार और अस्थायी रूप से अस्थिर अनुकूलन की तुलना की पिछले पैराग्राफ के अनुसार गणना की गई समग्र बचत के मुकाबले प्रयोग 1 और 2 में पुनर्प्रशिक्षण ब्लॉक में 10।

सहायक सूचना

nS1 चित्र। अस्थायी रूप से लगातार अनुकूलन में एंटी-बचत को आधारभूत स्थितियों के तहत लंबे समय तक पहुंच द्वारा नहीं समझाया जा सकता है। यहां, हमने जांच की कि क्या प्रयोग 1/2 में पाए जाने वाले एंटी-सेविंग्स (एक 800- ट्रायल वॉशआउट के बाद सबसे अधिक स्पष्ट) लंबे समय तक {{6} }} ट्रायल वॉशआउट अवधि के कारण बेसलाइन, अनएडॉप्टेड स्थिति को मजबूत करने के कारण हो सकता है। जो पुनः सीखने के दौरान अनुकूलन की अस्थायी रूप से लगातार बनी रहने वाली स्मृति के निर्माण को रोकता है। पिछले साहित्य से पता चलता है कि इस प्रकार का दोहराव प्रभाव - उपयोग-निर्भर सीखने का एक रूप [69,70] - केवल 50-150 परीक्षणों के बाद समाप्त हो जाता है [71]; इस प्रकार, इसे प्रारंभिक शिक्षा (जो 220 बेसलाइन परीक्षणों के बाद होती है) और 800 वॉशआउट परीक्षणों के बाद पुनः सीखने को समान रूप से प्रभावित करना चाहिए, जिससे पता चलता है कि हमारे द्वारा देखी गई बचत-विरोधी पर कोई शुद्ध प्रभाव नहीं पड़ता है।

हालाँकि, इस उपयोग-निर्भर शिक्षण प्रभाव का हमारे कार्य के विशिष्ट संदर्भ में अध्ययन नहीं किया गया है। इस प्रकार, प्रयोग S1 में, हमने 12 नए प्रतिभागियों की जांच की, जिन्होंने प्रयोग 1 और 2 में लंबी वॉशआउट अवधि से मेल खाने के लिए, परीक्षण बेसलाइन अवधि के बाद 30˚ विज़ुओमोटर रोटेशन को अनुकूलित किया। हमने पाया कि प्रयोग S1 में लंबी बेसलाइन ( हल्के भूरे रंग) ने अनुकूलन के दौरान अस्थायी रूप से लगातार बने रहने वाले घटक को प्रयोग 1 और 2 (गहरे भूरे रंग) में छोटी, 220- परीक्षण आधार रेखा की तुलना में कम नहीं किया; इसके बजाय, प्रयोग 1 और 2 में परीक्षण के विफल होने के बाद पुनः सीखने से अस्थायी-निरंतर अनुकूलन में महत्वपूर्ण कमी आई, जैसा कि हम मुख्य पाठ में चर्चा करते हैं। साथ में, इन निष्कर्षों से पता चलता है कि अस्थायी रूप से लगातार अनुकूलन में विरोधी बचत लंबे समय तक परीक्षण वॉशआउट अवधि के दौरान उपयोग-निर्भर सीखने के कारण नहीं थी। (ए) औसत अनुकूलन वक्रों की तुलना (i) प्रयोग एस1 (लाइटग्रे) से 800 बेसलाइन परीक्षणों के बाद प्रारंभिक शिक्षा, (ii) प्रयोग 1/2 (गहरा ग्रे) से 220 बेसलाइन परीक्षणों के बाद प्रारंभिक शिक्षा, और (iii) 800 के बाद पुनः सीखना प्रयोग 1/2 (नीला) से वाशआउट परीक्षण। (बी) अनुकूलन चरण का क्लोज़-अप, अस्थायी रूप से लगातार माप के साथ, जैसा कि चित्र 3ए में खाली वृत्तों द्वारा दर्शाया गया है।

पुनः सीखने के वक्र के विपरीत प्रारंभिक सीखने के मामलों (आधार रेखा के 220 और 8{19}}0 परीक्षणों के बाद) के लिए अनुकूलन वक्रों के बीच समानता पर ध्यान दें। त्रुटि पट्टियाँ SEM को दर्शाती हैं; लाल रेखाएं अस्थायी-निरंतर अनुकूलन को अलग करने के लिए उपयोग की जाने वाली देरी को इंगित करती हैं। (सी) इन 3 मामलों के लिए समग्र, अस्थायी-निरंतर, और अस्थायी-अस्थिर अनुकूलन के स्तरों की तुलना, विसुओमोटर रोटेशन गड़बड़ी की शुरुआत के बाद एट्रियल 10, 40, और 70। अस्थायी रूप से लगातार अनुकूलन परीक्षण एक (एक्सप. 1/2 डेटा) के सापेक्ष 800-परीक्षण बेसलाइन (नया डेटा) के बाद कमी का कोई संकेत नहीं दिखाता है; हालाँकि, यह एक्सप में ट्रायल वॉशआउट के बाद पुनः सीखने के दौरान अस्थायी रूप से लगातार अनुकूलन से काफी अधिक है। 1/2. *पी <0.05; **पी < 0.01। इस आंकड़े का समर्थन करने वाला अंतर्निहित डेटा एक्सप{21}}डेटा.मैट और एक्सपी{{22}एस1_डेटा.मैट फाइलों में पाया जा सकता है।

संदर्भ

1. एबिंगहॉस एच. मेमोरी: प्रायोगिक मनोविज्ञान में एक योगदान। विश्वविद्यालय माइक्रोफिल्म्स; 1913. पृ.174.

2. नेल्सन टी.ओ. अवधारण के मापन में एबिंगहॉस का योगदान: पुनः सीखने के दौरान बचत। जेएक्सपी साइकोल लर्न मेम कॉग्न। 1985; 11(3):472-479.

3. मैकलियोड सी.एम. भूल गए लेकिन गए नहीं: दीर्घकालिक स्मृति में चित्रों और शब्दों के लिए बचत। जे एक्सप साइकोल लर्न मेम कॉग्न। 1988; 14(2):195.

4. फ्रे पीडब्लू, रॉस एलई। इंटरस्टिमुलसइंटरवल के एक कार्य के रूप में खरगोश की पलक प्रतिक्रिया की शास्त्रीय कंडीशनिंग। जे कॉम्प फिजियोल साइकोल। 1968; 65(2):246-250।

5. नेपियर आरएम, मैक्रे एम, केहो ईजे। खरगोश की निक्टिटेटिंग झिल्ली प्रतिक्रिया की कंडीशनिंग में तेजी से पुनः प्राप्ति। जे एक्सपी साइकोल एनिम बिहेव प्रोसेस। 1992; 18(2):182.

6. मदीना जेएफ, गार्सिया केएस, मौक एमडी। सेरिबैलम में बचत के लिए एक तंत्र. जे न्यूरोसाइंस. 2001 जून 1;21(11):4081-9।

7. कोजिमा वाई, इवामोटो वाई, योशिदा के. सीखने की स्मृति बंदर में सैकैडिक अनुकूलन की सुविधा प्रदान करती है। जेन्यूरोस्की। 2004 अगस्त 25; 24(34):7531-9.

8. ब्रैशर्स-क्रुग टी, शादमेहर आर, बिज्जी ई. मानव मोटर मेमोरी में समेकन। प्रकृति। 1996; 382(6588):252.

9. शादमेहर आर, ब्रैशर्स-क्रुग टी. मानव दीर्घकालिक मोटर मेमोरी के निर्माण में कार्यात्मक चरण। जे न्यूरोसाइंस। 1997; 17(1):409-419.

10. स्मिथ एमए, ग़ाज़ीज़ादेह ए, शादमेहर आर। अलग-अलग समय-सीमाओं के साथ अनुकूली प्रक्रियाओं पर बातचीत करना अल्पकालिक मोटर सीखने का आधार है। PLoS बायोल. 2006; 4(6):ई179.

For more information:1950477648nn@gmail.com