बाइंडिंग के लिए कार्यशील मेमोरी में एपिसोडिक दीर्घकालिक मेमोरी का योगदान

अमूर्त: वर्तमान प्रयोग कार्यशील मेमोरी (WM) की क्षमता सीमा के बारे में दो निष्कर्षों का समर्थन करते हैं। सबसे पहले, वे बाइंडिंग परिकल्पना के लिए साक्ष्य प्रदान करते हैं, WM क्षमता बाइंडिंग के बीच हस्तक्षेप से सीमित है, लेकिन वस्तुओं से नहीं। दूसरा, वे दिखाते हैं कि जब WM की क्षमता को बड़े सेट आकारों द्वारा सीमा तक बढ़ाया जाता है, तो एपिसोडिक LTM मेमोरी को बाइंड करने में महत्वपूर्ण योगदान देता है। हमने शब्द-चित्र युग्मों के सेट के लिए तत्काल स्मृति का परीक्षण किया। बढ़ते सेट आकार के साथ, बाइंडिंग परिकल्पना द्वारा भविष्यवाणी की गई, वस्तुओं के लिए मेमोरी की तुलना में बाइंडिंग के लिए मेमोरी में अधिक तेजी से गिरावट आई। फिर भी, उच्च सेट आकार में प्रदर्शन क्षमता-सीमित मेमोरी से अपेक्षा से अधिक स्थिर था, जो WM क्षमता सीमा को दरकिनार करने के लिए एपिसोडिक दीर्घकालिक मेमोरी (एलटीएम) के योगदान का सुझाव देता है। उस परिकल्पना के समर्थन में, हम बाइंडिंग मेमोरी में WM और एपिसोडिक LTM के योगदान का दोहरा पृथक्करण दिखाते हैं: 3 से बड़े सेट आकारों पर प्रदर्शन विशेष रूप से सक्रिय हस्तक्षेप से प्रभावित था - लेकिन ध्यान भटकाने वाली देरी से होने वाले प्रभावों के प्रति प्रतिरक्षित था। इसके विपरीत, सेट साइज़ 2 पर प्रदर्शन सक्रिय हस्तक्षेप से अप्रभावित था लेकिन ध्यान भटकाने वाली देरी से नुकसान पहुँचाया गया।

सिस्टैंच अनुभव-याददाश्त में सुधार

1 परिचय

मानव स्मृति के सिद्धांतों में, अक्सर कार्यशील स्मृति (WM) और दीर्घकालिक स्मृति (LTM) के बीच अंतर किया जाता है। WM को सीमित क्षमता वाली एक प्रणाली के रूप में समझा जाता है जो प्रसंस्करण के लिए मानसिक प्रतिनिधित्व उपलब्ध रखती है, जबकि LTM में जानकारी संभवतः असीमित क्षमता के साथ अधिक स्थायी रूप से संग्रहीत होती है (कोवान, 2008)। WM और LTM काफी संरचनात्मक और कार्यात्मक ओवरलैप दिखाते हैं (एरिकसन, वोगेल, लैंसनर, बर्गस्ट्रॉम, और न्यबर्ग, 2015; लुईस-पीकॉक और पोस्टल, 2008; रंगनाथ, 2006; रंगनाथ और ब्लूमेनफेल्ड, 2005; रंगनाथ, कोहेन, और ब्रोज़िंस्की, 2005) और इन प्रणालियों के बीच संबंध कई मेमोरी मॉडल के समर्थकों के बीच बहस का केंद्र है, जो या तो उन्हें मेमोरी की दो अलग-अलग प्रणालियों के रूप में चित्रित करते हैं (उदाहरण के लिए एटकिंसन और शिफ्रिन, 1968; बैडले, 2012; बैरौइलेट और कैमोस, 2012; कोवान, 2008), या एकात्मक स्मृति प्रणाली के रूप में (जैसे, क्राउडर, 1982; मेल्टन, 1963; नायरने, 1990, 2002)। इन चरम सीमाओं के बीच मध्यवर्ती सिद्धांत डब्ल्यूएम को एलटीएम अभ्यावेदन के एक उपसमूह के रूप में अवधारणाबद्ध करते हैं जो - एक सीमित समय के लिए - पहुंच की उच्च स्थिति में हैं (कोवान, 1995; ओबेराउर, 2002)। WM और LTM के बीच घनिष्ठ संबंध अनुभवजन्य रूप से भी अच्छी तरह से समर्थित है। उदाहरण के लिए, WM क्षमता के माप लंबे समय तक याद रखने की क्षमता (अन्सवर्थ, 2010; विल्हेम, हिल्डेब्रांट, और ओबेराउर, 2013) और साहचर्य सीखने (तमेज़, मायर्सन, और हेल, 2008, 2012) के साथ अत्यधिक सहसंबद्ध हैं। WM और LTM के परस्पर क्रिया करने का एक तरीका यह है कि एपिसोडिक LTM में तेजी से गठित प्रतिनिधित्व WM (कोवान, 2019) का परीक्षण करने के लिए डिज़ाइन किए गए कार्यों में प्रदर्शन में योगदान कर सकता है। WM परीक्षणों में प्रदर्शन के लिए एपिसोडिक एलटीएम के योगदान को हमेशा शोधकर्ताओं द्वारा स्वीकार नहीं किया जाता है, लेकिन इसकी संभाव्यता निर्विवाद है: निश्चित रूप से एपिसोडिक मेमोरी, जो हमारे द्वारा बहुत समय पहले अनुभव की गई घटनाओं के बारे में जानकारी बनाए रखती है, कुछ सेकंड पहले की घटनाओं के बारे में भी जानकारी रखती है। एपिसोडिक मेमोरी की भूमिका को फ्री रिकॉल के मॉडल (उदाहरण के लिए, डेवेलार, गोशेन-गॉटस्टीन, एशकेनाज़ी, हार्मन, और अशर, 2005; सेडरबर्ग, हॉवर्ड, और काहाना, 2008) में स्वीकार किया जाता है, हालांकि सीरियल रिकॉल के मॉडल में नहीं ( उदाहरण के लिए, लेवांडोस्की और फैरेल, 2008), जो WM के परीक्षण के लिए सबसे अधिक इस्तेमाल किया जाने वाला प्रतिमान है। हालाँकि, फ्री और सीरियल रिकॉल के बीच का अंतर पर्याप्त अंतर की तुलना में अनुसंधान परंपराओं के ऐतिहासिक विभाजन पर अधिक आधारित है (ग्रेनफेल-एस्साम और वार्ड, 2012; वार्ड, टैन, और ग्रेनफेल-एस्साम, 2010)। उदाहरण के लिए, WM अनुसंधान के मुख्य वर्कहॉर्स में से एक, कॉम्प्लेक्स-स्पैन प्रतिमान (डेनमैन और कारपेंटर, 1980), एपिसोडिक LTM (ब्योर्क और व्हिटन, 1974) पर शोध में निरंतर-विक्षेपक प्रतिमान के समान है: सूची की प्रस्तुति वस्तुओं को ध्यान भटकाने वाले प्रसंस्करण की अवधि के साथ परस्पर जोड़ा जाता है। एपिसोडिक एलटीएम साहित्य में, एपिसोडिक एलटीएम का शुद्ध माप प्राप्त करने के लिए WM से जानकारी को विस्थापित करने के लिए ध्यान भटकाने वाले कार्यों का उपयोग किया जाता है। कुछ शोधकर्ताओं ने तर्क दिया है कि जटिल-अवधि वाले कार्यों (मैककेबे, 2008; अन्सवर्थ एंड एंगल, 2007) में भी ऐसा ही हो सकता है ताकि प्रदर्शन एपिसोडिक एलटीएम से पर्याप्त मात्रा में रिकॉल को प्रतिबिंबित कर सके। अधिक सामान्यतः, कोवान (2019) ने तर्क दिया है कि एलटीएम के सक्रिय हिस्से में एपिसोडिक निशान तेजी से बनते हैं और डब्ल्यूएम परीक्षणों में प्रदर्शन में योगदान करते हैं। ब्यूकर्स, बुशमैन, कोहेन और नॉर्मन (2021) ने तर्क दिया है कि "न्यूरली साइलेंट" (यानी, रिटेंशन अंतराल के दौरान तंत्रिका गतिविधि से डिकोड करने योग्य नहीं) रहते हुए WM कार्यों में जानकारी को सफलतापूर्वक बनाए रखा जाता है, WM में नहीं बल्कि एपिसोडिक LTM में बनाए रखा जाता है। उस संभावना के समर्थन में, शोध से पता चला है कि एपिसोडिक एलटीएम निशानों का त्वरित गठन कुछ सेकंड के भीतर संभव है (ह्यूबनेर और गेगेनफर्टनर, 2011; वेरहेघेन, वैंडेनब्रुक, और डिएरक्स, 1998)। वर्तमान अध्ययन का लक्ष्य यह समझना है कि एलटीएम इस धारणा के आधार पर डब्ल्यूएम में कैसे योगदान देता है कि उनके विभिन्न कार्यों को प्रतिबिंबित करने के लिए डब्ल्यूएम की सामग्री और एलटीएम में प्रतिनिधित्व के बीच कुछ प्रकार का अलगाव होना चाहिए। इस प्रकार, वर्तमान कार्य इस बहस पर बात नहीं करेगा कि क्या WM और LTM संरचनात्मक रूप से अलग प्रणालियाँ हैं। बल्कि, हम उनके बीच कार्यात्मक अंतरों की पहचान करने पर ध्यान केंद्रित करते हैं जिसके द्वारा हम यह पहचान सकते हैं कि मेमोरी कार्य पर प्रदर्शन किस हद तक WM पर निर्भर करता है, और किस हद तक यह एपिसोडिक LTM पर निर्भर करता है।

सिस्टैंच डेजर्टिकोला के मुख्य रासायनिक घटक

1.1. WM क्षमता बाइंडिंग पर एक सीमा है

डब्लूएम और एलटीएम कैसे संबंधित हैं इसका प्रश्न मूल रूप से वर्तमान प्रयोगों को प्रेरित नहीं करता है। बल्कि, हमारी जाँच का प्रारंभिक बिंदु यह था: WM की क्षमता सीमित क्यों है? इस क्षमता सीमा की प्रकृति के बारे में एक परिकल्पना यह है कि यह याद किए गए अस्थायी बाइंडिंग पर एक विशिष्ट सीमा रखती है (ओबेराउर, 2019)। यह बाइंडिंग परिकल्पना बताती है कि WM की सीमा बाइंडिंग के अल्पकालिक रखरखाव से संबंधित है, लेकिन वस्तुओं से नहीं। वस्तुओं के लिए मेमोरी को यह याद रखने की क्षमता के रूप में परिभाषित किया गया है कि कौन सी व्यक्तिगत वस्तुएं (उदाहरण के लिए, शब्द, दृश्य वस्तुएं) हाल ही में घटित हुई हैं। इसे प्रस्तुत वस्तुओं के प्रतिनिधित्व के उच्च स्तर के सक्रियण को बनाए रखने के माध्यम से प्राप्त किया जा सकता है, जो डब्ल्यूएम के कुछ सिद्धांतों में रखरखाव का एकमात्र रूप है (उदाहरण के लिए, डेवेलर एट अल।, 2005; मा, हुसैन, और बेज़, 2014)। आइटम मेमोरी अक्सर यह याद रखने के लिए पर्याप्त होती है कि वर्तमान मेमोरी सेट में कौन से आइटम शामिल थे - सक्रियण के उच्चतम स्तर वाले - लेकिन मेमोरी सेट की संरचना (उदाहरण के लिए, आइटम का क्रम) को याद रखने के लिए नहीं। बाइंडिंग को वस्तुओं के प्रतिनिधित्व के बीच अस्थायी लिंक के रूप में समझा जाता है, उनके बीच संबंधों को कोड करना (उदाहरण के लिए, किस वस्तु को किस शब्द के साथ प्रस्तुत किया गया है), या वस्तुओं और उनके संदर्भ के बीच संबंध (उदाहरण के लिए, कौन सी वस्तु किस स्थान पर प्रस्तुत की गई है, या कौन सा शब्द किसी सूची की किस क्रमबद्ध स्थिति में प्रस्तुत किया गया है)। आइटम मेमोरी बरकरार रहने पर मेमोरी बाइंडिंग की विफलता WM परीक्षणों में विशिष्ट त्रुटियों में प्रकट होती है। उदाहरण के लिए, सीरियल रिकॉल में, लोग अक्सर सूची आइटम को याद करते हैं लेकिन उन्हें गलत क्रम में पुन: पेश करते हैं (हेंसन, 1996)। वस्तुओं के स्थानिक सरणियों के लिए WM के एक परीक्षण में, प्रतिभागी यह याद रखने में बहुत अच्छे हैं कि कौन सी वस्तुएं सरणी में थीं, और कौन से स्थान पर कब्जा कर लिया गया था, लेकिन अक्सर प्रत्येक वस्तु को उसके सही स्थान पर निर्दिष्ट करने में विफल रहते हैं (पर्टज़ोव, डोंग, पेइच, और हुसैन) , 2012). बाइंडिंग परिकल्पना बताती है कि WM की क्षमता बाइंडिंग के अल्पकालिक रखरखाव के लिए एक सीमित कारक है, लेकिन वस्तुओं के लिए नहीं। वस्तुओं के लिए मेमोरी एलटीएम के सक्रिय भाग में बनाए रखी जाती है, जो डब्ल्यूएम प्रणाली का हिस्सा है लेकिन क्षमता सीमा के अधीन नहीं है (कोवान, 1995; ओबेराउर, 2009ए) बाइंडिंग परिकल्पना का परीक्षण प्राथमिक प्रयोगात्मक खोज को प्रदर्शित करते हुए किया जा सकता है WM की सीमित क्षमता: सेट-आकार प्रभाव। जैसे-जैसे WM में रखी जाने वाली वस्तुओं की संख्या बढ़ती है, लोगों का प्रदर्शन तेजी से घटता जाता है (कुछ उदाहरणों के लिए चित्र 1 देखें)। बाइंडिंग परिकल्पना का तात्पर्य है कि बढ़ते सेट आकार के साथ, बाइंडिंग के लिए मेमोरी में गिरावट आनी चाहिए, जबकि वस्तुओं के लिए मेमोरी (काफी हद तक) अप्रभावित होनी चाहिए। ओबेराउर (2019) ने अलग-अलग सेट आकारों की शब्द सूचियों के लिए तत्काल स्मृति का परीक्षण करने वाले दो प्रयोगों में इस भविष्यवाणी के लिए सबूत प्रदान किए। विशेष सूची स्थितियों में जांच के लिए मेमोरी की जांच बहु-वैकल्पिक मजबूर-विकल्प परीक्षणों के माध्यम से की गई थी जिसमें कुछ विकल्प आइटम त्रुटियों (यानी, सूची में नहीं शब्द) का प्रतिनिधित्व करते थे, जबकि अन्य बाध्यकारी त्रुटियों का प्रतिनिधित्व करते थे (यानी, परीक्षण की गई स्थिति के अलावा अन्य शब्दों की सूची) ). सूची की लंबाई के साथ प्रतिभागियों की त्रुटि दर में वृद्धि हुई, और यह लगभग विशेष रूप से बाध्यकारी त्रुटियों के कारण था (कोवान, 2022 देखें)। बाइंडिंग परिकल्पना के लिए अतिरिक्त समर्थन व्यक्तिगत-अंतर अध्ययनों से आता है, जिससे पता चला है कि अस्थायी बाइंडिंग को बनाए रखने की क्षमता तरल बुद्धिमत्ता के साथ अत्यधिक सहसंबद्ध है, और WM कार्यों और खुफिया परीक्षणों में प्रदर्शन के बीच उच्च सहसंबंध को चलाने की संभावना है (चुडर्सकी, 2019) ; विल्हेम एट अल., 2013)। आज तक, यह दावा कि WM क्षमता बाइंडिंग के बीच हस्तक्षेप से सीमित है, प्रयोगात्मक रूप से केवल किसी सूची में वस्तुओं को उनके संबंधित सीरियल पदों पर बाइंडिंग के लिए जांचा गया है। हालाँकि, सूची वस्तुओं और उनकी स्थिति के बीच संबंध को याद रखने की क्षमता पर सेट आकार का प्रभाव बाइंडिंग बनाए रखने की क्षमता सीमा का शुद्ध प्रतिबिंब नहीं हो सकता है। ऐसा इसलिए है क्योंकि सेट का आकार क्रमबद्ध स्थितियों की विशिष्टता के साथ भ्रमित हो सकता है। सीरियल रिकॉल के कई औपचारिक मॉडल इस तरह के भ्रम का संकेत देते हैं। उदाहरण के लिए, स्टार्ट-एंड मॉडल (हेंसन, 1998) में क्रमबद्ध स्थिति को सूची की शुरुआत के लिए एक मार्कर और अंत के लिए एक मार्कर के भारित संयोजन द्वारा दर्शाया जाता है। इन स्थिति निरूपणों की विशिष्टता प्रारंभ और अंत की तुलना में सूची के मध्य में कम है - जो प्रधानता और नवीनता प्रभावों को जन्म देती है। जैसे-जैसे सूची की लंबाई बढ़ती है, शुरुआत और अंत से दूर स्थित स्थानों पर अधिक आइटम आवंटित किए जाते हैं, जिससे औसत स्थितिगत विशिष्टता कम हो जाती है। एक अन्य मॉडल (बोट्विनिक और वतनबे, 2007) में, क्रमिक स्थिति को संख्यात्मक मात्राओं के प्रतिनिधित्व के समान माना जाता है। उच्च मात्राएँ निम्न मात्राओं की तुलना में कम विशिष्ट होती हैं - उदाहरण के लिए, 6 और 7 के बीच की तुलना में 1 और 2 वस्तुओं के बीच अंतर करना आसान होता है। जैसे-जैसे सूची की लंबाई बढ़ती है, उच्च संख्याओं के अनुरूप पदों की भर्ती की जाती है, फिर से इसका मतलब है कि औसत स्थिति सूची में विशिष्टता कम हो जाती है। इसलिए, वर्तमान अध्ययन में, हमारा लक्ष्य WM में बाइंडिंग के दूसरे रूप के लिए बाइंडिंग परिकल्पना का परीक्षण करना है: शब्दों और चित्रों के बीच बाइंडिंग। सामग्री के इस चयन का लाभ यह है कि मेमोरी सेट आकार और एक-दूसरे से जुड़े अभ्यावेदन की विशिष्टता के बीच कोई ज्ञात भ्रम नहीं है: एक पूल से यादृच्छिक रूप से नमूना किए गए शब्दों या चित्रों के बीच जोड़ीदार विशिष्टता को प्रभावित नहीं किया जाना चाहिए मेमोरी सेट में कई शब्द या चित्र शामिल होते हैं। शब्द युग्मों (मर्डॉक जूनियर, 1963) की छोटी सूचियों के लिए स्मृति की जांच के लिए एक समान जांच-रिकॉल प्रतिमान का उपयोग करते हुए पिछले काम से पता चला है कि सेट आकार में वृद्धि के साथ सही जोड़ी को याद करने की संभावना कम हो जाती है। इसलिए, यह कार्य सेट-आकार प्रभाव में आइटम और बाइंडिंग मेमोरी के योगदान की आगे की जांच करने के लिए उपयुक्त है। बाइंडिंग परिकल्पना के अनुसार, बाइंडिंग के बीच हस्तक्षेप उन्हें बनाए रखने की क्षमता पर चुनिंदा क्षमता सीमा बनाता है। इसलिए, हमें अभी भी यह उम्मीद करनी चाहिए कि सेट का आकार बढ़ने से लोगों की यह याद रखने की क्षमता बुरी तरह प्रभावित हो जाएगी कि कौन सा शब्द किस चित्र के साथ जोड़ा गया था। साथ ही, सेट का आकार बढ़ाने से लोगों की व्यक्तिगत वस्तुओं को याद रखने की क्षमता पर कोई या बहुत अधिक सौम्य प्रभाव नहीं पड़ना चाहिए (यानी, यह याद रखने के लिए कि उन्होंने वर्तमान परीक्षण में कौन से शब्द, या चित्र देखे हैं)। आइटम मेमोरी के लिए पूर्वानुमान यह नहीं है कि कोई सेट-आकार प्रभाव नहीं है क्योंकि यदि आइटम मेमोरी WM क्षमता द्वारा बाधित नहीं है, तो यह अभी भी एपिसोडिक एलटीएम तक पहुंच को सीमित करने वाले कारकों द्वारा सीमित है। हालांकि, हम उम्मीद करते हैं कि सेट-आकार प्रभाव क्षमता सीमा के हस्ताक्षर न दिखाएं, जैसा कि अक्सर WM परीक्षणों में देखा जाता है: क्षमता के भीतर निर्धारित आकारों के लिए उच्च स्तर पर स्थिर प्रदर्शन, इसके बाद निर्धारित आकार क्षमता से अधिक हो जाने पर तीव्र गिरावट आती है।

चित्र 1. सटीकता पर सेट-आकार के प्रभाव को प्रदर्शित करने वाले प्रतिनिधि निष्कर्ष (ओबेराउर एट अल., 2018 से लिया गया)। (ए) मौखिक सामग्री के साथ सरल और जटिल स्पैन परीक्षणों में सीरियल रिकॉल (अन्सवर्थ और एंगल, 2006)। (बी) रनिंग मेमोरी स्पैन (बंटिंग, कोवान, और स्कॉट सॉल्ट्स, 2006)। (सी) आइटम पहचान (मैकएलरी और डोशर, 1989)। (डी) मानक एन-बैक (जोनाइड्स एट अल।, 1997), और एन-बैक का एक संस्करण जिसमें बाद की उत्तेजनाओं को एन कॉलम में प्रस्तुत किया जाता है, जैसे कि प्रत्येक उत्तेजना एक ही कॉलम में एक एन कदम पीछे दिखाई देती है (वेरहेघेन) और बसाक, 2005)। (ई) WM को अंकों और अंकगणितीय संक्रियाओं के साथ अद्यतन किया जा रहा है (ओबेराउर और क्लीगल, 2001)। (एफ) रंगीन वर्गों की सरणियों के साथ पहचान बदलें (एडम, मेंस, फुकुडा, और वोगेल, 2015)।

1.2. वर्तमान अध्ययन

वर्तमान अध्ययन का पहला लक्ष्य WM क्षमता की बाध्यकारी परिकल्पना का एक नया परीक्षण प्रदान करना था। हमने इसे प्रयोग 1 के साथ हासिल किया, लेकिन उस प्रयोग से एक मजबूत संकेत भी मिला कि एपिसोडिक एलटीएम ने बाइंडिंग मेमोरी के हमारे परीक्षण में महत्वपूर्ण योगदान दिया, खासकर बड़े सेट आकारों पर। इसलिए, हमारा दूसरा लक्ष्य इस योगदान की जांच करना और इसे बाइंडिंग मेमोरी में WM के योगदान से अलग करना था। हमने ऐसी जोड़तोड़ शुरू करके ऐसा किया जो विशेष रूप से WM को बाधित करने के लिए मानी जाती है, जैसे कि परीक्षण से पहले एक ध्यान भटकाने वाला कार्य शुरू करना (उदाहरण के लिए पीटरसन और पीटरसन, 1959) या एपिसोडिक एलटीएम, सक्रिय हस्तक्षेप शुरू करके (कोवान, 2005)। हमारा लक्ष्य यह जांच करना था कि इनमें से प्रत्येक जोड़-तोड़ किस सेट आकार पर तत्काल 4-विकल्प बलपूर्वक-पसंद पहचान परीक्षण में मेमोरी प्रदर्शन को प्रभावित करता है।

2. प्रयोग 1

प्रयोग 1 में, हमारा लक्ष्य अलग-अलग संख्या में शब्द-चित्र युग्मों के लिए विषयों की स्मृति का परीक्षण करके बाध्यकारी परिकल्पना का परीक्षण करना था। परीक्षण में, स्मृति को चित्रों या शब्दों द्वारा इंगित किया गया था, और विषयों को चार प्रतिक्रिया विकल्पों में से परीक्षण किए गए जोड़े के अन्य तत्व को चुनना था। इन विकल्पों में लक्ष्य और तीन अलग-अलग प्रकार के लालच शामिल थे: (1) एक परीक्षण के भीतर का लालच: एक उत्तेजना जो वर्तमान जोड़ी में एक जोड़ी का हिस्सा थी लेकिन परीक्षण की गई जोड़ी में नहीं; (2) एक पुराना लालच: एक उत्तेजना जो पिछले परीक्षण में एक जोड़े का हिस्सा थी; और (3) एक नई वस्तु: एक प्रोत्साहन जिसका उपयोग किसी भी परीक्षण में नहीं किया गया है। इस परीक्षण को आइटम और बाइंडिंग मेमोरी को अलग करने के लिए डिज़ाइन किया गया था: परीक्षण के भीतर के आकर्षण की अस्वीकृति के लिए क्रमशः उद्धृत चित्र (या शब्द) और लक्ष्य शब्द (या चित्र) के बीच सही बाइंडिंग के लिए मेमोरी की आवश्यकता होती है। यदि विषयों में आइटम मेमोरी बरकरार है लेकिन कोई बाध्यकारी मेमोरी नहीं है, तो वे पुराने और नए लालच को बाहर करने में सक्षम होंगे लेकिन उन्हें समान संभावना के साथ लक्ष्य और परीक्षण के भीतर के लालच के बीच चयन करना होगा। यदि उनके पास WM में न तो बाइंडिंग है और न ही आइटम मेमोरी है, लेकिन सामान्य तौर पर पहले से प्रस्तुत वस्तुओं के लिए कुछ परिचित संकेत हैं जो उन्हें नए लालच को बाहर करने में सक्षम बनाते हैं, तो वे लक्ष्य, परीक्षण के भीतर के लालच और पुराने लालच के बीच चयन करेंगे। यदि उनके पास बिल्कुल भी याददाश्त नहीं है, तो उन्हें सभी चार प्रतिक्रिया विकल्पों के बीच अनुमान लगाना होगा (समान दृष्टिकोण के लिए बार्टश, लोइज़ा, और ओबेराउर, 2019; ओबेराउर, 2019; विल्हेम एट अल।, 2013 देखें)। यदि WM क्षमता वास्तव में बाइंडिंग के बीच हस्तक्षेप से सीमित है, जबकि आइटम मेमोरी WM क्षमता सीमा से अप्रभावित है, तो लोगों को सेट आकार की परवाह किए बिना आइटम त्रुटियों (यानी, पुराने या नए ल्यूर का चयन) से बचने में सक्षम होना चाहिए, लेकिन उन्हें ऐसा करना चाहिए जैसे-जैसे सेट का आकार WM क्षमता (यानी, लगभग 3-4 जोड़े) तक पहुंचता है और उससे अधिक हो जाता है, बाइंडिंग त्रुटियों (यानी, परीक्षण के भीतर लालच का चयन करना) में तेज वृद्धि दिखाई देती है। इसलिए, बढ़ते सेट आकार के साथ प्रदर्शन में कमी आनी चाहिए, और यह वृद्धि मुख्य रूप से परीक्षण में गलत तरीके से चुने गए परीक्षण लालच के उच्च प्रतिशत के कारण होनी चाहिए।

चीनी जड़ी बूटी सिस्टैंच

2.1. तरीका

2.1.1. प्रतिभागियों

हमने प्रयोग 1 के लिए 20 प्रतिभागियों से डेटा एकत्र किया (औसत आयु=23.67; 15 महिला)। हमने इसके और निम्नलिखित प्रयोगों के लिए एन=20 का प्रारंभिक नमूना आकार चुना क्योंकि यह विषय के भीतर के डिजाइनों में मध्यम से बड़े प्रभावों का पता लगाने के लिए पर्याप्त है, और क्योंकि मेमोरी सेट-आकार के प्रभाव बड़े होने के लिए जाने जाते हैं। बायेसियन आँकड़ों के उपयोग का अर्थ है कि अस्पष्ट साक्ष्य के मामले में नमूना आकार तब तक बढ़ाया जा सकता है जब तक कि अस्पष्टता का समाधान नहीं हो जाता (राउडर, 2014; शॉनब्रोड्ट, वैगनमेकर्स, ज़ेहेटेलिटनर, और पेरुगिनी, 2017); यह प्रयोग 2, 3, 4 और 5 के लिए आवश्यक था। केवल वे प्रतिभागी जिनकी मातृभाषा जर्मन है, जिनकी आयु 18 से 35 वर्ष के बीच है, और जिनकी दृष्टि सामान्य या सामान्य से सुधारित थी, उन्होंने ही इस और निम्नलिखित प्रयोगों में भाग लिया। सभी ज्यूरिख विश्वविद्यालय या ईटीएच ज्यूरिख में नामांकित छात्र थे। प्रतिभागियों ने अध्ययन से पहले एक सूचित सहमति पर हस्ताक्षर किए और अंत में उनसे जानकारी ली गई। इसका प्रायोगिक प्रोटोकॉल और निम्नलिखित सभी प्रयोग ज्यूरिख विश्वविद्यालय में कला और सामाजिक विज्ञान संकाय की आचार समिति के नियमों के अनुसार हैं। यह और निम्नलिखित सभी प्रयोग प्रयोगशाला में व्यक्तिगत रूप से चलाये गये।

2.1.2. सामग्री और प्रक्रिया

बाइंडिंग और WM लोड की अलग-अलग स्थितियों के लिए कार्यशील मेमोरी को मापने के लिए, हमने क्रमिक रूप से सेट आकार 2, 3, 4, 6 और 8 पर मनमाने ढंग से शब्दचित्र जोड़े प्रस्तुत किए (चित्र 2 देखें)। शब्द बर्लिन अफेक्टिव वर्ड लिस्ट (BAWL-R, Vo et al., 2009) से 1198 तटस्थ शब्दों के पूल से लिए गए थे, जिनकी न्यूनतम लंबाई 2 और अधिकतम लंबाई 10 अक्षर थी। शब्दों की औसत आवृत्ति प्रति मिलियन 59.33 थी। चित्र वास्तविक दुनिया की वस्तुओं (ब्रैडी, कोंकले, अल्वारेज़, और ओलिवा, 2008) की 2400 तस्वीरों के एक पूल से खींचे गए थे। प्रत्येक परीक्षण के शब्द और चित्र इन पूलों से बिना प्रतिस्थापन के खींचे गए ताकि प्रत्येक उत्तेजना का उपयोग केवल एक परीक्षण में किया जा सके। प्रत्येक जोड़ी को 100 एमएस अंतर-उत्तेजना अंतराल के साथ 900 एमएस के लिए प्रस्तुत किया गया था। 1000 एमएस प्रतिधारण अंतराल के बाद, चार-वैकल्पिक मजबूर-विकल्प प्रक्रिया के साथ यादृच्छिक क्रम में प्रस्तुत जोड़े के यादृच्छिक आधे के लिए तत्काल मेमोरी का परीक्षण किया गया था। विषम संख्या वाले सेट आकार 3 परीक्षणों में तीन जोड़ियों में से केवल एक का परीक्षण किया गया था। आधे परीक्षणों में, विषयों को एक जोड़ी के शब्द के साथ संकेत दिया गया था और उन्हें एन्कोडिंग (शब्द-संकेत स्थिति) पर शब्द के साथ प्रस्तुत किए गए विकल्प पर क्लिक करके इसके चारों ओर प्रदर्शित चार चित्रों में से चुनना था। परीक्षणों के दूसरे भाग में, विषयों को एक चित्र के साथ उद्धृत किया गया था और उन्हें 4 शब्दों (चित्र-संकेत स्थिति) में से चुनना था। चार विकल्पों में हमेशा सही आइटम, एक समान-परीक्षण लालच, पिछले परीक्षण से एक लालच (पुराना घुसपैठ लालच; किसी भी यादृच्छिक रूप से चुने गए पूर्व परीक्षण से चयनित), और एक नया आइटम (नया लालच) शामिल होता है। फिर, इस परीक्षण को आइटम और बाइंडिंग मेमोरी को अलग करने के लिए डिज़ाइन किया गया था: परीक्षण के भीतर के आकर्षण की अस्वीकृति के लिए क्रमशः उद्धृत चित्र (या शब्द) और लक्ष्य शब्द (या चित्र) के बीच सही बाइंडिंग के लिए मेमोरी की आवश्यकता होती है। यदि विषयों में अक्षुण्ण बाइंडिंग मेमोरी नहीं है, तो वे समान संभावना के साथ लक्ष्य और परीक्षण के भीतर के आकर्षण के बीच चयन करेंगे। इसी प्रकार, पुराने परीक्षण के लालच को अस्वीकार करने के लिए वर्तमान परीक्षण की सही वस्तुओं के लिए स्मृति की आवश्यकता होती है। केवल यदि विषयों में बिल्कुल भी स्मृति नहीं है, तो वे समान संभावना के साथ सभी चार विकल्पों के बीच अनुमान लगाएंगे। बड़े सेट आकारों पर परीक्षण के भीतर जोड़े में बढ़ते संदर्भ परिवर्तनों को नियंत्रित करने के लिए, लक्ष्य जोड़ी के ठीक पहले या बाद में प्रस्तुत जोड़ी से हमेशा परीक्षण के भीतर आकर्षण तैयार किया जाता था। प्रस्तुत जोड़ियों में से केवल आधे का परीक्षण करने का कारण यह था कि हम एक ही परीक्षण में प्रतिक्रियाओं के बीच निर्भरता को कम करने के लिए परीक्षणों में किसी भी प्रतिक्रिया विकल्प को दोहराने से बचना चाहते थे। इसलिए, परीक्षण न किए गए जोड़ियों से समान परीक्षण लालच निकाले गए। एक घंटे के प्रयोग में 80 परीक्षण शामिल थे, जिसमें क्यू स्थिति (शब्द बनाम चित्र क्यू) और सेट आकार (2,3,4,6, और 8) के संयोजन में 8 परीक्षण शामिल थे।

2.1.3. डेटा विश्लेषण

हमने बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन का उपयोग करके प्रयोग 1 के डेटा का विश्लेषण किया, जो मेमोरी सेट आकार के आधार पर एएफसी परीक्षण में सही या गलत प्रतिक्रियाओं की भविष्यवाणी करता है। सही प्रतिक्रियाओं को विकल्पों में से लक्ष्य वस्तु को चुनने के रूप में परिभाषित किया गया था (यानी, परीक्षण के भीतर का लालच, पुराने-घुसपैठ का लालच, नया लालच)। हमने निश्चित प्रभाव (यानी, सेट आकार) के लिए एक उप-प्रतिभागी यादृच्छिक अवरोधन और एक यादृच्छिक ढलान शामिल किया। निश्चित प्रभाव को आकार में सेट किया गया था और मॉडल में एक सतत भविष्यवक्ता के रूप में शामिल किया गया था। यदि हमें कोई सेट आकार प्रभाव मिला, तो हमने परीक्षण किया कि क्या यह बाइंडिंग के लिए कम मेमोरी द्वारा संचालित था, जो शेष सभी विकल्पों के ऊपर समान-परीक्षण लालच को चुनने की संभावना में वृद्धि में प्रकट होगा। हमने इसे बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन में लागू किया, जिसमें मेमोरी सेट आकार के आधार पर प्रत्येक प्रकार की त्रुटि (समान-परीक्षण घुसपैठ, पुराना घुसपैठ लालच और नया लालच) के लिए अलग-अलग एएफसी परीक्षण में त्रुटियों की संभावना की भविष्यवाणी की गई। यह ध्यान रखना है कि चार आश्रित चर स्वतंत्र नहीं हैं, क्योंकि 4 श्रेणियों (सही, समान-परीक्षण घुसपैठ, पुरानी घुसपैठ लालच, और नया लालच) में से प्रत्येक के लिए प्रतिक्रियाओं की संख्या एक तक पहुंचती है। इसलिए, इनमें से एक विश्लेषण अनावश्यक है। फिर भी हम सबसे पारदर्शी तरीके से प्रत्येक श्रेणी की प्रतिक्रियाओं पर सेट-आकार के प्रभाव के साक्ष्य प्रस्तुत करने के लिए सभी चार की रिपोर्ट करते हैं। मॉडल को R पैकेज brms (बुर्कनर, 2017, 2018) में लागू किया गया था। प्रतिगमन गुणांकों को 0.353 के पैमाने के साथ कॉची प्रायर दिया गया था। इन पैमानों को इसलिए चुना गया क्योंकि इन प्रीर्स को हाल ही में लॉजिस्टिक मॉडल (ओबेराउर, 2019) के साथ मॉडल तुलना के लिए डिफ़ॉल्ट प्रीर्स के रूप में प्रस्तावित किया गया था। हमने सहसंबंध मैट्रिक्स के लिए पूरी तरह से गैर-जानकारीपूर्ण प्रीर्स का उपयोग किया, तथाकथित एलकेजे प्रीर्स को आकार पैरामीटर 1 के साथ। हमने बेयस की गणना की प्रत्येक भविष्यवक्ता के प्रभाव के लिए साक्ष्य की ताकत का अनुमान लगाने के लिए कारक, उस भविष्यवक्ता सहित मॉडल की तुलना उसे छोड़कर एक मॉडल से करते हैं। इसी तरह, हमने यादृच्छिक प्रभाव के रूप में इंटरैक्शन शब्द सहित साक्ष्य के लिए परीक्षण किया - जहां लागू हो - और यदि इसके लिए सबूत थे तो बाद के मॉडल तुलनाओं के लिए इसे बनाए रखा। मुख्य प्रभाव को छोड़कर मॉडल ने केवल इसके निश्चित प्रभाव को बाहर रखा लेकिन इसके यादृच्छिक प्रभाव को बरकरार रखा। हमने मॉडल तुलना के लिए बेयस फैक्टर का उपयोग किया, जिसकी गणना हथियार पैकेज में शामिल ब्रिज सैंपलर (ग्रोनौ, सिंगमैन, और वैगनमेकर्स, 2017) के माध्यम से की गई। 1 से बड़ा BF10 किसी प्रभाव का प्रमाण देता है; 1 से कम बीएफ10 एक प्रभाव के खिलाफ सबूत देता है, और इसलिए शून्य परिकल्पना के लिए सबूत देता है। शून्य परिकल्पना के लिए साक्ष्य की ताकत BF01=1/ BF10 है। 10 में से एक बीएफ10 इंगित करता है कि शून्य परिकल्पना की तुलना में वैकल्पिक परिकल्पना के तहत डेटा की संभावना 10 गुना अधिक है। आमतौर पर, बीएफ > 3 को एक परिकल्पना के लिए दूसरे पर पर्याप्त सबूत प्रदान करने वाला माना जाता है। हमने एक एमसीएमसी एल्गोरिदम (स्टैन; कारपेंटर एट अल., 2017 में लागू) का उपयोग किया, जो पूर्व और संभावना के उत्पाद के आनुपातिक पैरामीटर मानों का नमूना लेकर पीछे का अनुमान लगाता है। ये नमूने 4 स्वतंत्र मार्कोव श्रृंखलाओं के माध्यम से तैयार किए गए हैं, जिनमें से प्रत्येक में 1 000 वार्मअप नमूने हैं, इसके बाद 50,000 नमूने पीछे के वितरण से लिए गए हैं जिन्हें विश्लेषण के लिए रखा गया था। गेलमैन एट अल के बाद। (2013), हमने पुष्टि की कि 4 श्रृंखलाएँ समान पश्च वितरण में परिवर्तित हो गईं, इसकी पुष्टि करते हुए कि ̂R आँकड़ा - श्रृंखला के बीच भिन्नता और भीतर-श्रृंखला भिन्नता के अनुपात को दर्शाता है - था<1.02 for all parameters, and we visually inspected the chains for convergence. Further, we calculated the common estimate of the capacity of WM across our variation of set size and additional manipulations in each experiment. Based on the assumptions of discrete memory states, this estimate K is derived from the number of items remembered (Adam, Vogel, & Awh, 2017; Cowan, 2001; Zhang & Luck, 2008). For n-alternative forced choice tests of a single item, this estimate is obtained with K for the number of remembered items; N for the memory set size, P (correct) for the proportion of correct responses, and g for the chance of guessing the correct response. The chance of guessing depends on assumptions about the capacity limit and on whether the difficulty of the lures affects the probability of choosing them. If the capacity limit is a limit on all information remembered about an item, then we distinguish a state of remembering the tested item (leading to a correct response) from a state of no information about the item, in which case the person guesses with equal probability from the entire response set: Here the chance of guessing is determined by the number of response alternatives, resulting in g = 1/4. If we assume that WM capacity places a limit on binding memory but not item memory, then we can distinguish a state of remembering the item-position binding (leading to a correct response) from a state of not remembering the binding, but still having item memory available to restrict the response set to the candidates from the current list. On this assumption, guessing chooses each candidate from the current list with equal chance, leading to guessing being set to ½. Here we report K estimates based on g = ¼. because it reflects the most common assumption about capacity limits; K estimates based on g = ½ can be found in the Supplementary Material. Finally, we also computed the input-output distance of the pairs as a predictor of the probability of choosing the correct response. The input-output distance represents the number of intervening events – encoding or testing of other pairs – between the encoding of a given pair and the test of that pair. For example, if a pair in the set-size 8 condition is presented in the serial position 6, and tested first, the input-output distance would be 2. If the same pair would be tested 4th, the input-output distance would be 5. This analysis was exploratory, as we had no predictions for it, but it turned out to be informative about the division of labor between WM and episodic LTM. The data and the analysis scripts can be accessed in the Open Science Framework (https://osf.io/ymgkq).

चित्र 2. प्रयोग 1 के प्रतिमान का चित्रण। विषयों को क्रमिक रूप से अलग-अलग सेट आकारों में शब्द-चित्र युग्मों की एक सूची दिखाई गई। आधे जोड़ियों के लिए चित्र या शब्द से संकेत करके, यादृच्छिक क्रम में तत्काल स्मृति का परीक्षण किया गया था। विषयों को चार प्रतिक्रिया विकल्पों के बीच चयन करना था, जिसमें सही आइटम, एक समान-परीक्षण लालच, एक पुराना-परीक्षण लालच और एक नया आइटम शामिल था।

2.2. परिणाम

चित्र 3 निर्धारित आकारों में चार प्रतिक्रिया विकल्पों में से प्रत्येक को चुनने की औसत संभावना दिखाता है। इच्छुक पाठक क्यू प्रकार, सीरियल स्थिति, साथ ही पूरक में आउटपुट स्थिति (छवि एस 2 ए, छवि एस 3 ए, छवि एस 4 ए) द्वारा विभाजित सही प्रतिक्रियाओं का औसत अनुपात भी पा सकते हैं। तालिका 2 में पदानुक्रमित लॉजिस्टिक रिग्रेशन मॉडल के पूर्ण मॉडल के सूत्रों, इंट्रा-क्लास सहसंबंधों के साथ-साथ टिप्पणियों की संख्या सूचीबद्ध है।

2.2.1. शुद्धता

हमारा पहला सवाल यह था कि क्या मेमोरी लोड (यानी, सेट आकार) सही विकल्प चुनने की संभावना को प्रभावित करता है। बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन ने इसके निश्चित प्रभाव को छोड़कर एक मॉडल की तुलना में सेट आकार (बीएफ 10=5 .2 × 1010) का एक मुख्य प्रभाव प्रकट किया। फिर भी, जैसा कि चित्र 2 में दिखाया गया है, सही आइटम चुनने की औसत संभावना केवल सेट आकार 2 से 4 तक कम हो गई है, सेट आकार 4 से 8 के बीच प्रदर्शन का स्तर कम हो गया है। सेट के उस मंदी के साक्ष्य का अनुमान लगाने के लिए- आकार प्रभाव, हमने विभिन्न सेट-आकार कोडिंग वाले मॉडलों की तुलना की। हमने वैकल्पिक भविष्यवक्ताओं के साथ रैखिक रूप से गिरते सेट-आकार भविष्यवक्ता को बदल दिया, जिसमें सेट-आकार कोडिंग विभिन्न संभावित पठारों (तालिका 1) को प्रतिबिंबित करती है। वह मॉडल जिसने 4 और उससे अधिक मानों पर निर्धारित आकार के लेवलिंग-ऑफ के साथ सही प्रतिक्रिया संभाव्यता की भविष्यवाणी की थी, उसने डेटा का सबसे अच्छा वर्णन किया; सभी निर्धारित आकारों में एक रैखिक गिरावट मानने वाले मॉडल की तुलना में, सभी संभावित पठारों के लिए रैखिक ड्रॉप मॉडल की तुलना के लिए इसे 8.12 × 104 के बीएफ10 (तालिका 1 देखें) के साथ प्राथमिकता दी गई थी)।

2.2.2. त्रुटि प्रकार

हमारा दूसरा प्रश्न यह था कि क्या यह सेट आकार प्रभाव बाइंडिंग के लिए कम मेमोरी द्वारा संचालित था, जो शेष सभी विकल्पों के ऊपर समान-परीक्षण लालच को चुनने की संभावना में वृद्धि में प्रकट होगा। इसलिए, हमने मेमोरी सेट आकार के आधार पर प्रत्येक प्रकार की त्रुटि (समान-परीक्षण घुसपैठ, पुराने घुसपैठ लालच और नए लालच) के लिए अलग-अलग एएफसी परीक्षण में त्रुटियों की संभावना की भविष्यवाणी करते हुए बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन का उपयोग किया। हमने पाया कि सेट आकार प्रभाव पूरी तरह से समान-परीक्षण लालच, (बीएफ 10=9.18 × 1010) को चुनकर संचालित किया गया था, क्योंकि अन्य दोनों त्रुटि प्रकारों के लिए सेट आकार प्रभाव के खिलाफ सबूत थे, पुराने परीक्षण घुसपैठ को चुनना (बीएफ10=12.37), साथ ही नए आइटम (बीएफ01=8.97)।

2.2.3. इनपुट-आउटपुट दूरी

अंत में, हमने सही प्रतिक्रिया चुनने की संभावना पर इनपुट-आउटपुट दूरी के प्रभाव का निरीक्षण किया। जैसा कि चित्र 4 में दिखाया गया है, याद करें

तालिका 1 प्रयोग 1 में सही प्रतिक्रियाओं की संख्या की भविष्यवाणी करने वाले बायेसियन पदानुक्रमित लॉजिस्टिक प्रतिगमन के परिणाम।

नोट: सभी मॉडलों में प्रतिभागी को यादृच्छिक प्रभाव के रूप में शामिल किया गया है। प्रत्येक सेट आकार भविष्यवक्ता (1-4) के परीक्षणों के लिए, पहली पंक्ति रैखिक मॉडल [1] पर प्रत्येक मॉडल के बेयस फैक्टर (बीएफ) को प्रस्तुत करती है (विभिन्न स्तंभों में दिखाया गया है)। दूसरी पंक्ति सर्वोत्तम मॉडल पर संबंधित विवश भविष्यवक्ता का उपयोग करके मॉडल का बीएफ दिखाती है। बोल्ड प्रिंट वाला मॉडल नल मॉडल की तुलना में सबसे अच्छा मॉडल है।

चित्र 3. प्रयोग 1 में तत्काल मेमोरी प्रदर्शन। पैनल ए सेट आकारों में सही आइटम चुनने की संभावना दिखाता है। पैनल बी, सी, और डी क्रमशः परीक्षण के भीतर लालच, पुराने लालच और नए लालच को चुनने की संभावना दिखाते हैं। त्रुटि पट्टियाँ विषय के भीतर 95 प्रतिशत विश्वास अंतराल का प्रतिनिधित्व करती हैं।

2.3. बहस

प्रयोग 1 का लक्ष्य वस्तुओं के बीच बाइंडिंग के लिए बाइंडिंग परिकल्पना का परीक्षण करना था। परिणाम बाइंडिंग परिकल्पना का समर्थन करते हैं, क्योंकि सेट आकार प्रभाव विशेष रूप से बाइंडिंग के लिए कम मेमोरी द्वारा संचालित होता था, जो शेष सभी विकल्पों के ऊपर समान-परीक्षण लालच को चुनने की संभावना में वृद्धि में प्रकट हुआ। अप्रत्याशित रूप से, WM पर मेमोरी लोड का हानिकारक प्रभाव 4 जोड़ियों के बाद कम हो गया, प्रतिभागियों ने सेट साइज़ 4, 6 और 8 में तत्काल मेमोरी कार्य में तुलनात्मक रूप से प्रदर्शन किया। यह आश्चर्यजनक था, क्योंकि पिछले शोध ने लगातार दिखाया है कि विभिन्न WM प्रतिमानों में, सेट आकार बढ़ने पर आइटम-संदर्भ बाइंडिंग की सटीकता लगातार गिरती रहती है - अक्सर त्वरित तरीके से - (एक सिंहावलोकन के लिए: ओबेराउर एट अल।, 2018: बेंचमार्क 1.1 और चित्र 1)। सेट आकार का घटता प्रभाव वह नहीं है जिसकी हमें क्षमता-सीमित मेमोरी से अपेक्षा करनी चाहिए, क्योंकि इसका तात्पर्य यह है कि जैसे-जैसे अधिक जानकारी प्रस्तुत की जाती है, अधिक जानकारी मेमोरी में बनी रहती है। स्पष्ट करने के लिए, चित्र 5A K मान दिखाता है जो सेट आकारों में याद किए गए जोड़े की संख्या को दर्शाता है, यह दर्शाता है कि क्षमता अनुमान सेट आकार के साथ लगातार बढ़ता गया है (50 प्रतिशत अनुमान लगाने की संभावना के आधार पर K अनुमानों के लिए अनुपूरक चित्र S 1 देखें)। घटते सेट-आकार प्रभाव के लिए एक संभावित स्पष्टीकरण यह है कि प्रतिभागी शब्द-चित्र बाइंडिंग को बनाए रखने के लिए कम से कम अपने एपिसोडिक एलटीएम पर भरोसा करते हैं, और एलटीएम का प्रभाव बड़े सेट आकारों के साथ इस तरह बढ़ता है कि सेट पर प्रदर्शन का स्तर कम हो जाता है सटीकता के स्तर पर आकार 4 से 8 जिसे केवल एलटीएम का उपयोग करके बनाए रखा जा सकता है। इसलिए, हम अनुमान लगाते हैं कि बड़े सेट आकारों पर, एपिसोडिक एलटीएम हमारे WM कार्य में प्रदर्शन में दृढ़ता से योगदान देता है - विशेष रूप से, यह न केवल आइटम मेमोरी में बल्कि बाइंडिंग मेमोरी में भी योगदान देता है। इस परिकल्पना का परीक्षण करने के लिए, प्रयोग 2 और 3 में, हमने एक स्थिति में सक्रिय हस्तक्षेप को प्रेरित करके एपिसोडिक एलटीएम अभ्यावेदन पर भरोसा करने की उपयोगिता में हेरफेर किया। यदि एपिसोडिक एलटीएम विशेष रूप से बड़े सेट आकारों पर प्रदर्शन में योगदान देता है, तो सक्रिय हस्तक्षेप (पीआई) का प्रभाव केवल बड़े सेट आकारों पर मौजूद होना चाहिए। इसके विपरीत, छोटे सेट आकारों पर, जहां प्रदर्शन WM अभ्यावेदन पर निर्भर करता है, PI का कोई प्रभाव नहीं होना चाहिए, क्योंकि WM अपनी सामग्री को PI (कोवान, 2005; कोवान, जॉनसन, और स्कॉट सॉल्ट्स, 2005; हैलफोर्ड, मेबरी, और बेन) से बचाता है। , 1988; ओबेराउर, औह, और सटरर, 2017; विकेंस, बॉर्न, और एलन, 1963; विकेंस, मूडी, और डॉव, 1981)। प्रयोग 4 और 5 में, हमने विपरीत परिकल्पना का परीक्षण किया कि अवधारण अंतराल के दौरान एक ध्यान भटकाने वाला कार्य, जिसे चुनिंदा रूप से WM को ख़राब करना चाहिए, केवल छोटे सेट आकारों पर प्रदर्शन को प्रभावित करता है। एक और खोज कम इनपुट-आउटपुट दूरी पर अपेक्षाकृत उच्च प्रदर्शन थी। यह अवलोकन हमारी धारणा के अनुकूल है कि WM क्षमता बाइंडिंग के बीच हस्तक्षेप से सीमित है, अगर हम एक अतिरिक्त धारणा बनाते हैं: बड़े सेट आकार के साथ, अंतिम-प्रस्तुत जोड़े WM में अधिमानतः बनाए रखे जाते हैं। इसके दो कारण हो सकते हैं. एक यह है कि WM में हस्तक्षेप अधिकतर पूर्वव्यापी होता है, इसलिए पहले प्रस्तुत जोड़े हस्तक्षेप से सबसे अधिक दूषित होते हैं। वैकल्पिक रूप से, पहले प्रस्तुत जोड़े को जानबूझकर एपिसोडिक एलटीएम के लिए आउटसोर्स किया जाता है क्योंकि एपिसोडिक मेमोरी में स्थापित होने के लिए उनके पास सबसे लंबा समय होता है। इन धारणाओं पर, अंतिम-प्रस्तुत जोड़े WM में सबसे अधिक सुलभ हैं, खासकर जब उन्हें आउटपुट अनुक्रम में जल्दी परीक्षण किया जाता है। बाद के परीक्षणों में, वे पिछले परीक्षणों से आउटपुट हस्तक्षेप के माध्यम से तेजी से दूषित हो गए हैं, जो एपिसोडिक मेमोरी से WM में अन्य जोड़े को पुनर्प्राप्त करने के कारण होता है। इस परिकल्पना का परीक्षण करते समय कि एपिसोडिक एलटीएम निम्नलिखित प्रयोगों में बड़े सेट आकारों पर प्रदर्शन में विशेष रूप से योगदान देता है, इसलिए हम यह भी जांच करेंगे कि क्या कम इनपुट-आउटपुट दूरी वाले जोड़े के प्रदर्शन को पीआई के खिलाफ चुनिंदा रूप से संरक्षित किया जाता है, और माध्यमिक-कार्य के लिए चुनिंदा रूप से कमजोर होते हैं हस्तक्षेप, बड़े सेट आकारों पर भी।

चित्र 4. प्रयोग 1 में इनपुट-आउटपुट दूरी और सेट आकारों में सही प्रतिक्रिया चुनने की संभावना। त्रुटि पट्टियाँ विषय-विषय के बीच विश्वास अंतराल दिखाती हैं।

3. प्रयोग 2 और 3

प्रयोग 2 और 3 में हमने अलग-अलग सेट आकारों पर हमारे WM बाइंडिंग कार्य में एपिसोडिक एलटीएम के योगदान की जांच करने का लक्ष्य रखा। हमने इस परिकल्पना का परीक्षण किया कि एलटीएम बड़े सेट आकारों पर प्रदर्शन में अधिक मजबूती से योगदान देता है। प्रयोग 1 में हमने परीक्षण-अद्वितीय उत्तेजनाओं का उपयोग किया, अर्थात, प्रत्येक शब्द और प्रत्येक चित्र को सभी परीक्षणों में केवल एक बार प्रस्तुत किया गया था। प्रयोग 2 और 3 में हमने वस्तुओं के एक बंद पूल से, फिर भी नए संयोजनों में समान शब्दों और चित्रों को दोहराकर सक्रिय हस्तक्षेप को प्रेरित किया, और इस स्थिति की तुलना परीक्षण-अद्वितीय उत्तेजनाओं वाली स्थिति से की। इसके अलावा, हमने एक बड़ी रेंज (प्रयोग 2 में 1, 2, 3, 6, 8, और 30 जोड़े; प्रयोग 3 में 2, 3, 8, और 16 जोड़े) में सेट आकारों की जांच की। यदि प्रयोग 1 में देखा गया सेट-आकार का धीमा प्रभाव एपिसोडिक एलटीएम द्वारा निर्धारित प्रदर्शन के एक स्पर्शोन्मुख को दर्शाता है, तो इसे और भी अधिक सेट आकारों तक विस्तारित किया जाना चाहिए। उस स्थिति में, 16 या 30 जोड़ियों की मेमोरी 6 या 8 जोड़ियों की मेमोरी के समान स्तर पर होनी चाहिए।

3.1. तरीका

3.1.1. प्रतिभागियों

हमने प्रयोग 2 (औसत आयु=23.21; 22 महिला) के लिए 3{8}} प्रतिभागियों का डेटा एकत्र किया, और प्रयोग 3 के लिए 40 प्रतिभागियों का डेटा (औसत आयु=23.0; 29 महिलाएं) एकत्र किया। ).

3.1.2. सामग्री और प्रक्रिया

हम प्रयोग 2 में सेट आकार 2, 3, 6, 8 और सेट आकार 30 पर बाइंडिंग के लिए मेमोरी का परीक्षण करते हैं, और प्रयोग 3 में सेट आकार 2, 3, 8 और सेट आकार 16 पर सक्रिय हस्तक्षेप (पीआई) के साथ और उसके बिना स्थितियों में मेमोरी का परीक्षण करते हैं। ). प्रयोग 2 में दो सत्र शामिल थे, जिसमें 120 परीक्षण शामिल थे, जिसमें प्रत्येक छोटे सेट आकार (2,3,6,8) के लिए प्रति शर्त 20 परीक्षण और सेट आकार 30 के लिए पांच परीक्षण शामिल थे। शर्तें (पीआई बनाम) कोई पीआई नहीं) सत्रों के बीच भिन्न होता है। सत्रों का क्रम प्रतिभागियों के बीच संतुलित था। पीआई सत्र में, छोटे सेट आकार (2,3,6,8) के लिए बारह शब्दों और बारह चित्रों के सेट से और सेट आकार 30 के लिए 45 शब्दों और 45 चित्रों के सेट से उत्तेजनाएं ली गईं। इन 45 उत्तेजनाओं में शामिल थे छोटे सेट आकार के बंद सेट से बारह। नो-पीआई सत्र में, प्रयोग 1 के बड़े सेटों से प्रतिस्थापन के बिना उत्तेजनाएं फिर से खींची गईं। इन परिवर्तनों के अलावा, प्रतिमान प्रयोग 1 से अनुसरण किया गया। प्रयोग 3 भी दो-सत्र `ए 1- था h प्रयोग में 208 परीक्षण शामिल हैं, जिसमें प्रत्येक सेट आकार के लिए प्रति शर्त 13 परीक्षण शामिल हैं। सत्रों के बीच स्थितियाँ (पीआई बनाम नो पीआई) अलग-अलग थीं, और प्रतिभागियों के भीतर संकेत (शब्द बनाम चित्र संकेत) को स्थिर रखा गया था (आधे प्रतिभागियों को हमेशा शब्दों के साथ संकेत दिया गया था, और दूसरे आधे को चित्रों के साथ)।2 में पीआई सत्र में, उत्तेजनाओं को 24 शब्दों और 24 चित्रों के सेट से तैयार किया गया था।3 इन परिवर्तनों के अलावा, प्रतिमान ने प्रयोग 2 से अनुसरण किया।

3.1.3. डेटा विश्लेषण

हमने बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन का उपयोग करके प्रयोग 2 और 3 का विश्लेषण किया, जो सेट आकार और सक्रिय हस्तक्षेप द्वारा 4-एएफसी परीक्षण में सही या गलत प्रतिक्रियाओं की भविष्यवाणी करता है। फिर, सही प्रतिक्रियाओं को विकल्पों में से लक्ष्य आइटम चुनने के रूप में परिभाषित किया गया था (यानी, सूची के भीतर घुसपैठ, पुरानी-घुसपैठ, नया)। निश्चित प्रभाव सक्रिय हस्तक्षेप और सेट आकार थे और बाद वाले को एक सतत भविष्यवक्ता के रूप में मॉडल में शामिल किया गया था, जो छोटे सेट आकारों में बढ़ रहा था और सेट आकार 4 और बड़े पर धीमा हो रहा था (यानी, एक्सपी 2, 8 और 30 के लिए 6,8, और 30) प्रयोग 3 के लिए 16) जैसा कि प्रयोग 1 में स्थापित किया गया है (यानी, तालिका 1 में कोडिंग III)। मॉडल में एक यादृच्छिक अवरोधन, सेट आकार की यादृच्छिक ढलान और सक्रिय हस्तक्षेप शामिल थे।

3.2. परिणाम

चित्र 6 और चित्र 7 क्रमशः प्रयोग 2 और 3 के लिए सेट आकार और सक्रिय हस्तक्षेप की स्थिति के आधार पर चार प्रतिक्रिया विकल्पों में से प्रत्येक को चुनने की औसत संभावना दिखाते हैं। इच्छुक पाठक क्यू प्रकार, सीरियल स्थिति, साथ ही पूरक में आउटपुट स्थिति (छवि एस 2 बी और सी, छवि एस 3 बी और सी, छवि एस 4 बी और सी) द्वारा विभाजित सही प्रतिक्रियाओं का औसत अनुपात भी पा सकते हैं। . तालिका 2 में सूत्रों, अंतर-वर्ग सहसंबंधों के साथ-साथ पदानुक्रमित लॉजिस्टिक प्रतिगमन मॉडल के पूर्ण मॉडल की टिप्पणियों की संख्या सूचीबद्ध है।

चित्र 5. (ए) प्रयोग 1, (बी) प्रयोग 2, (सी) प्रयोग 3, (डी) प्रयोग 4, और (ई) प्रयोग 5 के निर्धारित आकारों और स्थितियों में क्षमता का अनुमान K है।

3.2.1. शुद्धता

हमारा पहला सवाल यह था कि क्या सक्रिय हस्तक्षेप ने सही विकल्प चुनने की संभावना पर सेट आकार प्रभाव को प्रभावित किया, विश्लेषण को प्रयोग 1 (यानी, 2 से 8) की सेट-आकार सीमा तक सीमित कर दिया। बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन ने प्रयोग 2 और 3 (क्रमशः बीएफ 10=7.81 और बीएफ 10=10.19) दोनों में अंतःक्रिया प्रभाव के लिए पर्याप्त साक्ष्य प्रकट किए, साथ ही साथ मुख्य प्रभावों के लिए मजबूत साक्ष्य भी प्रकट किए। दोनों में आकार सेट करें (बीएफ10=1.19 × 1012 और बीएफ{{13%).25 × 1020), और सक्रिय हस्तक्षेप (बीएफ{{16%).10 और बीएफ10=406.78) प्रयोग. बड़े सेट आकारों की तुलना में छोटे आकार में और पीआई की तुलना में पीआई के बिना सही आइटम चुनने की अधिक संभावना थी। प्रयोग 2 के डेटा पर अनुवर्ती विश्लेषण से पता चला कि सक्रिय हस्तक्षेप ने केवल (नकारात्मक रूप से) सेट आकार 6 और 8 (बीएफ10=5890, और बीएफ10=17.37, क्रमशः) के लिए सही विकल्प चुनने की संभावना को प्रभावित किया। ), लेकिन सेट आकार 2, 3, और 4 (क्रमशः बीएफ01=5.46, बीएफ01=9.25, और बीएफ01=13.27) पर कोई हानिकारक प्रभाव नहीं पड़ा। समान रूप से, प्रयोग 3 के अनुवर्ती विश्लेषणों से पता चला कि सक्रिय हस्तक्षेप ने केवल (नकारात्मक रूप से) सेट आकार 8 (बीएफ{{39%).14) के लिए सही विकल्प चुनने की संभावना को प्रभावित किया, लेकिन सेट आकार 2 (बीएफ) पर कोई हानिकारक प्रभाव नहीं पड़ा। 01=13.44) और 3 (बीएफ01=20.61)।

चित्र 6. प्रयोग 2 में तत्काल स्मृति प्रदर्शन। पैनल ए सेट आकारों में और 12 वस्तुओं के एक छोटे पूल द्वारा सक्रिय हस्तक्षेप के साथ स्थितियों के तहत सही आइटम चुनने की संभावना दिखाता है [पीआई (12)], और बिना (एनओपीआई) ). सक्रिय-हस्तक्षेप की स्थिति में सेट-आकार 30 के लिए, 33 वस्तुओं के अतिरिक्त पूल [पीआई(33)] से उत्तेजनाओं के लिए प्रदर्शन भी दिखाया गया है। पैनल बी, सी, और डी क्रमशः परीक्षण के भीतर लालच, पुराने लालच और नए लालच को चुनने की संभावना दिखाते हैं। त्रुटि पट्टियाँ विषय के भीतर 95 प्रतिशत विश्वास अंतराल का प्रतिनिधित्व करती हैं।

3.2.2. त्रुटि प्रकार

हमारा दूसरा सवाल यह था कि क्या सेट आकार का प्रभाव गलती से समान-परीक्षण लालच को चुनने से प्रेरित था, जो विशेष रूप से बाइंडिंग मेमोरी पर प्रभाव को दर्शाता है, और यह प्रभाव सक्रिय हस्तक्षेप से कैसे प्रभावित होता है। इसलिए, हमने सेट आकार और सक्रिय हस्तक्षेप की स्थिति के अनुसार प्रत्येक प्रकार की त्रुटि (समान परीक्षण लालच, पुरानी घुसपैठ लालच और नई) के लिए अलग-अलग एएफसी परीक्षण में त्रुटियों की संभावना की भविष्यवाणी करते हुए बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन का उपयोग किया। . प्रयोग 2 और 3 दोनों में सेट आकार के साथ समान-परीक्षण लालच चुनने की संभावना बढ़ गई (बीएफ10=6.96 x 107 और बीएफ10=5.06 × 1014), और इसके लिए कोई सबूत नहीं था पीआई के साथ एक इंटरैक्शन (एक्सप 2: बीएफ 10=0.67), या इसके खिलाफ सबूत (एक्सप. 3: बीएफ 10=0.13)। प्रयोग 2 में, पीआई (बीएफ01=76.92) के मुख्य प्रभाव के खिलाफ सबूत थे, जबकि, प्रयोग 3 में, जहां प्रतिभागियों के भीतर संकेत स्थिर रखा गया था, वहां पीआई के मुख्य प्रभाव के सबूत थे समान-परीक्षण लालच (बीएफ10=24.39) चुनने की संभावना। पुराने घुसपैठ के लालच को चुनने की संभावना के लिए दोनों प्रयोगों में दोनों मुख्य प्रभावों के प्रमाण थे (सेट आकार: प्रयोग 2: बीएफ10=2.34 × 106; प्रयोग 3: बीएफ{{30%).11 × 109, और पीआई: ऍक्स्प. 2: बीएफ {{34 }}.96; और ऍक्स्प 3: बीएफ {{37 .54 × 105 ). बातचीत के साक्ष्य एक्सप 2 (बीएफ{{41%).88) में अस्पष्ट थे, फिर भी एक्सप 3 (बीएफ{{44%).66) में विश्वसनीय थे। अनुवर्ती विश्लेषणों से पता चला कि सक्रिय हस्तक्षेप से सेट आकार 8 (बीएफ10=5.41 × 106) के लिए पुराने परीक्षण आकर्षण को चुनने की संभावना बढ़ गई, लेकिन सेट आकार 2 और सेट आकार 3 (बीएफ{{) पर कोई प्रभाव नहीं पड़ा। 53%).79, और बीएफ{{55%).73, क्रमशः)। किसी नए आइटम को चुनने की संभावना के विश्लेषण से पता चला कि पीआई (मुख्य प्रभाव बीएफ10=48.19, बीएफ10=2.44 × 10100) न होने की स्थिति में विषयों ने अधिक बार नए आइटम चुने। एक्सप में सेट आकार के प्रभाव का कोई सबूत नहीं था। 2 (मुख्य प्रभाव बीएफ{{63%).73), फिर भी ऍक्स्प में विश्वसनीय साक्ष्य। 3 (बीएफ{{66%).12 × 1012).

3.2.3. बहुत बड़े सेट

तीसरा, हम इस बात में रुचि रखते थे कि बाइंडिंग के लिए मेमोरी में सेट आकार का प्रभाव WM क्षमता से अधिक मेमोरी लोड पर कैसे प्रकट होता है, अर्थात् सेट आकार 30 (एक्सप. 2) और 16 (एक्सप. 3) पर, और कैसे सक्रिय हस्तक्षेप इसे प्रभावित करता है नमूना। इसलिए, हमने सेट आकार 30 (प्रयोग 2) की तुलना में सेट आकार 6 और 8 के लिए और सेट आकार 16 (प्रयोग 3) की तुलना में सेट आकार 8 के लिए सही प्रतिक्रियाओं की संभावना की भविष्यवाणी करते हुए बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन का उपयोग किया। प्रयोग 2. हमने सेट आकार 6 और 8 का डेटा एकत्र किया क्योंकि हमारे पिछले विश्लेषण से इन दो सेट आकारों (बीएफ01=9.18) के बीच प्रदर्शन में अंतर के खिलाफ साक्ष्य सामने आए थे। तत्काल मेमोरी प्रदर्शन सेट आकार 6, 8 (पूल), और 30 (बी01=132.95) के बीच भिन्न नहीं था। आश्चर्यजनक रूप से, सेट आकार 30 (बीएफ01=9711) पर पीआई के प्रभाव के खिलाफ सबूत थे। इसका एक कारण इस सेट आकार के लिए उपयोग किया जाने वाला बड़ा पूल था: 45 उत्तेजनाओं में से जिनमें से सेट-आकार 30 परीक्षणों का नमूना लिया गया था, 33 का उपयोग केवल सेट-आकार 30 परीक्षणों के लिए किया गया था और इसलिए पीआई स्थिति में भी शायद ही कभी हुआ था, इसलिए कि पीआई का समग्र स्तर उस निर्धारित आकार के लिए अपेक्षाकृत सौम्य था। इसलिए, हमने छोटे सेट आकारों के बंद पूल में शामिल बारह उत्तेजनाओं तक सीमित प्रदर्शन की तुलना सेट आकार 30 पर खुले पूल में प्रदर्शन से करने के लिए एक विश्लेषण किया और एक अंतर के खिलाफ सबूत पाया (बीएफ {{30} }.08). प्रयोग 3. विश्लेषण से पता चला कि तत्काल मेमोरी प्रदर्शन सेट आकार 8 और 16 (बी01=2.69) के बीच भिन्न नहीं था। पीआई (बीएफ{{37%).91) के मुख्य प्रभाव के लिए सबूत थे, लेकिन एक इंटरैक्शन (बीएफ{{39%).38) के खिलाफ सबूत थे। इसके अलावा, हमने निर्धारित आकारों (छवि 5 बी और सी और अनुपूरक छवि एस 1 बी और सी) में याद की गई वस्तुओं की संख्या के आधार पर डब्ल्यूएम क्षमता के अनुमान का मूल्यांकन किया। ये WM क्षमता के सामान्य अनुमानों से काफी अधिक हो गए - लगभग 4 आइटम - उच्चतम निर्धारित आकार में लगभग 16 तक पहुँच गए। सक्रिय हस्तक्षेप ने K अनुमानों को केवल बड़े सेट आकारों पर प्रभावित किया, लेकिन सेट आकार 2 और 3 पर नहीं।

चित्र 7. प्रयोग 3 में तत्काल स्मृति प्रदर्शन। पैनल ए सेट आकारों में और वस्तुओं के एक छोटे पूल (पीआई) और बिना (एनओपीआई) द्वारा सक्रिय हस्तक्षेप के साथ स्थितियों के तहत सही आइटम चुनने की संभावना दिखाता है। पैनल बी, सी, और डी क्रमशः परीक्षण के भीतर लालच, पुराने लालच और नए लालच को चुनने की संभावना दिखाते हैं। त्रुटि पट्टियाँ विषय के भीतर विश्वास अंतराल का प्रतिनिधित्व करती हैं।

तालिका 2 प्रयोग 1-5 के पदानुक्रमित लॉजिस्टिक प्रतिगमन मॉडल का विवरण।

3.2.4. इनपुट-आउटपुट दूरी

अंत में, हमने सेट आकार 6 और 8 (एक्सप. 2) और 8 और 16 (एक्सप. 3) पर पहले से भेजे गए जोड़े की इनपुट-आउटपुट दूरी पर सही प्रतिक्रिया का चयन करने पर सक्रिय हस्तक्षेप के प्रभाव का विश्लेषण किया - जो कुल मिलाकर विश्वसनीय दिखा। पीआई के प्रभाव. जैसा कि चित्र 8 और चित्र 9 में देखा जा सकता है, प्रो सक्रिय हस्तक्षेप ने इन निर्धारित आकारों पर 1 और 2 की इनपुट-आउटपुट दूरी के लिए सही प्रतिक्रिया चुनने की संभावना को प्रभावित नहीं किया (बीएफ के लिए तालिका 3 देखें)।

चित्र 8. इनपुट-आउटपुट दूरियों और निर्धारित आकारों में सक्रिय हस्तक्षेप के साथ और बिना स्थितियों के प्रयोग 3 में सही आइटम चुनने की संभावना। त्रुटि पट्टियाँ विषय-विषय के बीच विश्वास अंतराल का प्रतिनिधित्व करती हैं।

3.3. बहस

प्रयोग 2 और 3 के परिणाम बड़े सेट आकारों पर एपिसोडिक एलटीएम की अधिक भागीदारी के लिए साक्ष्य प्रदान करते हैं, जो इन प्रयोगों में और प्रयोग 1 में बड़े सेट आकारों पर कम सेट आकार प्रभाव की व्याख्या करता है। विशेष रूप से, सक्रिय हस्तक्षेप ने केवल सेट पर प्रदर्शन को नकारात्मक रूप से प्रभावित किया है आकार 6, 8, और 16, लेकिन छोटे सेट आकारों पर नहीं। यह प्रभाव मुख्य रूप से पिछले परीक्षणों से लालच के गलत चयन में वृद्धि के रूप में प्रकट हुआ, जैसा कि परीक्षणों के बीच सक्रिय हस्तक्षेप से अपेक्षित है: सक्रिय हस्तक्षेप प्रासंगिक वर्तमान परीक्षण और पिछले परीक्षणों से अब प्रासंगिक जानकारी के बीच भेदभाव करने की कठिनाई से उत्पन्न होता है (गार्डिनर, क्रेक, और बर्टविस्टल, 1972)। सक्रिय हस्तक्षेप के बिना स्थितियों में, सेट आकार प्रभाव प्रयोग 1 की नकल करते हुए बड़े सेट आकारों (4 और 30 के बीच) पर स्थिर हो जाता है। यह पठार संभवतः प्रदर्शन के स्तर को दर्शाता है जिसे अकेले एपिसोडिक एलटीएम पर भरोसा करके पहुंचा जा सकता है। कुल मिलाकर, प्रयोग 2 और 3 के परिणाम इस धारणा का समर्थन करते हैं कि बड़े सेट आकारों पर एपिसोडिक एलटीएम की भागीदारी के कारण बाइंडिंग पठारों के लिए मेमोरी पर सेट आकार का प्रभाव पड़ता है। इसके अलावा, विशेष मामले में कि अंतिम प्रस्तुत एक या दो जोड़े पहले पुनर्प्राप्त किए जाते हैं, प्रतिभागियों ने बहुत अच्छा प्रदर्शन दिखाया, जो बड़े सेट आकारों (6, 8, और 16) में पीआई से प्रभावित नहीं होता है। यह WM से पुनर्प्राप्त की जा रही इन वस्तुओं के साथ संगत है, प्रदर्शन में एपिसोडिक LTM का कोई योगदान नहीं है। जबकि इनपुट-आउटपुट दूरी 1 के लिए, सक्रिय हस्तक्षेप की कमी को सीलिंग प्रभाव के लिए जिम्मेदार ठहराया जा सकता है, दूरी 2 के लिए ऐसा नहीं हो सकता। निष्कर्ष में, ऐसा प्रतीत होता है कि बड़े सेट आकारों में प्रदर्शन काफी हद तक एपिसोडिक एलटीएम द्वारा संचालित होता है। यह विशेष रूप से उन जोड़ियों के लिए सच है जिन्हें जल्दी एन्कोड किया गया था, या देर से पुनर्प्राप्त किया गया था, क्योंकि हस्तक्षेप करने वाली घटनाओं का हस्तक्षेप उनके WM अभ्यावेदन को एक हद तक भ्रष्ट कर देता है जो उन्हें व्यावहारिक रूप से बेकार बना देता है, इसलिए एपिसोडिक एलटीएम पर ड्राइंग सबसे अच्छा व्यक्ति कर सकता है।

4. प्रयोग 4 और 5

अब जब हमने बड़े सेट आकारों में एलटीएम के योगदान को दिखाया है, तो हमारा लक्ष्य निर्धारित आकारों में कार्य में डब्लूएम के योगदान को मापना है। प्रतिधारण अंतराल के दौरान डिस्ट्रेक्टर्स के प्रसंस्करण से WM प्रदर्शन को ख़राब होते दिखाया गया है (देखें ब्राउन, 1958; लेवांडोस्की, गीगर, और ओबेराउर, 2008; पीटरसन और पीटरसन, 1959; और ओबेराउर एट अल।, 2018 बेंचमार्क 2.1 एक सिंहावलोकन के लिए) ). इसलिए, प्रयोग 4 और 5 में, हमने एन्कोडिंग और परीक्षण के बीच कोई व्याकुलता या व्याकुलता की स्थिति के तहत सेट आकार की एक विस्तृत श्रृंखला में बाइंडिंग के लिए WM का परीक्षण किया। लक्ष्य इस भविष्यवाणी का परीक्षण करना था कि एक डिस्ट्रेक्टर से भरा विलंब छोटे सेट आकारों में चुनिंदा रूप से प्रदर्शन को ख़राब करता है, जहां यह मुख्य रूप से WM पर निर्भर करता है।

4.1. तरीका

4.1.1. प्रतिभागियों हमने प्रयोग 4 के लिए 30 प्रतिभागियों (औसत आयु {{5%).9, 27 महिलाएं) और प्रयोग 5 के लिए 30 प्रतिभागियों (औसत आयु {{10%).05, 13 महिलाओं) से डेटा एकत्र किया।

4.1.2. सामग्री और प्रक्रिया

आधे परीक्षणों में जोड़ियों की प्रस्तुति के बाद 15 सेकंड का ध्यान भटकाने वाला कार्य शामिल करने के अलावा, प्रतिमान ने प्रयोग 1 का अनुसरण किया। शेष परीक्षणों में, स्मृति का परीक्षण प्रयोग 1 के अनुसार 1 एस के अपूर्ण प्रतिधारण अंतराल के बाद किया गया था। प्रयोग 4 में, उन्हें एक बटन दबाकर निर्णय लेना था कि क्या एक क्षैतिज पट्टी दो वर्गों (वेर्गौवे, बैरोइलेट, और कैमोस) के बीच के अंतर में फिट है। , 2010) (एक उदाहरण प्रोत्साहन के लिए चित्र 10 देखें)। प्रयोग 5 में, ध्यान भटकाने वाले कार्य में यह निर्णय करना शामिल था कि अंकगणितीय समीकरण सही थे या नहीं (उदाहरण के लिए, 5 × 4=20?)। 15 सेकंड के प्रतिधारण अंतराल के भीतर, 15 निर्णय लेने पड़े, जिसके परिणामस्वरूप प्रति डिस्ट्रेक्टर 1 सेकंड प्रस्तुति समय मिला। प्रयोग 4 में सेट आकार 2, 3, 8 और 16 शामिल थे। प्रयोग 5 में सेट आकार 2, 3, 4 और शामिल थे। 6. दोनों प्रयोगों में एक घंटे के दो सत्र शामिल थे और इसमें 208 परीक्षण शामिल थे, जिसमें प्रत्येक सेट आकार के लिए प्रति शर्त 13 परीक्षण शामिल थे। प्रयोग के 16 ब्लॉकों में से प्रत्येक के भीतर, सेट आकार और व्याकुलता की स्थिति के प्रत्येक संयोजन (व्याकुलता बनाम बिना किसी व्याकुलता के) को दो बार महसूस किया गया; प्रत्येक ब्लॉक के भीतर स्थितियों का क्रम यादृच्छिक किया गया था। इन परिवर्तनों के अलावा, प्रतिमान प्रयोग 1 के अनुरूप था।

चित्र 9. सक्रिय हस्तक्षेप और इनपुट-आउटपुट दूरियों और निर्धारित आकारों के बिना स्थितियों के तहत प्रयोग 3 में सही आइटम चुनने की संभावना। त्रुटि पट्टियाँ विषय के बीच विश्वास अंतराल का प्रतिनिधित्व करती हैं।

तालिका 3 सेट आकार 8 और 16 की न्यूनतम इनपुट-आउटपुट दूरी पर सक्रिय हस्तक्षेप के प्रभाव के बेज़ कारक, प्रयोग 2 और 3।

चित्र 10. प्रयोग 4 के ध्यान भटकाने वाले कार्य की उत्तेजनाओं का उदाहरण।

4.2. डेटा विश्लेषण

हमने बायेसियन पदानुक्रमित लॉजिस्टिक रिग्रेशन के साथ प्रयोग 4 और 5 का विश्लेषण किया, जो सेट आकार और व्याकुलता (कोई व्याकुलता बनाम व्याकुलता नहीं) द्वारा एएफसी परीक्षण में सही या गलत प्रतिक्रियाओं की भविष्यवाणी करता है। हमने उप-प्रतिभागी यादृच्छिक अवरोधन और सेट आकार के साथ-साथ व्याकुलता के लिए एक यादृच्छिक ढलान भी शामिल किया। इसके अलावा, हमने यादृच्छिक-प्रभाव मापदंडों के बीच सहसंबंध का अनुमान लगाया। निश्चित प्रभाव विकर्षण और सेट आकार थे और बाद वाले को सेट आकार 4 और बड़े (यानी, एक्सप 4: 8 और 16; एक्सप 5: 4 और 6) पर निरंतर भविष्यवक्ता के रूप में शामिल किया गया था जैसा कि प्रयोग 1 (यानी, कोडिंग) में स्थापित किया गया था। III तालिका 1 में)।

4.3. परिणाम

चित्र 12 और चित्र 11 क्रमशः प्रयोग 4 और 5 में विकर्षण और कोई विकर्षण न होने की स्थिति के लिए निर्धारित आकारों में चार प्रतिक्रिया विकल्पों में से प्रत्येक को चुनने की औसत संभावना दिखाते हैं। इच्छुक पाठक अनुपूरक (छवि एस 2 डी और ई, छवि एस 3 डी और ई, छवि एस 4 डी और ई) में क्यू-प्रकार, सीरियल स्थिति के साथ-साथ आउटपुट स्थिति द्वारा विभाजित सही प्रतिक्रियाओं का औसत अनुपात भी पा सकते हैं। . तालिका 2 पूर्ण पदानुक्रमित लॉजिस्टिक प्रतिगमन मॉडल के सूत्रों, अंतर-वर्ग सहसंबंधों और टिप्पणियों की संख्या को सूचीबद्ध करती है।

4.3.1. शुद्धता

हमारा पहला सवाल यह था कि क्या व्याकुलता-प्रभावित स्मृति प्रदर्शन निर्धारित आकारों में अलग-अलग होता है। मॉडल तुलना से दोनों प्रयोगों 4 और 5 (क्रमशः बीएफ01=8.73 × 108, और बीएफ{{6%).38 × 104) में सेट आकार और व्याकुलता के बीच परस्पर क्रिया के साक्ष्य का पता चला और साथ ही एक के साक्ष्य भी सामने आए। सेट आकार का मुख्य प्रभाव (बीएफ10=3.92 × 1011 और बीएफ{{12%).52 × 108), फिर भी व्याकुलता के मुख्य प्रभाव के खिलाफ सबूत (बीएफ01=15.33, और बीएफ{ {17}}.94). प्रयोग 4 के अनुवर्ती विश्लेषणों से पता चला कि व्याकुलता ने केवल (नकारात्मक रूप से) सेट आकार 2, (बीएफ10=7138) के लिए सही विकल्प चुनने की संभावना को प्रभावित किया, लेकिन सेट आकार 3, और (पूलित) पर कोई हानिकारक प्रभाव नहीं पड़ा। 8 और 16 (बीएफ01=4.73, बीएफ01=51.68, क्रमशः)। समान रूप से, प्रयोग 5 के अनुवर्ती विश्लेषणों से पता चला कि व्याकुलता ने केवल (नकारात्मक रूप से) सेट आकार 2, (बीएफ10=12.00) के लिए सही विकल्प चुनने की संभावना को प्रभावित किया, लेकिन इसका कोई हानिकारक प्रभाव नहीं पड़ा। सेट आकार 3, और (पूलित) 4 और 6 (बीएफ10=18.52, बीएफ10=5.18)। इसके अलावा, प्रयोग 4 और 5 में WM क्षमता अनुमान K केवल सेट आकार 2 पर डिस्ट्रेक्टर से भरे आरआई द्वारा नकारात्मक रूप से प्रभावित था (चित्र 5 डी और ई देखें)।

4.3.2. त्रुटि प्रकार

हमारा दूसरा सवाल यह था कि क्या सेट आकार का प्रभाव गलती से समान-परीक्षण लालच को चुनने से प्रेरित था, जैसा कि बाध्यकारी परिकल्पना से भविष्यवाणी की गई थी, और क्या ध्यान भटकाने वाले कार्य की उपस्थिति के साथ कोई बातचीत हुई थी। दोनों प्रयोग 4 और 5 में, समान-परीक्षण लालच को चुनने की संभावना एकमात्र त्रुटि प्रकार थी जो व्याकुलता और सेट आकार (बीएफ 10=1.63 × 107 और बीएफ 10=3 के बीच बातचीत दिखाती थी। 8}} × 106 ). अनुवर्ती विश्लेषणों से पता चला कि केवल सेट आकार 2 के लिए समान-परीक्षण आकर्षण (बीएफ10=879.52 और बीएफ10=1452) को चुनने की संभावना पर व्याकुलता का प्रभाव था, जबकि इसके खिलाफ सबूत थे यह प्रभाव बड़े सेट आकार 3 (बीएफ01=9.38 और बीएफ01=333.33) और (पूलित) 8 और 16 (बीएफ01=49.24, एक्सप 4) पर होता है। प्रयोग 5 में, (पूलित) सेट आकार 4 और 6 (बीएफ10=256) पर ध्यान भटकाने वाले कार्य की उपस्थिति में बेहतर प्रदर्शन का सबूत था। सभी तीन त्रुटि प्रकारों के लिए दोनों प्रयोगों में सेट आकार के मुख्य प्रभाव के प्रमाण थे (बीएफ के लिए तालिका 4 देखें)। इसके अलावा, समान-परीक्षण लालच और नए लालच के लिए व्याकुलता के मुख्य प्रभाव के खिलाफ सबूत थे और पुराने परीक्षण घुसपैठ के मामले में व्याकुलता के प्रभाव के लिए वास्तविक सबूत थे।

सिस्टैंच अर्क पाउडर

सिस्टैंच इम्प्रूव मेमोरी उत्पादों को देखने के लिए यहां क्लिक करें

【अधिक के लिए पूछें】 ईमेल:cindy.xue@wecistanche.com / व्हाट्स ऐप: 0086 18599088692 / वीचैट: 18599088692

4.3.3. इनपुट-आउटपुट दूरी

अंत में, हमारी रुचि इस बात में थी कि ध्यान भटकाने वाले कार्य ने सभी निर्धारित आकारों में इनपुट-आउटपुट दूरी पर प्रदर्शन को कैसे प्रभावित किया। विशेष रूप से, पिछले प्रयोगों के नतीजे बताते हैं कि अंतिम एक या दो जोड़े, जब प्रारंभिक परीक्षण किया जाता है, सेट आकार की परवाह किए बिना WM से पुनर्प्राप्त किए जाते हैं। यदि ऐसा मामला है, तो ध्यान भटकाने वाले कार्य को कम इनपुट-आउटपुट दूरी पर, यहां तक ​​कि बड़े सेट आकारों के लिए भी, चयनात्मक रूप से प्रदर्शन को ख़राब करना चाहिए। जैसा कि चित्र 13 और चित्र 14 में दिखाया गया है, ध्यान भटकाने वाले कार्य ने सेट आकार 2 और कभी-कभी 3 पर छोटी इनपुट-आउटपुट दूरी (1, और कभी-कभी 2) के लिए सही प्रतिक्रिया चुनने की संभावना को प्रभावित किया, लेकिन सेट आकार 4 पर नहीं। 6, 8 और 16 (बीएफ के लिए तालिका 5 और तालिका 6 देखें)। इससे पता चलता है कि वर्तमान प्रयोग में, बड़े सेट आकारों पर भी न्यूनतम इनपुट-आउटपुट दूरी वाले जोड़े अक्सर WM के बजाय एपिसोडिक LTM से पुनर्प्राप्त किए गए थे।

चित्र 11. प्रयोग 5 में तत्काल स्मृति प्रदर्शन। पैनल ए सेट आकारों में सही आइटम चुनने की संभावना दिखाता है। पैनल बी, सी, और डी क्रमशः परीक्षण के भीतर लालच, पुराने लालच और नए लालच को चुनने की संभावना दिखाते हैं। ग्रे लाइन एन्कोडिंग के बाद ध्यान भटकाने वाले कार्य वाली स्थिति का प्रतिनिधित्व करती है। त्रुटि पट्टियाँ विषय के भीतर विश्वास अंतराल का प्रतिनिधित्व करती हैं।

चित्र 12. प्रयोग 4 में तत्काल स्मृति प्रदर्शन। पैनल ए सेट आकारों में सही आइटम चुनने की संभावना दिखाता है। पैनल बी, सी, और डी क्रमशः परीक्षण के भीतर लालच, पुराने लालच और नए लालच को चुनने की संभावना दिखाते हैं। ग्रे लाइन एन्कोडिंग के बाद ध्यान भटकाने वाले कार्य वाली स्थिति का प्रतिनिधित्व करती है। त्रुटि पट्टियाँ विषय के भीतर विश्वास अंतराल का प्रतिनिधित्व करती हैं।

4.4. बहस

शब्द-चित्र युग्मों की एन्कोडिंग की अनुमति देने से सेट आकार 2 के लिए चुनिंदा प्रदर्शन ख़राब हो जाता है, लेकिन बड़े सेट आकारों पर इसका कोई हानिकारक प्रभाव नहीं पड़ता है। यह इंगित करता है कि WM सबसे छोटे सेट आकार में प्रदर्शन में अधिक मजबूती से योगदान देता है (और कुछ हद तक, अभी भी अनुभव 4 में सेट आकार 3 पर), फिर भी बड़े सेट आकार में, प्रदर्शन पहले से ही बड़े पैमाने पर या विशेष रूप से एलटीएम द्वारा संचालित होता है, और इसलिए यह अवधारण अंतराल के दौरान ध्यान भटकाने वाली प्रक्रिया से अप्रभावित रहता है। प्रयोग 2 और 3 के साथ, जिसमें सक्रिय हस्तक्षेप ने बड़े सेट आकारों में प्रदर्शन को चुनिंदा रूप से नुकसान पहुंचाया, प्रयोग 4 और 5 के परिणाम शब्द जोड़े के निर्धारित आकारों में डब्लूएम और एलटीएम के योगदान के दोहरे पृथक्करण का गठन करते हैं। अधिकांश परिस्थितियों में, दोहरा पृथक्करण दो तंत्रों या प्रक्रियाओं के बीच अंतर करने के लिए एक अनिवार्य सबूत है, लेकिन ऐसी स्थितियाँ हैं जिनमें यह निष्कर्ष मान्य नहीं है। राज्य-ट्रेस विश्लेषण किसी भेद के साक्ष्य का आकलन करने के लिए अधिक ठोस आधार प्रदान करता है (एक परिचय के लिए न्यूवेल एंड डन, 2008 देखें)। तर्क निम्नलिखित है: हमें क्रमशः दो काल्पनिक तंत्रों या प्रक्रियाओं को मापने वाले दो आश्रित चर की आवश्यकता है। हमारे मामले में, हम मानते हैं कि छोटे सेट आकारों पर मेमोरी प्रदर्शन मुख्य रूप से WM को दर्शाता है, जबकि बड़े सेट आकारों पर प्रदर्शन मुख्य रूप से एपिसोडिक LTM को दर्शाता है। इसके अलावा, हमें दो स्वतंत्र चर की आवश्यकता है जिसके लिए हम दोनों आश्रित चर पर उनके प्रभाव का आकलन करते हैं। यहां, ये पीआई हेरफेर और ध्यान भटकाने वाला अवधारण अंतराल हैं। राज्य ट्रेस सभी प्रायोगिक स्थितियों में दो आश्रित चर के संबंध का प्रतिनिधित्व करता है। वर्तमान मामले में, हम x-अक्ष पर छोटे सेट आकारों पर प्रदर्शन और y-अक्ष पर संबंधित स्थिति में बड़े सेट आकारों पर प्रदर्शन प्लॉट करते हैं (चित्र 15 देखें)। हम दो वैकल्पिक सैद्धांतिक परिदृश्यों पर विचार करते हैं। 1-आयामी परिदृश्य में, मेमोरी शक्ति, या मेमोरी एक्सेसिबिलिटी का केवल एक ही अव्यक्त आयाम है, जो सभी सेट आकारों के लिए प्रदर्शन निर्धारित करता है। यह आयाम दो स्वतंत्र चरों से कमोबेश दृढ़ता से प्रभावित होता है। अव्यक्त आयाम को एक अज्ञात, लेकिन नीरस रूप से बढ़ते फ़ंक्शन द्वारा प्रदर्शन में अनुवादित किया जाता है। यदि ऐसा मामला है, तो राज्य ट्रेस के सभी बिंदु एक नीरस रूप से बढ़ते फ़ंक्शन पर स्थित होने चाहिए। वैकल्पिक द्वि-आयामी परिदृश्य में, दो अव्यक्त मेमोरी आयाम हैं, एक WM के लिए - मुख्य रूप से छोटे सेट आकारों पर प्रदर्शन को प्रभावित करता है - और एक एपिसोडिक LTM के लिए - मुख्य रूप से बड़े सेट आकारों पर प्रदर्शन को प्रभावित करता है। एक स्वतंत्र चर एक आयाम को प्रभावित कर सकता है, और दूसरा स्वतंत्र चर दूसरे आयाम को। परिणामस्वरूप, स्टेट ट्रेस में डेटा बिंदुओं को एक मोनोटोनिक फ़ंक्शन पर पड़ने की आवश्यकता नहीं है। चित्र 15 में स्थिति का निशान स्पष्ट रूप से 2-आयामी परिदृश्य का समर्थन करता है।

5. सामान्य चर्चा

वर्तमान परिणाम कार्यशील मेमोरी की हमारी समझ में दो योगदान देते हैं: पहला, हमने लोगों की वस्तुओं के बीच बाइंडिंग बनाए रखने की क्षमता का परीक्षण करके WM क्षमता की बाइंडिंग परिकल्पना का एक नया परीक्षण प्रदान किया। पाँच प्रयोगों में हमने दिखाया कि WM क्षमता वास्तव में मुख्य रूप से सीमित है - हालाँकि शायद विशेष रूप से नहीं - वस्तुओं के बीच बाइंडिंग की संख्या से। दूसरा, हमने इस तत्काल मेमोरी कार्य में प्रदर्शन के लिए WM और एपिसोडिक LTM के योगदान का दोहरा पृथक्करण दिखाया: 3 से बड़े सेट आकारों पर प्रदर्शन विशेष रूप से सक्रिय हस्तक्षेप से प्रभावित था - लेकिन ध्यान भटकाने वाली देरी से होने वाले प्रभावों के प्रति प्रतिरक्षित था। इसके विपरीत, सेट साइज़ 2 पर प्रदर्शन सक्रिय हस्तक्षेप से अप्रभावित था लेकिन ध्यान भटकाने वाली देरी से नुकसान पहुँचाया गया।

चित्र 13. इनपुट-आउटपुट दूरियों और निर्धारित आकारों में ध्यान भटकाने वाले कार्य के साथ और बिना स्थितियों के तहत प्रयोग 4 में सही आइटम चुनने की संभावना। त्रुटि पट्टियाँ विषय-विषय के बीच विश्वास अंतराल का प्रतिनिधित्व करती हैं।

5.1. WM क्षमता वस्तुओं के बीच बाइंडिंग पर सीमा लगाती है

हमारा पहला लक्ष्य एक नए WM परीक्षण के साथ बाइंडिंग परिकल्पना का परीक्षण करना था जो पुनर्प्राप्ति संकेतों की विशिष्टता से बाइंडिंग की संख्या को कम करता है जिससे उत्तेजनाएं जुड़ी होती हैं। इस तरह, प्रदर्शन पर सेट आकार के प्रभाव को अधिक स्पष्ट रूप से WM की क्षमता सीमा के लिए जिम्मेदार ठहराया जा सकता है। बाइंडिंग परिकल्पना भविष्यवाणी करती है कि बढ़ते सेट आकार के साथ, बाइंडिंग के लिए मेमोरी में गिरावट आनी चाहिए, जबकि आइटम के लिए मेमोरी काफी हद तक अप्रभावित होनी चाहिए (ओबेराउर, 2019)। प्रयोग 1 और 2 में हमने एक नए WM कार्य के साथ इस भविष्यवाणी के लिए समर्थन प्रदान किया जिसमें पुनर्प्राप्ति संकेतों - शब्दों या चित्रों - की विशिष्टता निर्धारित आकार से स्वतंत्र है। हमने दिखाया कि सेट आकार प्रभाव बाइंडिंग के लिए कम मेमोरी द्वारा संचालित था, जो समान-परीक्षण लालच को चुनने की संभावना में वृद्धि में प्रकट हुआ, लेकिन शेष विकल्पों में से नहीं। इसके विपरीत, आइटम मेमोरी - नए लालच को अस्वीकार करने की क्षमता में परिलक्षित होती है - निर्धारित आकार से अप्रभावित थी। प्रयोग 3, 4, और 5 ने इस निष्कर्ष को दोहराया कि बड़े सेट आकारों में की गई अधिकांश त्रुटियां बाध्यकारी त्रुटियां थीं, अर्थात, वर्तमान परीक्षण से किसी आइटम को चुनने की त्रुटियां, लेकिन परीक्षण किए गए की तुलना में किसी अन्य जोड़ी से संबंधित थीं। हालाँकि, इन प्रयोगों में अन्य दो त्रुटि प्रकारों पर सेट-आकार के प्रभाव के प्रमाण भी थे - पुरानी वस्तुओं को चुनना, और नई वस्तुओं को चुनना। इन सेट आकार प्रभावों का आकार परीक्षण के भीतर के ल्यूर से भिन्न था: जबकि बाद वाले का प्रचलन सेट आकार 2 से 4 तक तेजी से बढ़ा, और बाद में कम हो गया, पुराने और नए ल्यूर का अनुपात उथले, लगभग रैखिक फैशन में बढ़ गया निर्धारित आकार के साथ. यह क्रमिक वृद्धि एपिसोडिक एलटीएम (एनिस, लेन्स, वेस्टफॉल, क्रिस और मालम्बर्ग, 2015; ओस्ट और डेनिस, 2015, उस प्रभाव की समीक्षा और संभावित स्पष्टीकरण के लिए) के आइटम पहचान परीक्षणों में देखे गए काफी उथले सूची-लंबाई प्रभाव की याद दिलाती है। . इसके अलावा, सेट आकार के साथ पुराने-परीक्षण ल्यूर की वृद्धि को पीआई द्वारा संशोधित किया गया था, यह सुझाव देते हुए कि यह इस तथ्य से उत्पन्न होता है कि, बड़े सेट आकार में, अधिकांश जोड़े एपिसोडिक एलटीएम से पुनर्प्राप्त किए जाते हैं। फिर भी, हम इस बात से इंकार नहीं कर सकते कि WM क्षमता प्रयोग 3 और 4 में उच्च सेट आकारों पर आइटम मेमोरी को सीमित करने में भी भूमिका निभाती है (कोवान, 2022 देखें)। हम यह निष्कर्ष निकालते हैं कि WM क्षमता सीमा प्राथमिक रूप से है, लेकिन शायद विशेष रूप से नहीं, बाइंडिंग बनाए रखने की क्षमता पर एक सीमा है।

5.2. WM के परीक्षणों में LTM का योगदान

अप्रत्याशित खोज के आधार पर कि WM पर सेट आकार का हानिकारक प्रभाव 4 जोड़ियों के बाद कम हो गया - प्रतिभागियों ने सेट आकार 4, 6 और 8 में तत्काल मेमोरी कार्य में तुलनात्मक रूप से प्रदर्शन किया - हमने अपने संबंधपरक WM कार्य में LTM के अंतर योगदान की जांच की। . प्रयोग 2-5 के परिणामों से पता चला कि हमारे जोड़-तोड़ जो या तो WM (डिस्ट्रेक्टर-भरे रिटेंशन अंतराल, एक्सप। 4 और 5) या एलटीएम (पीआई, एक्सप। 2 और 3) को लक्षित करते हैं, त्रुटियों के प्रकारों को भी अलग-अलग प्रभावित करते हैं: विशेष रूप से, में प्रयोग 4 और 5, जिसमें एक ध्यान भटकाने वाला-भरा प्रतिधारण अंतराल शामिल है, ने विशेष रूप से छोटे सेट आकार 2 पर समान-परीक्षण आकर्षण चुनने की संभावना को बढ़ा दिया - लेकिन बड़े सेट आकारों पर नहीं। यदि WM छोटे सेट आकारों में बाइंडिंग बनाए रखने के लिए विशेष रूप से जिम्मेदार है, और ध्यान भटकाने वाला कार्य चुनिंदा रूप से WM को ख़राब करता है, तो हमें यही उम्मीद करनी चाहिए। प्रयोग 2 और 3 में, जिसने पीआई की मात्रा में हेरफेर किया और इस प्रकार एपिसोडिक एलटीएम की उपयोगिता में हेरफेर किया, पीआई के परिणामस्वरूप बड़े सेट आकारों में पुराने परीक्षण आकर्षण को चुनने में त्रुटियों में अंतर वृद्धि हुई। यह अपेक्षित है क्योंकि पीआई एपिसोडिक एलटीएम में परीक्षणों के बीच विशिष्टता को कम कर देता है, जिससे यह निर्धारित करना कठिन हो जाता है कि वर्तमान या पिछले परीक्षण में प्रोत्साहन प्रस्तुत किया गया है या नहीं। आगे के खोजपूर्ण विश्लेषण से पता चला कि प्रदर्शन बड़े सेट आकारों पर भी पीआई के प्रति प्रतिरक्षित था, जब एक जोड़ी की प्रस्तुति और उसके परीक्षण के बीच बहुत कम एन्कोडिंग या पुनर्प्राप्ति घटनाएं हस्तक्षेप करती थीं। इससे पता चलता है कि अंतिम-प्रस्तुत जोड़े WM में बनाए रखे जाते हैं, और WM से तब तक एक्सेस किए जाते हैं जब तक वे आउटपुट हस्तक्षेप से दूषित नहीं होते हैं। हालाँकि, हमने यह नहीं पाया कि ये जोड़े प्रयोग 4 और 5 में ध्यान भटकाने वाले कार्य के प्रति संवेदनशील हैं, इसलिए बड़े सेट आकारों में WM में कौन से जोड़े को अधिमानतः बनाए रखा जाता है, इसके बारे में हमारा निष्कर्ष अस्थायी है। WM और एपिसोडिक LTM एक साथ कैसे काम करते हैं? वर्तमान परिणामों के आधार पर हम उनके सहयोग की कल्पना इस प्रकार करते हैं: प्रत्येक क्रमिक जोड़ी के परिणामस्वरूप सिमेंटिक मेमोरी में उसके तत्वों (यानी, शब्द और वस्तु के अनुरूप अवधारणाएं) का प्रतिनिधित्व सक्रिय हो जाता है। उनके बीच का संबंध एक अस्थायी बाइंडिंग के माध्यम से WM में एन्कोड किया गया है। इसके अलावा, एक एपिसोडिक मेमोरी ट्रेस बनाया जाता है जो तत्वों और उनके संबंध को एक एकीकृत घटना के रूप में दर्शाता है (देखें कोवान, 2019; कोवान और चेन, 2008)। इसका मतलब यह है कि शॉर्टलिस्ट में भी आइटम LTM और WM दोनों में एक साथ दर्शाए जाते हैं। जैसे-जैसे क्रमिक जोड़े प्रस्तुत किए जाते हैं, WM में बाइंडिंग के बीच हस्तक्षेप बढ़ता जाता है। यदि हम मानते हैं कि हस्तक्षेप मुख्य रूप से पूर्वव्यापी है, तो इससे WM में पहले के जोड़ों की पहुंच धीरे-धीरे कम हो जाती है। वैकल्पिक रूप से, हस्तक्षेप सममित हो सकता है, लेकिन पहले प्रस्तुत जोड़े को बाद में प्रस्तुत जोड़े में हस्तक्षेप करने से रोकने के लिए WM से हटा दिया जाता है। किसी भी तरह से, परीक्षण की शुरुआत में अंतिम-प्रस्तुत जोड़े की बाइंडिंग WM में सबसे अधिक पहुंच योग्य होती है। जब एक जोड़ी का परीक्षण किया जाता है, तो दिए गए तत्व को पहले WM में उनके बाइंडिंग के माध्यम से उसके समकक्ष तक पहुंचने के लिए पुनर्प्राप्ति संकेत के रूप में उपयोग किया जाता है। यदि वह विफल हो जाता है, तो एपिसोडिक मेमोरी से परीक्षण किए गए जोड़े को पुनः प्राप्त करने का प्रयास किया जाता है। दोनों पुनर्प्राप्ति प्रयास सिमेंटिक मेमोरी में अभ्यावेदन के सक्रियण से अतिरिक्त जानकारी प्राप्त करते हैं: क्यू-आधारित पुनर्प्राप्ति के माध्यम से किसी शब्द या वस्तु का पुन: सक्रियण - WM या एपिसोडिक एलटीएम से - सिमेंटिक मेमोरी में इसके लगातार सक्रियण के साथ जोड़ा जाता है। जहाँ पहला आइटमों के बीच संबंधों के बारे में जानकारी प्रदान करता है, वहीं दूसरा आइटम आइटम संबंधी जानकारी प्रदान करता है। यह प्रतिक्रिया विकल्पों से नए शब्दों या वस्तुओं को बाहर करने में मदद करता है, और कम पीआई स्थिति में, यह पिछले परीक्षणों से वस्तुओं को बाहर करने में भी मदद करता है। हालाँकि, उच्च पीआई स्थिति में, छोटे पूल में सभी शब्द और ऑब्जेक्ट सिमेंटिक मेमोरी में कालानुक्रमिक रूप से सक्रिय होते हैं, और इसलिए, आइटम सक्रियण में बहुत कम जानकारी होती है। वर्तमान और पिछले परीक्षणों के बीच भेदभाव करने के लिए WM में बाइंडिंग या एपिसोडिक मेमोरी अभ्यावेदन का उपयोग करके क्यू-आधारित पुनर्प्राप्ति पर निर्भर रहना पड़ता है। इस हद तक कि यह WM पर निर्भर है, हमें उम्मीद करनी चाहिए कि पुरानी सूचियों से घुसपैठ की व्यापकता निर्धारित आकार के साथ बढ़ेगी, जैसा कि हमने उच्च-पीआई स्थिति में पाया। जैसा कि परिचय में बताया गया है, WM कार्यों में प्रदर्शन के लिए एपिसोडिक LTM के योगदान पर कुछ समय से चर्चा की गई है। फिर भी, इस तरह के योगदान की धारणा हमें एक पहेली में डाल देती है: एपिसोडिक एलटीएम क्षमता सीमा से बाधित नहीं है - तो डब्ल्यूएम परीक्षणों में प्रदर्शन इतनी गंभीर रूप से सीमित क्यों है? विशेष रूप से, लोगों की WM परीक्षणों में जानकारी को याद रखने की क्षमता लगभग 2 या 3 तक के सेट आकारों में लगभग सही क्यों होती है, और फिर सेट आकार के और बढ़ने पर तेजी से टूट जाती है, जैसा कि चित्र 1 में दिखाया गया है? उत्तर का एक हिस्सा संभवतः यह है कि विशिष्ट WM कार्यों में परीक्षणों के बीच उच्च स्तर का सक्रिय हस्तक्षेप शामिल होता है: सीरियल-रिकॉल परीक्षणों में, प्रत्येक सूची आइटम को उसकी सूची स्थिति के प्रतिनिधित्व के लिए बाध्य करके एक ऑर्डर के लिए मेमोरी बनाए रखी जाती है ताकि स्थिति को ठीक किया जा सके। वापस बुलाए गए आइटम के लिए पुनर्प्राप्ति संकेत के रूप में उपयोग किया जाता है (लेवांडोस्की और फैरेल, 2008)। सभी परीक्षणों में, समान स्थिति प्रतिनिधित्व पुनर्प्राप्ति संकेतों (फिशर-बाम और मैकक्लोस्की, 2015) के रूप में कार्य करते हैं, ताकि एपिसोडिक मेमोरी में सक्रिय हस्तक्षेप का निर्माण हो सके: प्रत्येक स्थिति अधिक से अधिक वस्तुओं से जुड़ी होती है - प्रत्येक पिछले परीक्षण से एक - जो प्रतिस्पर्धा करती है वर्तमान परीक्षण से लक्ष्य आइटम की पुनर्प्राप्ति। इसी तरह, दृश्य WM की जांच के अधिकांश कार्यों में, उत्तेजनाओं को स्थानिक रूप से वितरित सरणियों के रूप में प्रस्तुत किया जाता है, और परीक्षण में, लक्ष्य उत्तेजना की पहचान उसके स्थान से की जाती है। समान, या बहुत समान, स्थानों को परीक्षणों में फिर से उपयोग किया जाता है, ताकि पुनर्प्राप्ति संकेतों के रूप में स्थान एपिसोडिक एलटीएम में अधिक से अधिक विभिन्न उत्तेजनाओं से जुड़े हों। इसके विपरीत, WM परीक्षणों के बीच सक्रिय हस्तक्षेप से बच जाता है क्योंकि WM को हर परीक्षण के बाद साफ़ कर दिया जाता है, और WM की सामग्री LTM (ओबेराउर, 2009बी; ओबेराउर एट अल., 2017) के हस्तक्षेप से सुरक्षित रहती है। इसलिए, परीक्षणों में उच्च पीआई वाली सेटिंग्स में, एपिसोडिक एलटीएम का योगदान मामूली होने की संभावना है, और प्रदर्शन डब्ल्यूएम की क्षमता से दृढ़ता से सीमित है, जिससे सेट आकार बढ़ने के साथ तेज गिरावट आती है। इसके विपरीत, जब पीआई बहुत कम हो जाती है, तो लोग डब्ल्यूएम की क्षमता सीमा को पार करने के लिए एपिसोडिक एलटीएम पर भरोसा कर सकते हैं। पिछला शोध पहले ही आइटम मेमोरी के तत्काल परीक्षणों के लिए इसे दिखा चुका है (एंड्रेस एंड पॉटर, 2014)। वर्तमान कार्य का नया योगदान इस घटना को संबंधपरक स्मृति के लिए भी दिखाना है: सक्रिय हस्तक्षेप के बिना स्थितियों में, लोग 20 - और शायद अधिक - तेजी से प्रस्तुत उत्तेजनाओं के मनमाने जोड़े को याद कर सकते हैं, जो WM क्षमता के किसी भी अनुमान से कहीं अधिक है। सक्रिय हस्तक्षेप उस क्षमता को ख़राब करता है, जिससे पता चलता है कि यह एपिसोडिक एलटीएम पर निर्भर करता है। WM कार्य में LTM के मजबूत योगदान का एक और संकेत यह था कि बड़े सेट आकारों में त्रुटियों का प्रकार समान-परीक्षण घुसपैठ से पुरानी सूची घुसपैठ में स्थानांतरित हो गया। फिर भी, अकेले पीआई पूरी तरह से यह नहीं समझा सकता है कि वर्तमान कार्य ने अधिक विशिष्ट WM कार्यों की तुलना में तत्काल मेमोरी पर कम गंभीर सीमा क्यों प्रकट की। यहां तक ​​कि उच्च पीआई वाली स्थितियों में भी, चार जोड़े से परे सेट-आकार प्रभाव अपेक्षाकृत उथले थे, और उच्चतम सेट आकारों से क्षमता अनुमान - विशेष रूप से प्रयोग 2 में - असामान्य रूप से उच्च थे। हमें संदेह है कि ऐसा इसलिए हो सकता है क्योंकि हमने पुनर्प्राप्ति संकेतों का उपयोग किया है जो अपेक्षाकृत अच्छी तरह से भेदभाव योग्य हैं। आख़िरकार, उनके पास उच्च-आयामी सिमेंटिक (और, चित्रों के मामले में, दृश्य भी) फ़ीचर स्पेस में प्रतिनिधित्व हैं। इसके विपरीत, विशिष्ट WM कार्यों के पुनर्प्राप्ति संकेत - ज्यादातर मामलों में, क्रमिक सूची स्थिति या किसी सरणी में स्थानिक स्थान - कम भेदभावपूर्ण होते हैं, क्योंकि वे एक- या दो-आयामी स्थानों में रहते हैं, जो सेट आकार बढ़ने के साथ तेजी से भीड़भाड़ वाले हो जाते हैं। अत्यधिक विशिष्ट पुनर्प्राप्ति संकेत सक्रिय हस्तक्षेप की स्थिति में भी एपिसोडिक एलटीएम को उचित रूप से अच्छी तरह से काम करने में सक्षम बना सकते हैं।

चित्र 14. इनपुट-आउटपुट दूरियों और निर्धारित आकारों में ध्यान भटकाने वाले कार्य के साथ और बिना स्थितियों के तहत प्रयोग 5 में सही आइटम चुनने की संभावना। त्रुटि पट्टियाँ विषय के बीच विश्वास अंतराल का प्रतिनिधित्व करती हैं।

Fig. 15. State-trace plot of the data from Experiments 2 and 4. The proportion of correct responses of each participant was averaged over low set sizes (2, 3, or 4 pairs), and high set sizes (>प्रयोग 2 में 30 जोड़ियों को छोड़कर 4 जोड़े)। प्रत्येक डेटा बिंदु एक प्रयोगात्मक स्थिति का प्रतिनिधित्व करता है जिसके लिए हमारे पास सेट-आकार के दोनों स्तरों पर प्रदर्शन का माप है। त्रुटि पट्टियाँ विषयों की तुलना के लिए 95 प्रतिशत विश्वास अंतराल हैं।

तालिका 4 प्रयोग 4 और 5 में सेट आकार और ध्यान भटकाने वाले कार्य के मुख्य प्रभावों के कारक।

तालिका 5 बेज़ प्रयोग 4 के इनपुट आउटपुट दूरी के आधार पर, निर्धारित आकारों में डिस्ट्रेक्टर कार्य के प्रभाव के कारक। 3 से बड़े मान डिस्ट्रेक्टर कार्य के प्रभाव के लिए साक्ष्य का प्रतिनिधित्व करते हैं और बोल्ड में मुद्रित होते हैं, नीचे दिए गए मान 0। एक प्रभाव के विरुद्ध 33 साक्ष्य।

तालिका 6 प्रयोग 5 के इनपुट आउटपुट दूरी के आधार पर सेट आकारों में डिस्ट्रेक्टर कार्य के प्रभाव के बेयस कारक। 3 से बड़े मान डिस्ट्रेक्टर कार्य के प्रभाव के साक्ष्य का प्रतिनिधित्व करते हैं और बोल्ड में मुद्रित होते हैं, नीचे दिए गए मान 0। खिलाफ 33 सबूत.

6। निष्कर्ष

वर्तमान अध्ययन कार्यशील मेमोरी की हमारी समझ में तीन योगदान देता है: पहला, WM क्षमता सीमा प्राथमिक रूप से है, लेकिन शायद विशेष रूप से नहीं, बाइंडिंग बनाए रखने की क्षमता पर एक सीमा है - इस मामले में वस्तुओं के बीच बाइंडिंग बनाए रखने के लिए। दूसरा, हमने इस तत्काल मेमोरी कार्य में प्रदर्शन के लिए WM और एपिसोडिक LTM के योगदान का दोहरा पृथक्करण दिखाया: 3 से बड़े सेट आकारों पर, LTM ने प्रदर्शन में दृढ़ता से योगदान दिया, जबकि सेट आकार 2 पर प्रदर्शन WM द्वारा संचालित था। तीसरा, हम तत्काल स्मृति कार्यों में प्रदर्शन के लिए WM और एपिसोडिक LTM के सापेक्ष योगदान को मापने के लिए तरीकों का प्रस्ताव और अनुभवजन्य समर्थन करते हैं, जिनका उपयोग शोधकर्ता WM का परीक्षण और जांच करने के लिए करते हैं: प्रोएक्टिव हस्तक्षेप का उपयोग एपिसोडिक LTM के योगदान के सूचकांक के रूप में किया जा सकता है। . इसके विपरीत, ध्यान भटकाने वाले कार्य के प्रति भेद्यता का उपयोग WM के योगदान के सूचकांक के रूप में किया जा सकता है।

मेरे पास सिस्टैंच अनुपूरक-याददाश्त में सुधार

संदर्भ

एडम, केसीएस, मेंस, आई., फुकुदा, के., और वोगेल, ईके (2015)। दृश्य कार्यशील स्मृति क्षमता में व्यक्तिगत अंतर के लिए ध्यान संबंधी चूक का योगदान। जर्नल ऑफ़ कॉग्निटिव न्यूरोसाइंस, 27(8), 1601-1616।

एडम, केसीएस, वोगेल, ईके, और एव्ह, ई. (2017)। विज़ुअल वर्किंग मेमोरी में आइटम सीमाओं के लिए स्पष्ट साक्ष्य। संज्ञानात्मक मनोविज्ञान, 97, 79-97। https://doi.org/10.1016/j. cogpsych.2017.07.001

एनिस, जे., लेन्स, जेजी, वेस्टफॉल, एचए, क्रिस, एएच, और मालम्बर्ग, केजे (2015)। सूची लंबाई प्रभाव मान्यता मेमोरी के मॉडल के बीच भेदभाव नहीं करता है। जर्नल ऑफ़ मेमोरी एंड लैंग्वेज, 85, 27-41।

एटकिंसन, आरसी, और शिफरीन, आरएम (1968)। मानव स्मृति: एक प्रस्तावित प्रणाली और इसकी नियंत्रण प्रक्रियाएँ। में, वॉल्यूम. 2, अंक सी. सीखने और प्रेरणा का मनोविज्ञान (पीपी. 89-195)। एल्सेवियर। https://doi.org/10.1016/S0079-7421(08)60422-3।

बैडले, एडी (2012)। कार्यशील स्मृति: सिद्धांत, मॉडल और विवाद। मनोविज्ञान की वार्षिक समीक्षा, 63, 1-29।

बैरौइलेट, पी., और कैमोस, वी. (2012)। जैसे-जैसे समय बीतता है: कार्यशील स्मृति में अस्थायी बाधाएँ। मनोवैज्ञानिक विज्ञान में वर्तमान दिशाएँ, 21(6), 413-419। https://doi.org/ 10.1177/0963721412459513

बार्टश, एलएम, लोइज़ा, वीएमवीएम, और ओबेराउर, के. (2019)। क्या सीमित कार्यशील स्मृति क्षमता सहयोगी दीर्घकालिक स्मृति में उम्र के अंतर का कारण बनती है? मनोविज्ञान और बुढ़ापा, 34(2), 268-281। https://doi.org/10.1037/pag0000317

ब्यूकर्स, एओ, बुशमैन, टीजे, कोहेन, जेडी, और नॉर्मन, केए (2021)। क्या एक्टिविटी साइलेंट वर्किंग मेमोरी केवल एपिसोडिक मेमोरी है? संज्ञानात्मक विज्ञान में रुझान, 25(4), 284-293।