उम्र के साथ विज़ुअल वर्किंग मेमोरी क्षमता में सुधार क्यों होता है: अधिक ऑब्जेक्ट, अधिक फ़ीचर विवरण, या दोनों? एक पंजीकृत रिपोर्ट भाग 2

अवधारणात्मक मिलान कार्य - प्रतिभागियों ने एक अवधारणात्मक मिलान कार्य पूरा किया जिसमें उन्होंने उपयुक्त बिल्ली पर क्लिक करके जांच रंग (स्क्रीन के केंद्र में प्रस्तुत) को आठ बिल्लियों में से एक से मिलान किया। इसी तरह, उन्होंने बिल्लियों में से एक की ओरिएंटेशन जांच का मिलान किया। प्रतिभागियों ने प्रत्येक सुविधा के लिए 2 परीक्षण किए (2 × 8 रंग और 2 × 8 अभिविन्यास)। हमने उन प्रतिभागियों को बाहर करने और बदलने की योजना बनाई थी, जिन्होंने इनमें से 90% से कम सही पाया, 32 परीक्षणों के लिए तीन से अधिक त्रुटियों की अनुमति नहीं दी। हालाँकि, हम इस नियम से भटक गए।

अवधारणात्मक मिलान कार्यों और स्मृति के बीच एक मजबूत संबंध है। अवधारणात्मक मिलान कार्य स्मृति में सुधार के प्रभावी तरीकों में से एक हैं। यह मस्तिष्क को बेहतर ढंग से उत्तेजित करने और स्मृति को सक्रिय करने में हमारी मदद कर सकता है। अवधारणात्मक मिलान कार्यों में, हमें चित्रों या पैटर्न को देखकर समानताएं या अंतर खोजने की आवश्यकता होती है, जिसके लिए हमारे मस्तिष्क को उच्च स्तर की सतर्कता और ध्यान बनाए रखने की आवश्यकता होती है, जिससे हमारे लिए जानकारी को स्मृति में परिवर्तित करना आसान हो जाता है।

नियमित अवधारणात्मक मिलान कार्य मस्तिष्क के न्यूरॉन्स के बीच संबंधों को लगातार बढ़ावा दे सकते हैं, जिससे मस्तिष्क अधिक सक्रिय हो जाता है और दीर्घकालिक स्मृति के निर्माण के लिए अधिक अनुकूल हो जाता है। इतना ही नहीं, अवधारणात्मक मिलान कार्य हमारी स्थानिक संज्ञानात्मक क्षमताओं और संज्ञानात्मक लचीलेपन का भी अभ्यास कर सकते हैं, और ध्यान और एकाग्रता जैसे हमारे संज्ञानात्मक कौशल में सुधार कर सकते हैं।

साथ ही, अवधारणात्मक मिलान कार्य हमें बहु-कार्य करने की भी अनुमति देते हैं। उदाहरण के लिए, हम व्यायाम के दौरान अवधारणात्मक मिलान कार्य कर सकते हैं, जो न केवल कार्डियोपल्मोनरी क्षमता को बढ़ाता है बल्कि स्मृति में भी सुधार करता है। यह न केवल आपको सीखने की स्थिति में तेजी से प्रवेश करने की अनुमति देता है बल्कि सीखने के कार्यों को अधिक कुशलता से पूरा करता है।

संक्षेप में, अवधारणात्मक मिलान कार्यों और स्मृति के बीच घनिष्ठ संबंध है। नियमित रूप से अवधारणात्मक मिलान कार्यों को करने से मस्तिष्क की संज्ञानात्मक क्षमता और स्मृति में सुधार हो सकता है, जिससे हम तेजी से सीखने की स्थिति में प्रवेश कर सकते हैं और सीखने के कार्यों को पूरा कर सकते हैं। आइए अपनी संज्ञानात्मक क्षमताओं और स्मृति को बेहतर बनाने और अपने भविष्य को उज्जवल बनाने के लिए मिलकर काम करें। यह देखा जा सकता है कि हमें अपनी याददाश्त में सुधार करने की जरूरत है। सिस्टैंच डेजर्टिकोला याददाश्त में काफी सुधार कर सकता है, क्योंकि सिस्टैन्चे 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।

मस्तिष्क की कार्यप्रणाली को बेहतर बनाने के उपाय जानने के लिए क्लिक करें

जैसा कि हमने महामारी के कारण अध्ययन को ऑनलाइन स्थानांतरित कर दिया था, प्रतिभागियों (विशेष रूप से छोटे बच्चों) ने इस कार्य को तेजी से पूरा किया और कभी-कभी गलती से एक ही विकल्प को दो बार चुन लिया, शायद स्क्रीन-शेयरिंग अंतराल के कारण। इस प्रकार, कुल 17 प्रतिभागियों ने 90% कट-ऑफ पॉइंट के तहत प्रदर्शन किया (तेरह सबसे छोटे बच्चे, एम =.81, एसडी=.07, एक किशोर, एम =। 88, और तीन वयस्क, एम=.76, एसडी=.05)। सबसे कम प्रदर्शन .69 था। बदली हुई परिस्थितियों को देखते हुए, हमने इन प्रतिभागियों को विश्लेषण में शामिल किया। एक त्रुटि के कारण, इस उपाय के लिए छह वयस्क प्रतिभागियों का डेटा गायब था, जिसके परिणामस्वरूप एन=44 हुआ।

अनुमापन प्रोटोकॉल।—हमारी अनुमापन प्रक्रिया का उद्देश्य प्रत्येक प्रतिभागी के लिए अलग-अलग निर्धारित आकार ढूंढना था ताकि सभी आधारभूत स्थिति में लगभग समान अनुपात में सही प्रदर्शन कर सकें। एक आयु वर्ग के दूसरे की तुलना में किसी भी अंतर घाटे को मापने के लिए ऐसा करना महत्वपूर्ण है (सीएफ. मैकडोनाल्ड, 2015)। साइकोमेट्रिक शब्दों में, अनुमापन का उद्देश्य नीचे वर्णित बेसलाइन (स्थान परीक्षण) स्थिति में प्रदर्शन-स्तर के मिलान को सक्षम करना है, ताकि गैर-हटाने योग्य इंटरैक्शन को रोका जा सके (लॉफ्टस, 1978 देखें; वैगनमेकर्स, क्रिप्टो, क्रिस और इवरसन, 2012) ).

इस मिलान के बिना, एक महत्वपूर्ण इंटरैक्शन शब्द के लिए सांख्यिकीय साक्ष्य इस आधार पर भिन्न हो सकते हैं कि पूर्ण या सापेक्ष प्रदर्शन अंतर पर विचार किया गया था या नहीं। उदाहरण के लिए, यदि युवा वयस्कों को स्थिति ए में 90% आइटम याद हैं लेकिन स्थिति बी में प्रदर्शन 25% गिर जाता है, तो प्रदर्शन अंतर 22.5 प्रतिशत इकाई होगा।

यदि बच्चों को स्थिति ए में केवल 70% याद है और स्थिति बी में 25% की कमी आती है, तो उनके प्रदर्शन में अंतर 17.5 प्रतिशत इकाई होगा। फिर, हमें बच्चों की तुलना में युवा वयस्कों में बड़े अंतर के लिए सांख्यिकीय प्रमाण मिल सकते हैं, अनुपात में पूर्ण अंतर सही है, लेकिन सापेक्ष अंतर के लिए नहीं।

यह एजग्रुप × कंडीशन इंटरेक्शन प्रभाव के लिए सांख्यिकीय साक्ष्य की सैद्धांतिक वैधता को गड़बड़ा देता है। इसके अलावा, चूंकि हम यह परीक्षण करना चाहते थे कि प्रतिभागियों द्वारा याद रखी गई वस्तुओं के लिए फीचर विवरण का स्तर भिन्न है या नहीं, इसलिए प्रत्येक व्यक्ति के प्रदर्शन स्तर के अनुसार मेमोरी आइटम की संख्या को समायोजित करने की आवश्यकता है। प्रत्येक प्रतिभागी के लिए निर्धारित आकारों की एक विस्तृत श्रृंखला में डेटा इकट्ठा करने की तुलना में प्रयोगात्मक सत्र की लंबाई को कम करते हुए, सटीक, व्यक्तिगत k अनुमान (कार्यशील मेमोरी में वस्तुओं की संख्या का अनुमान) प्राप्त करने के लिए अनुमापन भी एक कुशल दृष्टिकोण होना चाहिए, जिनमें से कुछ हो सकते हैं या तो बहुत आसान हो या अत्यधिक।

निर्धारित आकार का एक माप प्राप्त करने के लिए जिस पर प्रत्येक प्रतिभागी लगभग 80% परीक्षणों में सफलतापूर्वक प्रतिक्रिया दे सकता है, यह अनुमापन प्रक्रिया अध्ययन की शुरुआत में केवल स्थान (बेसलाइन) स्थिति के लिए की गई थी (चित्र 1ए देखें)। चार अभ्यास परीक्षणों के बाद, सभी प्रतिभागियों ने एक आइटम के निर्धारित आकार से शुरू करके, अनुमापन के 40 परीक्षण पूरे किए। जब प्रतिभागियों ने लगातार तीन बार सही उत्तर दिया, तो अगले परीक्षण के निर्धारित आकार में एक आइटम जोड़ दिया गया (उदाहरण के लिए, सेट-आकार एक पर लगातार तीन सही प्रतिक्रियाओं के बाद, वे दो-आइटम सेट पर चले गए)। जब प्रतिभागियों ने गलत उत्तर दिया, तो उनका सेट अगले परीक्षण के लिए आकार क्रमशः एक और सात आइटमों के न्यूनतम और अधिकतम संभव सेट आकार के साथ एक से कम कर दिया गया था। यह तीन-अप, एक-डाउन प्रक्रिया एक प्रयोगात्मक सेट आकार का अनुमान लगाती है जिसके लिए प्रतिभागी लगभग 80% सही ढंग से प्रतिक्रिया देते हैं। समय (टैनस्ले, रेगन, और सफ़ील्ड, 1982)।

आधे प्रयोगात्मक परीक्षणों में, प्रतिभागियों का सेट आकार उनके 25 अंतिम अनुमापन परीक्षणों में उनके औसत सेट आकार के बराबर था (निकटतम पूर्णांक तक गोल), इस अपवाद के साथ कि यदि किसी प्रतिभागी का अंतिम प्राप्त सेट आकार एक था, तो उनके प्रयोगात्मक सेट का आकार था सीलिंग प्रभाव के प्रति एहतियात के तौर पर दो वस्तुएं। परीक्षणों के दूसरे भाग में, इस विधि से वास्तविक स्मृति क्षमता को कम आंकने के प्रति एहतियात के तौर पर, सेट का आकार एक आइटम द्वारा अनुमापन में निर्धारित आकार से अधिक हो गया।

उदाहरण के लिए, यदि किसी प्रतिभागी का प्राप्त सेट आकार तीन आइटम था, तो उन्होंने उस सेट आकार पर प्रत्येक प्रयोगात्मक स्थिति (स्थान, स्थान + रंग, स्थान + रंग + अभिविन्यास) में एक ब्लॉक (20 परीक्षण) पूरा किया और प्रत्येक स्थिति में चार आइटम के साथ एक और ब्लॉक पूरा किया ( तिन जोड एक)। यदि कोई प्रतिभागी सात वस्तुओं के अधिकतम संभावित स्तर तक पहुंच जाता है, तो उन्हें सभी परीक्षणों के लिए सात वस्तुओं को याद रखने की आवश्यकता होगी। कम आकलन तब हो सकता है जब निर्धारित आकार को अनुमापन औसत से निकटतम पूर्णांक तक पूर्णांकित किया जाता है (उदाहरण के लिए, 3.40 से 3 तक)। }) क्योंकि किसी वस्तु के अंशों को प्रस्तुत करना संभव नहीं है। इसके अतिरिक्त, प्रतिभागियों के अभ्यास के साथ सुधार होने पर कम आकलन हो सकता है।

हमने सामान्य सेट आकार के बजाय इस सेट आकार निर्धारण प्रक्रिया का उपयोग किया क्योंकि बेसलाइन स्थिति में फर्श और/या छत का प्रदर्शन अतिरिक्त सुविधा लोड के प्रभाव के सार्थक परीक्षण को रोक देगा। पिछले साहित्य के आधार पर, हमें प्रदर्शन में उम्र के अंतर की उम्मीद थी, यह सुझाव देते हुए कि अधिकांश वयस्कों के लिए उपयुक्त सेट आकार (उदाहरण के लिए, 4 आइटम) के परिणामस्वरूप कई बच्चों में फर्श प्रदर्शन की संभावना होगी। इसलिए, यह अनुमापन प्रक्रिया - हालांकि सही होने की संभावना नहीं है - उपयोग योग्य डेटा एकत्र करने के लिए अधिक कुशल दिखाई दी। कार्यशील स्मृति क्षमता पर पिछले साहित्य के आधार पर, हमें उम्मीद थी कि अधिकांश व्यक्तियों के पास तुलना के लिए आइटम सेट होंगे, क्योंकि हमने जो सबसे छोटा संभव सेट आकार प्रशासित किया था वह 2 आइटम था, जिसमें स्पैन प्लस एक (उस मामले में 3 आइटम) भी प्रस्तुत किया गया था, और वयस्क क्षमता आम तौर पर लगभग 3 आइटम होती है। हालाँकि, सभी प्रतिभागियों ने सेट आकार 3 पर 'कोई एक फीचर ब्लॉक' पूरा कर लिया (नीचे विवरण देखें)।

प्रायोगिक कार्य।—अभी वर्णित अनुमापन प्रक्रिया में, जिसमें बेसलाइन, स्थान-केवल परीक्षण प्रक्रिया का उपयोग किया गया था, और परिणामी प्रयोगात्मक परीक्षण की सभी स्थितियों में, प्रतिभागियों ने टोपी पहने बिल्ली के चेहरों की सरणियाँ देखीं (चित्र 1 देखें)। टोपियाँ अलग-अलग रंगों की थीं (आठ प्रोटोटाइपिक रंगों सहित: लाल, हरा, नीला, बैंगनी, गुलाबी, पीला, नारंगी और फ़िरोज़ा), और बिल्लियों को अलग-अलग झुकावों (−70, −50, −30, −10) पर प्रस्तुत किया गया था। शंकु के आकार की टोपियों में बिल्ली-चेहरे के 10,30, 50, या 70 डिग्री झुकाव) उत्तेजना पूल में आठ रंगों और आठ अभिविन्यासों के साथ, और एक सरणी के भीतर रंग या अभिविन्यास की कोई पुनरावृत्ति नहीं। स्थानों को एक काल्पनिक आयत के भीतर यादृच्छिक रूप से चुना गया था (चौड़ाई=9.8, ऊंचाई=7.3डिग्री) स्क्रीन के केंद्र में, एक दूसरे से कम से कम 2.5 डिग्री अलग। जब स्थान जांच अलग-अलग थीं, तो उन्हें भी इस आयत के भीतर प्रस्तुत किया गया था, किसी भी प्रस्तुत वस्तु से कम से कम 2.5 डिग्री। एक सरणी (500 एमएस) और उसके बाद रिक्त अंतराल (1000 एमएस) देखने के बाद, एक जांच आइटम प्रस्तुत किया गया था।

जांच के प्रकार: जांच आइटम था (ए) स्थान जांच के लिए, एक प्रश्न चिह्न, (बी) रंग जांच के लिए, आठ अध्ययन रंगों में से एक से भरा एक चक्र, या (सी) अभिविन्यास जांच के लिए, एक काली 'टोपी' की ओर इशारा करते हुए आठ अध्ययन कोणों में से एक। प्रतिभागियों ने एक परिवर्तन-पहचान प्रक्रिया में जांच का जवाब दिया, यह इंगित करने के लिए कि क्या यह पहले प्रस्तुत बिल्ली वस्तु के रूप में जांच की गई सुविधा में समान था। प्रतिभागियों ने कीबोर्ड कुंजियों का उपयोग करके उत्तर दिया ('हां' या 'समान' इंगित करने के लिए 'सी' कुंजी, और 'नहीं' या 'अलग' इंगित करने के लिए, 'एम' कुंजी)। उन्हें याद रखने में मदद के लिए कुंजियों पर लेबल लगाने की सलाह दी गई। जांच सुविधा आधे समय याद रखने योग्य वस्तु के समान थी, और आधे समय में सभी सरणी वस्तुओं से अलग थी (यानी, एक नया स्थान या सुविधा)।

परीक्षण ब्लॉक प्रकार: किसी दिए गए परीक्षण ब्लॉक में, प्रति परीक्षण केवल एक जांच थी (स्थान, चित्र 1ए), प्रति परीक्षण दो जांच (स्थान, फिर रंग, चित्र 1बी), या प्रति परीक्षण तीन जांच (स्थान, फिर रंग, और फिर ओरिएंटेशन, चित्र 1सी)।

जब दो या तीन विशेषताओं की जांच की गई, तो विभिन्न वस्तुओं से संबंधित जांच की गई (यानी, एक आइटम का स्थान जांचा गया, दूसरे आइटम का रंग, और, जब ओरिएंटेशन की जांच की गई, तो तीसरे आइटम का ओरिएंटेशन)। यदि जांच की गई सुविधाओं की तुलना में कम मेमोरी ऑब्जेक्ट थे (जो स्थान + रंग + ओरिएंटेशन परीक्षण ब्लॉक में सेट-आकार दो पर हो सकते हैं), तो एक आइटम की दो बार जांच की गई थी। हमारी मूल योजना प्रत्येक ब्लॉक को चार अभ्यास परीक्षणों के साथ शुरू करने की थी। कुल 40 स्थान ('वज़-समथिंग देयर') परीक्षण, 40 स्थान + रंग परीक्षण, और 40 स्थान + रंग + अभिविन्यास परीक्षण होंगे, प्रत्येक परीक्षण प्रकार को 20 परीक्षणों के दो ब्लॉकों के भीतर प्रस्तुत किया जाएगा। हालाँकि, हमने पाया कि छोटे बच्चों ने अध्ययन पूरा नहीं किया, क्योंकि लंबाई के कारण उनमें निराशा और ऊब पैदा हुई। हमने अपने पूर्व-निर्दिष्ट नियम का उपयोग किया ("यदि किसी दिए गए आयु वर्ग में 10 प्रथम प्रतिभागियों में से 4 से अधिक प्रयोग पूरा करने में विफल रहते हैं, तो हम अध्ययन की लंबाई की समीक्षा करेंगे, प्रत्येक प्रयोगात्मक ब्लॉक को 20 परीक्षणों के बजाय 16 तक कम कर देंगे, और 8 अतिरिक्त प्रतिभागियों को भर्ती करेंगे) डेटा संग्रह की सुविधा के लिए उस आयु समूह (परिणामस्वरूप उस आयु समूह में कुल 48 एन)")। हमने सभी समूहों में परीक्षण संख्या कम कर दी और प्रतिभागियों की संख्या बढ़ा दी।

हमने प्रत्येक ब्लॉक में अभ्यास परीक्षणों की संख्या भी चार से घटाकर दो कर दी, क्योंकि चार अभ्यास परीक्षण प्रतिभागियों को निराश करते दिखे, और कार्य की समझ आम तौर पर उत्कृष्ट थी। पहले बच्चे के प्रतिभागियों के पूरा न होने के आधार पर, हमने अपने पूर्व-निर्दिष्ट नियम को लागू करने का निर्णय लिया "जो प्रतिभागी प्रयोग पूरा नहीं करेंगे उन्हें बाहर कर दिया जाएगा और प्रतिस्थापित कर दिया जाएगा (यदि प्रतिभागी सत्र जल्दी समाप्त करना चाहते हैं (उदाहरण के लिए, थकान या बोरियत के कारण), वे शेष अध्ययन को किसी अलग दिन पूरा करने का विकल्प चुन सकते हैं)", और सभी बच्चों का दो सत्रों में परीक्षण कर सकते हैं, ताकि अत्यधिक लंबे सत्र को रोका जा सके और यह सुनिश्चित करने में मदद मिल सके कि उन्हें एक सुखद अनुभव मिले। किशोरों और वयस्कों ने अपने सभी परीक्षण एक ही सत्र में पूरे कर लिए।

परीक्षण ब्लॉक क्रम: प्रत्येक आयु वर्ग के आधे प्रतिभागियों के लिए, फीचर लोड धीरे-धीरे बढ़ गया (यानी, उन्होंने केवल स्थान (दो ब्लॉक, उनके दो अलग-अलग सेट आकारों पर) के साथ शुरुआत की, उसके बाद स्थान + रंग (दो ब्लॉक), फिर स्थान + रंग + ओरिएंटेशन (दो ब्लॉक)। शेष प्रतिभागियों के लिए, फीचर लोड धीरे-धीरे कम हो गया (यानी, वे स्थान + रंग + ओरिएंटेशन (दो ब्लॉक) से शुरू करते हैं, उसके बाद स्थान + रंग (दो ब्लॉक), और अंत में केवल स्थान (दो ब्लॉक) ब्लॉक)। स्थिति क्रम में इस अंतर ने हमें यह परीक्षण करने की अनुमति दी कि क्या प्रतिभागियों के लिए अपने कार्य सेट को बदलना, अध्ययन की प्रगति के रूप में बनाए रखने के लिए सुविधाओं को जोड़ना या छोड़ना मुश्किल है (पूरक सामग्री देखें; खंड 2, तालिका एस 1, विश्लेषण 1)। प्रत्येक के लिए ब्लॉक प्रकार, सभी प्रतिभागियों को पहले एस्टेरकेस अनुमापन प्रक्रिया के माध्यम से प्रत्येक प्रतिभागी के प्रदर्शन स्तर के आधार पर प्रति सरणी या सेट आकार में वस्तुओं की सबसे कम संख्या के 16 परीक्षण प्राप्त हुए। उसी ब्लॉक प्रकार के 16 परीक्षणों के दूसरे सेट में प्रत्येक सरणी में एक अतिरिक्त आइटम शामिल था।

अंत में कोई एक-सुविधा परीक्षण ब्लॉक: अंत में, प्रत्येक प्रतिभागी ने एक ब्लॉक पूरा किया जिसमें किसी एक विशेषता (स्थान, रंग, या अभिविन्यास) की जांच की गई (चित्र 1डी)। इस अंतिम ब्लॉक में, प्रत्येक सुविधा की 10 बार जांच की गई (परिणामस्वरूप कुल 30 परीक्षण हुए), यादृच्छिक जांच क्रम के साथ, ताकि प्रतिभागियों को सभी सुविधाओं को बनाए रखने की आवश्यकता हो। इस ब्लॉक में प्रत्येक प्रतिभागी के उच्च सेट आकार का उपयोग किया गया था। एक सामान्य सेट आकार के लिए आयु समूहों में तुलना की अनुमति देने के लिए, हमें यह भी आवश्यक था कि जिन प्रतिभागियों ने सेट आकार 3 के साथ इस ब्लॉक को पूरा नहीं किया, उन्होंने इस सेट आकार पर एक अतिरिक्त ब्लॉक पूरा किया।

प्रस्तावित विश्लेषण पाइपलाइन

हमारे विश्लेषण का उद्देश्य तुलना करना था 1) विभिन्न आयु समूहों में प्रतिभागियों के बीच वर्किंगमेमोरी, के में रखी गई वस्तुओं की संख्या, और 2) प्रदर्शन पर बढ़ते फीचर लोड का प्रभाव (के और अधिक सिद्धांत-तटस्थ दोनों द्वारा मापा गया) मतलब), विभिन्न आयु समूहों में।

चित्र 2ए हमारी प्रक्रिया के मुख्य भाग में जांच की गई सुविधा संवर्धन परिकल्पना के अनुसार कुछ प्रमुख अपेक्षाओं को दर्शाता है। यह एक ऐसी स्थिति को दर्शाता है जिसमें वृद्ध प्रतिभागियों के पास कार्यशील स्मृति में वस्तुओं का अधिक समृद्ध प्रतिनिधित्व होता है। स्थान के लिए अनुमापन प्रक्रिया और केवल-स्थान (लोड 0) प्रक्रिया से क्षमता वृद्धि परिकल्पना के परीक्षण भी प्राप्त होते हैं। चित्र 2बी उन परिणामों को दिखाता है जो अंतिम परीक्षण ब्लॉक में प्राप्त किए जा सकते हैं, किसी भी परिकल्पना के अनुसार यदि विभिन्न विशेषताओं में उम्र का अंतर सामान्य है, जब सभी तीन विशेषताओं को बरकरार रखा जाना चाहिए। जैसा कि यह आंकड़ा भी दर्शाता है, बाद के परिणामों का विश्लेषण उन वस्तुओं की संख्या का अनुमान लगाने के लिए किया जा सकता है जिनके लिए कम से कम एक विशेषता ज्ञात है (क्षमता वृद्धि परिकल्पना के लिए प्रासंगिक) और प्रति ज्ञात वस्तु सुविधाओं की संख्या (सुविधा संवर्धन परिकल्पना के लिए प्रासंगिक) ). नीचे, हम बताते हैं कि परिकल्पनाओं का परीक्षण कैसे किया जाता है।

कार्यशील मेमोरी में आइटम।—k पैरामीटर सरल तर्क पर आधारित है जिसमें प्रतिभागी या तो जांच प्रस्तुत करते समय सही उत्तर देता है क्योंकि संबंधित सरणी आइटम WM में है, या ऐसे ज्ञान के अभाव में एक निश्चित दर पर अनुमान लगाता है (कोवान, 2001; कोवान एट अल., 2013)। प्रत्येक आयु समूह के लिए k मानों का अनुमान लगाने के लिए, हमने एक पदानुक्रमित बायेसियन मॉडल लागू किया जो प्रत्येक अनुमान को बाधित करने के लिए सभी डेटा का उपयोग करता है (रोड्स, कोवान, हार्डमैन और लोगी, 2018 देखें)। कार्यान्वयन में JAGS (प्लमर, 2003) और R पैकेज R2jags (R कोर टीम, 2015; Su & Yajima, 2015) का उपयोग किया गया। विवरण के लिए अनुपूरक सामग्री, अनुभाग 3 देखें।

हमारी अनुमानात्मक सांख्यिकीय तुलनाओं के लिए, हमने बायेसियन अनुमान को बायेसफैक्टर्स के साथ जोड़ा, इस सुझाव के अनुरूप कि ऐसे दृष्टिकोण पूरक हैं (उदाहरण के लिए, राउडर, हाफ, और वांडेकरखोव, 2018 देखें), और हमारे डेटा के वितरण के लिए अलग-अलग दृष्टिकोणों का उपयोग किया। ये विश्लेषण किसी प्रभाव के मॉडल के गैर-शून्य होने की तुलना में इसके शून्य होने के मॉडल के लिए साक्ष्य का एक माप प्रदान करते हैं (देखें डायनेस, 2019; एट्ज़ और वांडेकरखोव, 2018; मोरे, रोमिजन, और राउडर, 2016)। विशेष रूप से, हमने बायेसियन एनोवा मॉडल तुलना दृष्टिकोण का उपयोग करके तुलना की कि क्या के अनुमान आयु समूहों के अनुसार भिन्न हैं (तालिका 1, विश्लेषण 1 देखें)। फिर हमने समान बायेसियन एनोवा मॉडल तुलना दृष्टिकोण (तालिका 1, विश्लेषण 2 देखें) के साथ, प्रत्येक आयु समूह के लिए और प्रत्येक फीचर-लोड स्थिति के लिए प्राप्त k मानों के बीच अंतर का पता लगाया। अधिक जानकारी के लिए, ऑनलाइन अनुपूरक, अनुभाग 4 देखें। यहां मुख्य प्रश्न यह है कि क्या परीक्षण की गई सुविधाओं की संख्या में वृद्धि के प्रभाव से छोटे बच्चों में परीक्षण की गई सुविधाओं में भारी गिरावट आएगी। उदाहरण के लिए, क्या स्थानों के लिए छोटे बच्चों के k मान को नुकसान होगा बड़े बच्चों और वयस्कों की तुलना में जब रंग को भी बरकरार रखा जाना चाहिए तो अधिक गिरावट? क्या तब और भी अधिक उम्र के अंतर देखे जाएंगे जब अभिविन्यास को भी बरकरार रखा जाना चाहिए? क्या रंग स्मृति अभिविन्यास को याद रखने की आवश्यकता से प्रभावित होगी, छोटे बच्चों में अधिक?

पहले प्रकार के सैद्धांतिक विश्लेषण के साथ दूसरे प्रकार के सैद्धांतिक विश्लेषण के रूप में, हमने उन वस्तुओं की संख्या का भी अनुमान लगाया, जिनके लिए प्रत्येक प्रतिभागी के लिए कम से कम एक विशेषता ज्ञात थी (समान दृष्टिकोण के लिए कोवान एट अल., 2013; हार्डमैन एंड कोवान, 2015; ओबेराउर और आइचेनबर्गर, 2013 देखें) विवरण के लिए ऑनलाइन अनुपूरक, धारा 5 देखें)। इस अनुमान के लिए, हमने अंतिम परीक्षण ब्लॉक से डेटा का उपयोग किया, जिसमें प्रत्येक परीक्षण में केवल एक विशेषता (स्थान, रंग, या अभिविन्यास) की जांच की गई थी, लेकिन प्रतिभागियों को यह नहीं पता था कि कौन सी सुविधा है। हमने मान लिया कि प्रत्येक सुविधा को याद रखने की संभावना स्वतंत्र है, इस सुझाव के अनुरूप है कि अलग-अलग सुविधाओं के लिए बड़े पैमाने पर स्वतंत्र क्षमता सीमाओं के साथ अलग-अलग मेमोरी स्टोर मौजूद हैं (देखें बेज़ एट अल., 2011; वांग एट अल., 2017; व्हीलर एंड ट्रेइसमैन, 2002)। यह धारणा पिछले शोध से सामने आई है, उदाहरण के लिए, फौगनी और अल्वारेज़ (2011)। फिर, हम उन परीक्षणों के अनुपात का अनुमान लगा सकते हैं जिनमें कम से कम एक विशेषता ज्ञात थी और ऐसी वस्तुओं के भीतर ज्ञात विशेषताओं की संख्या भी (जैसा कि ऑनलाइन पूरक, धारा 6 में दिखाया गया है)।

प्रतिक्रिया वितरण।—इसके बाद, हमने परीक्षण-स्तरीय प्रदर्शन डेटा का उपयोग करके सिद्धांत-तटस्थ तरीके से अपने मुख्य प्रश्न की जांच करने के लिए बायेसियन लॉजिस्टिक रिग्रेशन का उपयोग किया। यह विधि हमारे डेटा के द्विआधारी वितरण (सही या गलत) के लिए जिम्मेदार है और इसमें मॉडल में अनुमान लगाना शामिल है (दो-मजबूर विकल्प के साथ 50% सही), तालिका 1 देखें; विरोधाभास 4 और 5। यह मॉडल बर्नौली वितरण का उपयोग करके आयु समूह और फ़ीचर स्थिति द्वारा पैरामीटर η (ईटीए; मेमोरी प्रदर्शन) पर प्रभाव का अनुमान लगाता है। व्यक्तिगत भिन्नता को ध्यान में रखते हुए, प्रतिभागी की पहचान को एक यादृच्छिक अवरोधन के रूप में शामिल किया गया था। हमने η (eta; मेमोरी प्रदर्शन) के लिए सामान्य रूप से वितरित पूर्व का उपयोग किया। प्रत्येक मॉडल पैरामीटर के लिए, हम पैरामीटर अनुमान और उसके 95% विश्वसनीय अंतराल की रिपोर्ट करते हैं।

विशेष रूप से, आपके शोध प्रश्न का एक सिद्धांत-तटस्थ उत्तर प्रदान करने के लिए, हमने परीक्षण किया कि क्या फीचर-लोड स्थिति, आयु समूह और फीचर-लोड और आयु समूह (बच्चे बनाम वयस्क; बच्चे बनाम) के बीच महत्वपूर्ण बातचीत का मुख्य प्रभाव था। किशोर)।फीचर-लोड को एक सतत चर (0, याद रखने के लिए 1, 2 अतिरिक्त सुविधाएं) के रूप में कोडित किया जाएगा, और आयु समूह को श्रेणीबद्ध के रूप में, क्योंकि यहां तीन समूहों को अलग-अलग श्रेणियों (बचपन, किशोरावस्था और वयस्कता) के रूप में देखा जाता है। ) निरंतर के बजाय। यह जांचने के लिए कि क्या बढ़ा हुआ फीचर लोड छोटे बच्चों की याददाश्त के लिए अधिक हानिकारक है, हमने इस मॉडल की तुलना मुख्य प्रभावों और उनकी बातचीत दोनों वाले मॉडल से की। हमने कॉन्फिडेंस अंतराल की जांच करके और इंटरेक्शन पैरामीटर को शामिल करने के पक्ष/विपक्ष में बेयस फैक्टर की गणना करके इंटरेक्शन को शामिल करने के लिए साक्ष्य की ताकत की तुलना की (अधिक विवरण के लिए ऑनलाइन सप्लीमेंट, धारा 4 देखें)।

पायलट डेटा और सिमुलेशन

नमूना आकार का निर्धारण।—विभिन्न नमूना आकारों के साथ कुछ जटिल सिमुलेशन का प्रयास करते हुए, हम प्रति आयु समूह 1 पर 4 {{9 }} पर बसे, जो इस क्षेत्र में पिछले कुछ अध्ययनों में इस्तेमाल किए गए प्रति आयु समूह 24 से 30 प्रतिभागियों की तुलना में कुछ अधिक है (उदाहरण के लिए, कोवान एटल)। ., 2010, 2011, 2018)। उचित नमूना आकार निर्धारित करने के लिए, हमने दो अलग-अलग प्रक्रियाओं का उपयोग किया। सबसे पहले, हमारी सबसे महत्वपूर्ण परिकल्पना यह है कि बढ़े हुए फीचर लोड का प्रभाव विभिन्न आयु समूहों पर अलग-अलग होगा। इंटरैक्शन के लिए शक्ति का अनुमान लगाना बेहद कठिन है (उदाहरण के लिए, मैक्लेलैंड और जुड, 1993 देखें)। हमारे विश्लेषण में, हमने डेटा की बाइनरी (सही बनाम गलत) प्रकृति को ध्यान में रखने के लिए बायेसियन लॉजिस्टिक रिग्रेशन का उपयोग किया। यह हमें दरों का अनुमान लगाने और प्रत्येक पैरामीटर के लिए पश्च वितरण की जांच करने में सक्षम बनाता है। हमने दो काल्पनिक आबादी के लिए डेटा का अनुकरण किया, एक आयु समूह × फ़ीचर लोड इंटरैक्शन (H1) के साथ, और एक इस इंटरैक्शन के बिना (H0)।

हमने प्रशंसनीय फीचर-लोड अंतर का अनुमान लगाने के लिए कुछ वयस्क पायलट डेटा का उपयोग किया (विवरण के लिए पूरक सामग्री देखें)। प्रतिसमूह 40 प्रतिभागियों के साथ, हमारे 5{8}}0 सिमुलेशन में से 86.4% ने 95% बायेसियन विश्वसनीय अंतराल उत्पन्न किया जो 0 तक फैला नहीं था (फीचर के एक विभेदक प्रभाव का संकेत देता है) बच्चों और वयस्कों में भार), नीचे चित्र 2 देखें। इसके विपरीत, ऐसी आबादी से लिए गए नमूनों में, जिसमें इस तरह का इंटरैक्शन प्रभाव मौजूद नहीं था (H0), हमारे 500 सिमुलेशन (N=40 प्रति समूह) के 94.6% परीक्षणों में, 95% बायेसियन विश्वसनीय अंतराल 0 पर फैला हुआ था। बच्चों और वयस्कों में फीचर-लोड के अंतर-प्रभाव की परिकल्पना को सही ढंग से खारिज करना। इन सिमुलेशन के आधार पर, हमने अपने पूर्व निर्धारित, निश्चित नमूना आकार के रूप में प्रति आयु वर्ग में 40 प्रतिभागियों का प्रस्ताव रखा।

For more information:1950477648nn@gmail.com