Χρησιμοποιείται η μακροπρόθεσμη μνήμη σε ένα οπτικο-χωρικό παράδειγμα ανίχνευσης αλλαγών;

Για περισσότερες πληροφορίες:ali.ma@wecistanche.com

Αφηρημένη

Σε δοκιμές τουμνήμη εργασίαςμε λεκτικά ή χωρικά υλικά, επαναλαμβάνοντας το ίδιομνήμηο συνδυασμός δοκιμών οδηγεί σε βελτιωμένη απόδοση μνήμης. Αυτό το καθιερωμένο "εφέ επανάληψης Hebb" δεν μπορούσε να εμφανιστεί για οπτικό υλικό σε προηγούμενη έρευνα. Η απουσία του φαινομένου Hebb μπορεί να εξηγηθεί με δύο τρόπους: Είτε ένα άτομο αποτυγχάνει να αποκτήσει μια μακροπρόθεσμη αναπαράσταση μνήμης των επαναλαμβανόμενωνμνήμησύνολα, ή αποκτούν τέτοιαμακροπρόθεσμη μνήμηαναπαραστάσεις, αλλά αποτυγχάνουν να τις χρησιμοποιήσουν κατά τη διάρκεια τηςμνήμη εργασίαςέργο. Σε δύο πειράματα (N1=18 και N2=30), επιδιώξαμε να αποφασίσουμε μεταξύ αυτών των δύο πιθανοτήτων, χειραγωγώντας τη γνώση μακροπρόθεσμης μνήμης ορισμένων από τα σύνολα μνήμης που χρησιμοποιούνται σε μια εργασία ανίχνευσης αλλαγών. Πριν από το τεστ ανίχνευσης αλλαγών, οι συμμετέχοντες έμαθαν τρεις σειρές χρωμάτων με κριτήριο. Η επακόλουθη δοκιμή ανίχνευσης αλλαγών περιείχε πίνακες χρωμάτων που είχαν μάθει προηγουμένως και νέους. Η απόδοση ανίχνευσης αλλαγών ήταν καλύτερη σε σχέση με τους νέους πίνακες, κάτι που το δείχνειμακροπρόθεσμη μνήμηχρησιμοποιείται στην ανίχνευση αλλαγών.

Λέξεις-κλειδιά:Οπτική μνήμη εργασίας. Μακροπρόθεσμη μνήμη. Παράδειγμα ανίχνευσης αλλαγών. Εφέ επανάληψης Hebb

Repetitio est mater studiorum—η επανάληψη είναι η μητέρα της μελέτης. Αυτή η θεμελιώδης αρχή πιθανότατα ισχύει για όλες τις οντότητες που είναι σε θέση να κάνουν αυτό που ονομάζουμε «μάθηση». ζώα και ανθρώπους, ακόμη και υπολογιστές. Τυπικά, η μάθηση απαιτεί την επανάληψη ορισμένων πληροφοριών στόχου, είτε ηθελημένα είτε ακούσια. Σε όλες τις επαναλήψεις, οι νευρικές συνδέσεις στον εγκέφαλό μας αλλάζουν σταδιακά για να συλλάβουν τις επαναλαμβανόμενες πληροφορίες.

Το Click to Cistanche χρησιμοποιεί για τη μνήμη

Ποιος είναι ο ρόλος της μνήμης εργασίας για τη μάθηση; Πάνω από 6 δεκαετίες, αρκετοί θεωρητικοί έχουν υποθέσει ότι βραχυπρόθεσμα ήμνήμη εργασίας(WM)—ένα μέσο για την προσωρινή διατήρηση πληροφοριών—είναι η πύλη στη μακροπρόθεσμη μνήμη (LTM), όπου οι πληροφορίες αποθηκεύονται μόνιμα. Οι Atkinson και Shiffrin (1968) υπέθεσαν ότι οι πληροφορίες πρέπει να περάσουν από το "βραχυπρόθεσμο κατάστημα" στο LTM. Οι Baddeley et al. (1998) υπέθεσε ότι ο φωνολογικός βρόχος, ένα συστατικό του μοντέλου WM του Baddeley, είναι μια συσκευή για την εκμάθηση νέων μορφών λέξεων. Πρόσφατα, ο Cowan (2019) τόνισε ότι η διατήρηση πληροφοριών στο WM περιλαμβάνει όχι μόνο την ενεργοποίηση υπαρχουσών αναπαραστάσεων LTM αλλά και τη δημιουργία νέων. Οι Forsberg et al. (2020) υποστήριξε ότι η περιορισμένη χωρητικότητα του WM αποτελεί εμπόδιο για την απόκτηση νέας γνώσης στο LTM.

Ένα σημαντικό εργαλείο για τη μελέτη του ρόλου του WM στη σταδιακή απόκτηση γνώσης μέσω της επανάληψης είναι το λεγόμενο φαινόμενο επανάληψης Hebb (Hebb, 1961). Το φαινόμενο επανάληψης Hebb αναφέρεται στην παρατήρηση ότι η άμεση σειριακή ανάκληση - μια κοινή δοκιμή του WM - βελτιώνεται σταδιακά για μια λίστα μνήμης που επαναλαμβάνεται πολλές φορές κατά τη διάρκεια ενός πειράματος (π.χ., Hebb, 1961; Hitch et al., 2005; Page et al., 2006). Το φαινόμενο Hebb παρατηρήθηκε αρχικά σε μια εργασία άμεσης σειριακής ανάκλησης με λεκτικά ερεθίσματα (Hebb, 1961) και συζητήθηκε ειδικά για τη συμβολή του στην εκμάθηση της γλώσσας (Lafond et al., 2010· Szmalec et al., 2009). Άλλες μελέτες το βρήκαν επίσης με σημαντικά οπτικά ερεθίσματα όπως όρθια πρόσωπα (Horton et al., 2008) και με αλληλουχίες χωρικών τοποθεσιών (π.χ. Couture & Tremblay, 2006; Gagnon et al., 2004; Page et al., 2006; Turcotte et al., 2005).

In contrast, several attempts to demonstrate the Hebb effect with arrays of simple visual stimuli have largely failed. In particular, no improvement of change detection—a common test of visual working memory—has been found across dozens of repetitions of the same array (Fukuda & Vogel, 2019; Logie et al., 2009; Olson & Jiang, 2004). There is some evidence for learning with a change-detection paradigm (Shimi & Logie, 2019), but it appears to require many more repetitions (>60 σε εκείνη τη μελέτη) από το κλασικό φαινόμενο Hebb, το οποίο είναι ισχυρό μετά από περίπου 10 επαναλήψεις.

Η παρούσα μελέτη

Υπάρχουν δύο πιθανές εξηγήσεις για την απουσία μάθησης Hebb στην εργασία ανίχνευσης αλλαγών. Πρώτον, οι συμμετέχοντες θα μπορούσαν να μην αποκτήσουν παραστάσεις LTM σχετικά με τοεπαναλαμβανόμενη μνήμησυστοιχίες. Δεύτερον, οι συμμετέχοντες ενδέχεται να κωδικοποιήσουν τους πίνακες που παρουσιάζονται επανειλημμένα στο LTM, αλλά να αποτύχουν να χρησιμοποιήσουν αυτές τις αναπαραστάσεις LTM σε επόμενες δοκιμές ανίχνευσης αλλαγών χρησιμοποιώντας ξανά τους ίδιους πίνακες. Δηλαδή, αν και οι συμμετέχοντες αποκτούν γνώσεις με τις οποίες θα μπορούσαν να βελτιώσουν την απόδοσή τους σε επαναλαμβανόμενους πίνακες, δεν το κάνουν. Ορισμένα στοιχεία για την τελευταία πιθανότητα προέρχονται από δύο μελέτες που δείχνουν ότι, αν και η ανίχνευση αλλαγών δεν βελτιώθηκε σε επαναλαμβανόμενες συστοιχίες, οι συμμετέχοντες μπόρεσαν να αναγνωρίσουν τις επαναλαμβανόμενες συστοιχίες πολύ πάνω από την πιθανότητα σε μια δοκιμή τέλους πειράματος (Fukuda & Vogel, 2019; Olson & Jiang, 2004).

Στην τρέχουσα μελέτη, στοχεύσαμε να ελέγξουμε εάν χρησιμοποιούνται αναπαραστάσεις μακροπρόθεσμης μνήμης σε ένα παράδειγμα ανίχνευσης οπτικοχωρικών αλλαγών. Δημιουργήσαμε ίχνη LTM τριών συστοιχιών στόχου έξι χρωμάτων Α, Β και Γ σε μια φάση εκμάθησης. Στη συνέχεια, συγκρίναμε την απόδοση σε μια επακόλουθη δοκιμή μνήμης εργασίας μεταξύ δοκιμών που χρησιμοποιούν μία από αυτές τις συστοιχίες στόχων, οι οποίες αποδεδειγμένα έχουν αποθηκευτεί σε LTM μετά τη φάση εκμάθησης, και δοκιμών με τυχαία δημιουργημένες συστοιχίες (D) χωρίς αναπαράσταση σε LTM. Η πειραματική δημιουργία ιχνών LTM εκτός της διαδικασίας ανίχνευσης αλλαγών επιτρέπει τη διάκριση δύο πιθανών αποτελεσμάτων. Εάν χρησιμοποιούνται αυτές οι αναπαραστάσεις, θα πρέπει να παρατηρήσουμε καλύτερη ακρίβεια ανίχνευσης αλλαγών για μαθητευόμενους πίνακες σε σύγκριση με τυχαίους πίνακες. Εάν αυτές οι αναπαραστάσεις δεν χρησιμοποιούνται, τότε η ακρίβεια των πινάκων που μαθαίνονται δεν θα πρέπει να διαφέρει από την ακρίβεια των τυχαίων πινάκων.

Μέθοδος

Συμμετέχοντες

Δύο διαφορετικά δείγματα συμμετείχαν στο Πείραμα 1 και Πείραμα 2, αντίστοιχα. Για το Πείραμα 1, το δείγμα αποτελούνταν από N=18 (Mage=22.6 ετών, SDage=2.89) φοιτητές από το Πανεπιστήμιο της Ζυρίχης. Στο πείραμα 2 εγγράφηκαν N=30 (Mage=23 έτη, SDage=4.89) φοιτητές του Πανεπιστημίου της Ζυρίχης και του Πανεπιστημίου Ulm, εκ των οποίων ένα άτομο αποκλείστηκε από την ανάλυση δεδομένων μετά την φάση μάθησης λόγω ανεπαρκούς απόδοσης στη φάση εκμάθησης (τελικό N=29). Η επιλογή μας για τα μεγέθη του δείγματος ενημερώθηκε από το Ν προηγούμενων μελετών για το φαινόμενο Hebb. Αποφασίσαμε να αυξήσουμε το μέγεθος του δείγματος του Πειράματος 2 για να αυξήσουμε τις πιθανότητές μας να μετρήσουμε ένα μικρό αποτέλεσμα γνώσης που μπορεί να είχαμε χάσει στο Πείραμα 1. Και τα δύο πειράματα διαφημίστηκαν μέσω φυλλαδίων και ηλεκτρονικού ταχυδρομείου. Οι συμμετέχοντες έπρεπε να είναι μεταξύ 18 και 35 ετών και να μιλούν άπταιστα γερμανικά. Οι ενδιαφερόμενοι αποκλείστηκαν από τη συμμετοχή, εάν είχαν αχρωματοψία ή είχαν κακή (δηλαδή, μη διορθωμένη) όραση.

Υλικά και διαδικασία

Τα καθήκοντα και των δύο πειραμάτων σχεδιάστηκαν για να μελετήσουν το ίδιο ερευνητικό ερώτημα. Ωστόσο, έγιναν κάποιες μικρές προσαρμογές στις εργασίες μετά τη διεξαγωγή του Πειράματος 1. Και τα δύο πειράματα αποτελούνταν από δύο μέρη. Η πρώτη ήταν μια φάση εκμάθησης, στην οποία οι συμμετέχοντες έλαβαν οδηγίες να μάθουν τρεις διαφορετικούς πίνακες χρωμάτων (με την ετικέτα A, B και C, αντίστοιχα· για το υπόλοιπο αυτής της εργασίας θα ονομάζονται "πίνακες στόχου"). Μετά από αυτό, πραγματοποιήθηκε μια εργασία ανίχνευσης αλλαγών στην οποία ορισμένες δοκιμές χρησιμοποίησαν τους πίνακες-στόχους και άλλες δοκιμές χρησιμοποίησαν νέους τυχαίους πίνακες ως σύνολα μνήμης.

Πείραμα 1 Η φάση εκμάθησης του Πειράματος 1 ξεκίνησε με τη διαδοχική παρουσίαση των τριών χρωματικών συστοιχιών που έπρεπε να μάθουν για 10 δευτερόλεπτα ο καθένας. Κάθε πίνακας αποτελούνταν από έξι χρωματικά μπαλώματα, τα οποία κατανεμήθηκαν σε ίση απόσταση σε έναν φανταστικό κύκλο, και για να διευκολυνθεί η εκμάθηση, κάθε πίνακας συνδυάστηκε με ένα γράμμα (Α, Β ή Γ, αντίστοιχα) στο κέντρο του φανταστικού κύκλου. Για όλους τους συμμετέχοντες, τα χρώματα για κάθε πίνακα επιλέχθηκαν τυχαία από ένα δείγμα 12 διαφορετικών χρωμάτων (βλ. Πίνακα 1 για τιμές RGB).

Μετά από αυτή την αρχική έκθεση στους τρεις πίνακες, η φάση εκμάθησης εφαρμόστηκε μέσω ενός κλασικού παραδείγματος ανίχνευσης αλλαγών. Αποφασίσαμε οι συμμετέχοντες να μάθουν τους πίνακες με αυτόν τον τρόπο, επειδή θέλαμε η μαθησιακή εμπειρία να μοιάζει με την εργασία WM. Αυτή η διαδικασία θα πρέπει να διασφαλίζει ένα χαμηλό όριο για τη χρήση των αναπαραστάσεων LTM κατά τη διάρκεια της επόμενης δοκιμής WM επειδή βελτιστοποιεί την κατάλληλη για μεταφορά επεξεργασία (Morris et al., 1977).

Το παράδειγμα ανίχνευσης αλλαγών που χορηγήθηκε κατά τη φάση εκμάθησης παρουσιάζεται σχηματικά στο Σχ. 1. Αποτελούνταν από τρία μπλοκ με 24 δοκιμές το καθένα. Σε όλα τα μπλοκ, κάθε δοκιμή ξεκινούσε με την παρουσίαση ενός σταυρού σταθεροποίησης για 1,000 ms, ο οποίος ήταν κεντραρισμένος στην οθόνη. Στη συνέχεια, παρουσιάστηκε ένας από τους τρεις πίνακες στόχων. Εδώ, οι χρόνοι παρουσίασης διέφεραν μεταξύ των τριών μπλοκ. Στο πρώτο μπλοκ, οι πίνακες στόχου παρουσιάστηκαν για 3.500 ms, στο δεύτερο μπλοκ για 2.500 ms και στο τρίτο μπλοκ για 1.500 ms. Μετά την παρουσίαση ενός πίνακα στόχου, στους συμμετέχοντες παρουσιάστηκε μια κενή οθόνη για άλλο 1,000 ms. Στη συνέχεια, παρουσιάστηκε στους συμμετέχοντες ένας ανιχνευτής της διάταξης στόχου, αποτελούμενος από ένα χρωματικό έμπλαστρο στο πρώτο μπλοκ, μπαλώματα τριών χρωμάτων στο δεύτερο μπλοκ ή μια πλήρη σειρά έξι χρωματικών μπαλωμάτων στο τρίτο μπλοκ. Οι συμμετέχοντες έπρεπε να υποδείξουν εάν τα χρωματικά μπαλώματα που παρουσιάστηκαν τώρα ταιριάζουν με αυτά του πλήρους πίνακα που παρουσιάστηκε προηγουμένως στην ίδια θέση. Ο χρόνος απόκρισης δεν ήταν περιορισμένος. Υπήρχαν τρεις τύποι δοκιμών: δοκιμές χωρίς αλλαγή (το ίδιο έμπλαστρο χρώματος στην ίδια θέση), δοκιμές αλλαγής-αλλαγής (παρουσιάστηκε το μπάλωμα χρώματος σε άλλη θέση) και δοκιμές τυχαίας αλλαγής (χρώματα που δεν παρουσιάζονταν προηγουμένως στον πίνακα στόχο στο οποιαδήποτε θέση). Μέσα σε κάθε μπλοκ, υπήρχαν 12 δοκιμές χωρίς αλλαγή, έξι δοκιμές αλλαγής αλλαγής και έξι δοκιμές τυχαίας αλλαγής - η σειρά τύπου δοκιμής τυχαιοποιήθηκε. Κάθε πίνακας παρουσιάστηκε οκτώ φορές ανά μπλοκ και η σειρά τους τυχαιοποιήθηκε. Μετά από κάθε δοκιμή, παρέχονταν σχόλια. Εάν μια απάντηση ήταν σωστή, οι συμμετέχοντες εμφανίζονταν με το μήνυμα "Richtig!" (Σωστό!), και ακολούθησε η επόμενη δίκη. Εάν μια απάντηση ήταν λανθασμένη, οι συμμετέχοντες εμφανίζονταν με το μήνυμα "Leider nicht Richtig! So siehtdiekorrekte Anordnung us:" (Δυστυχώς λανθασμένο! Αυτός ήταν ο σωστός πίνακας:) και στη συνέχεια παρουσιάστηκε ξανά ο πλήρης πίνακας στόχου για να παράσχει έναν άλλο ευκαιρία μάθησης. Για να διασφαλιστεί η εκμάθηση των τριών συστοιχιών-στόχων, οι συμμετέχοντες έπρεπε να πληρούν ένα κριτήριο μάθησης σε κάθε μπλοκ, το οποίο ήταν τουλάχιστον 19 σωστά απαντημένες δοκιμές (από 24). Εάν οι συμμετέχοντες δεν πληρούσαν αυτό το κριτήριο, έπρεπε να επαναλάβουν το μπλοκ στο οποίο απέτυχαν να το πράξουν. Επιπλέον, στην αρχή κάθε μπλοκ, οι τρεις πίνακες στόχου παρουσιάζονταν ξανά για 10 δευτερόλεπτα ο καθένας. Με αυτόν τον τρόπο, ελπίζαμε να προκαλέσουμε μια αρκετά ισχυρή αναπαράσταση LTM των συστοιχιών-στόχων.

Μόλις ένας συμμετέχων πληρούσε όλα τα κριτήρια της φάσης εκμάθησης, του παρουσιάστηκαν οι οδηγίες της επόμενης εργασίας μνήμης εργασίας—δηλαδή, μια άλλη εργασία ανίχνευσης αλλαγών. Οι οδηγίες κατέστησαν σαφή τη διαδικασία αυτής της εργασίας για άλλη μια φορά και δήλωσαν ρητά ότι δεν θα παρέχονταν περισσότερα σχόλια στο μέλλον. Γενικά, το παράδειγμα ανίχνευσης αλλαγών έμοιαζε έντονα με τη φάση μάθησης. Κάθε δοκιμή ξεκινούσε με την παρουσίαση ενός σταυρού στερέωσης για 1,000 ms σε μια κενή οθόνη. Στη συνέχεια, παρουσιάστηκε ένας πίνακας έξι χρωμάτων, αλλά σε αντίθεση με τη φάση εκμάθησης, τώρα ο χρόνος παρουσίασης ήταν 1,000 ms. Μετά από ένα διάστημα διατήρησης 1,{8}} ms, κατά το οποίο η οθόνη ήταν κενή, εμφανίστηκε μια έγχρωμη ενημέρωση κώδικα ως ανιχνευτής στη θέση ενός τυχαία επιλεγμένου στοιχείου πίνακα. Και πάλι, οι συμμετέχοντες έπρεπε να υποδείξουν εάν το χρωματικό έμπλαστρο που παρουσιάστηκε τώρα ταιριάζει με το χρωματικό έμπλαστρο του πλήρους πίνακα έξι χρωμάτων στην ίδια θέση. Ο χρόνος απόκρισης δεν ήταν περιορισμένος. Για αυτήν την εργασία μνήμης εργασίας, χορηγήθηκαν 10 μπλοκ με 18 δοκιμές το καθένα. Πριν από αυτό, οι συμμετέχοντες έπρεπε να ολοκληρώσουν 18 δοκιμές πρακτικής.

Από τις συνολικές 180 δοκιμαστικές δοκιμές, οι 90 δοκιμές παρουσίασαν μία από τις συστοιχίες-στόχους A, B ή C (30 δοκιμές η καθεμία, τώρα παρουσιάζονται χωρίς τις ετικέτες τους) και οι άλλες 90 δοκιμές προορίζονταν για την παρουσίαση νέων συστοιχιών (D). δημιουργούνται τυχαία με τον περιορισμό ότι δεν πρέπει να είναι πανομοιότυποι με έναν από τους πίνακες-στόχους. Πριν από την εργασία, οι συμμετέχοντες δεν ενημερώθηκαν ότι οι πίνακες που είχαν μάθει προηγουμένως θα μπορούσαν να παρουσιαστούν ξανά. Στις 18 δοκιμές ανά μπλοκ, υπήρχαν περίπου 40 τοις εκατό δοκιμές χωρίς αλλαγή και 60 τοις εκατό δοκιμές αλλαγής.1 Και πάλι, η σειρά τύπου δοκιμής και η σειρά των συστοιχιών τυχαιοποιήθηκαν σε κάθε μπλοκ.

Το πείραμα 2 ξεκίνησε με μια παρόμοια φάση μάθησης με το Πείραμα 1. Ωστόσο, για να βελτιώσουμε τη μάθηση LTM, προσθέσαμε ένα ακόμη τμήμα μάθησης και κάναμε το κριτήριο μάθησης για κάθε τμήμα πιο αυστηρό (τουλάχιστον 20 από τις 24 δοκιμές σωστές). Για μια σχηματική επισκόπηση των συνθηκών μάθησης, βλέπε Εικ. 2. Η φάση εκμάθησης πλέον αποτελείται από τέσσερα τμήματα με 24 δοκιμές το καθένα. Τα τρία πρώτα μπλοκ ήταν τα ίδια όπως στο Πείραμα 1, με τη διαφορά ότι οι χρόνοι παρουσίασης για τους πίνακες-στόχους σε όλα τα μπλοκ τυχαιοποιήθηκαν σε ένα εύρος μεταξύ 1,000 και 5,000 ms. Το τέταρτο μπλοκ πρόσθεσε μια νέα μαθησιακή εμπειρία: Στους συμμετέχοντες παρουσιάστηκαν τώρα μόνο οι ετικέτες A, B ή C, ακολουθούμενες από μια πλήρη ανίχνευση πίνακα. Έπρεπε να υποδείξουν εάν αυτός ο ανιχνευτής ταίριαζε με τον πίνακα που είχαν μάθει να συσχετίζουν με το γράμμα που παρουσιάστηκε προηγουμένως. Αυτή η συνθήκη μάθησης θα πρέπει να διασφαλίζει ότι οι συμμετέχοντες είχαν δημιουργήσει αναπαραστάσεις LTM των συστοιχιών-στόχων που θα μπορούσαν να ανακτήσουν με βάση ένα αυθαίρετο υπόδειγμα ανάκτησης.

Για να δοκιμάσουμε το LTM μετά τη φάση εκμάθησης, προσθέσαμε μια εργασία διακριτής ανάκτησης, στην οποία στους συμμετέχοντες παρουσιάστηκαν ενδείξεις γραμμάτων των πινάκων στόχου και έξι κενοί κύκλοι στις θέσεις των χρωματικών μπαλωμάτων. Οι έξι κενοί κύκλοι σημειώθηκαν ο ένας μετά τον άλλο και οι συμμετέχοντες έπρεπε να επιλέξουν το σωστό χρώμα από ένα σύνολο 12 διακριτών χρωμάτων, που παρουσιάζονταν δίπλα στον κενό πίνακα. Στη συνέχεια, ο σημειωμένος κύκλος γεμίστηκε με το επιλεγμένο χρώμα, εάν η επιλογή ήταν σωστή. Εάν μια επιλογή ήταν λανθασμένη, οι συμμετέχοντες ειδοποιήθηκαν και συμπληρωνόταν το πραγματικά σωστό χρώμα. Με αυτόν τον τρόπο, οι συμμετέχοντες παρουσιάζονταν για άλλη μια φορά με τους πλήρεις πίνακες στόχων και μπορούσαν να προσαρμόσουν περαιτέρω τις αναπαραστάσεις LTM τους.

Η επόμενη φάση WM ήταν σχεδόν πανομοιότυπη με το Πείραμα 1. Μειώσαμε τους χρόνους παρουσίασης των πινάκων στα 250 ms. Επιπλέον, η αναλογία των τύπων ανιχνευτών άλλαξε λόγω ενός σφάλματος προγραμματισμού από μια αναλογία 40:60 μεταξύ των ανιχνευτών χωρίς αλλαγή και αλλαγής σε περίπου 70 τοις εκατό ανιχνευτές χωρίς αλλαγή και περίπου 30 τοις εκατό ανιχνευτές αλλαγής (διαχωρισμένοι σε ανιχνευτές ανταλλαγής αλλαγές και τυχαίες αλλαγές).

Μετά το τεστ WM, στους συμμετέχοντες παρουσιάστηκε ξανά η εργασία διακριτής ανάκτησης και μια επανάληψη του νέου τέταρτου μπλοκ της φάσης εκμάθησης, με γράμματα ως ενδείξεις για τους πίνακες-στόχους, προκειμένου να δοκιμάσουν τις αναπαραστάσεις LTM για τους πίνακες στόχου ένα τελευταία φορά. Αυτό μας επέτρεψε να συγκρίνουμε την προσβασιμότητα των συστοιχιών προορισμού στο LTM τόσο πριν όσο και μετά την εργασία WM.

Η γενική διαδικασία και για τα δύο πειράματα ήταν παρόμοια. Και οι δύο συνεδρίες διήρκεσαν περίπου 1,5–2 ώρες και οι συμμετέχοντες αποζημιώθηκαν είτε με 15–22 CHF είτε με μερική πίστωση μαθημάτων. Πριν από τη συμμετοχή, όλοι οι συμμετέχοντες παρείχαν ενημερωμένη συγκατάθεση. Τα πειράματα επιβλέπονταν από εκπαιδευμένους βοηθούς ερευνητές. Οι εργασίες προγραμματίστηκαν και παρουσιάστηκαν μέσω του PsychoPy 2 (Peirce et al., 2019). Όλες οι εργασίες και οι τυποποιημένες οδηγίες παρουσιάστηκαν σε οθόνες υπολογιστών με ανάλυση Full HD (1.920 × 1.080 pixel). Όλα τα ερεθίσματα παρουσιάστηκαν σε γκρι χρώμα φόντου και οι συμμετέχοντες χρησιμοποίησαν σημειωμένα πλήκτρα (- και<) on="" standard="" keyboards="" for="" responding="" to="" the="">

Και για τα δύο πειράματα, τόσο η φάση εκμάθησης όσο και το τεστ WM, παρέχουν μια διχοτόμητη εξαρτημένη μεταβλητή που δείχνει την ακρίβεια. Ως εκ τούτου, αναλύσαμε τα δεδομένα για τις δοκιμές WM με μοντέλα λογιστικής παλινδρόμησης, στα οποία ο αριθμός των σωστών αποκρίσεων προβλεπόταν από τον τύπο των παρουσιαζόμενων πινάκων (δηλαδή, πίνακες μαθημένου στόχου έναντι τυχαίων πινάκων που δεν είχαν μάθει). Εκτός από το σταθερό αποτέλεσμα αυτού του προγνωστικού δείκτη, το πλήρες μοντέλο περιελάμβανε ένα κύριο αποτέλεσμα του μπλοκ, έναν όρο αλληλεπίδρασης ενός τύπου πίνακα με το μπλοκ, ένα τυχαίο αποτέλεσμα του θέματος (δηλαδή, τυχαία τομή), καθώς και έναν όρο για η επίδραση των μπλοκ και των τύπων πινάκων που είναι ένθετα μέσα σε θέματα (δηλαδή, τυχαίες κλίσεις). Αφού καθορίσαμε το πλήρες μοντέλο, το συγκρίναμε με πιο φειδωλά μοντέλα για να αξιολογήσουμε τα στοιχεία για κάθε μεμονωμένη επίδραση μέσω παραγόντων Bayes για συγκρίσεις μοντέλων (Bürkner, 2017). Τα προηγούμενα για τα μοντέλα λογιστικής παλινδρόμησης μικτών επιπτώσεων ήταν τα προηγούμενα Cauchy με κλίμακα 1/√2, τα οποία ελήφθησαν με την προσαρμογή των συστάσεων των Gelman et al. (2008) (για περισσότερες λεπτομέρειες σχετικά με την επιλογή της κλίμακας για μοντέλα λογιστικής παλινδρόμησης, βλέπε Oberauer, 2019). Τα μοντέλα εκτιμήθηκαν με 100,000 δείγματα, που δημιουργήθηκαν μέσω τριών ανεξάρτητων αλυσίδων Markov, με 2,000 δείγματα προθέρμανσης το καθένα (δηλ. 98,000 δείγματα μετά την προθέρμανση συνολικά).

Επειδή και στα δύο πειράματα η αναλογία δοκιμών ίδιας και αλλαγής δεν ήταν ισορροπημένη, οι συμμετέχοντες θα μπορούσαν να έχουν αναπτύξει προκαταλήψεις απόκρισης, οι οποίες θα παραμόρφωσαν το σωστό μέτρο αναλογίας ως δείκτη ποιότητας μνήμης. Επομένως, αξιολογήσαμε επίσης την απόδοση με δύο μοντέλα μέτρησης που διαχωρίζουν την ποιότητα της μνήμης από την προκατάληψη. Ένας πολυσυζητημένος διαχωρισμός μεταξύ των θεωριών του οπτικού WM είναι μεταξύ εκείνων που υποθέτουν μια συνεχώς μεταβαλλόμενη ισχύ ή ακρίβεια των αναπαραστάσεων της μνήμης (Ma et al., 2014; Oberauer & Lin, 2017) και εκείνων που υποθέτουν δυαδική διάκριση μεταξύ στοιχείων που απομνημονεύονται και άλλων που δεν θυμούνται (Adam et al., 2017; Zhang & Luck, 2008). Για να κάνουμε δικαιοσύνη και στις δύο προοπτικές, εφαρμόσαμε ένα μοντέλο μέτρησης ανίχνευσης σήματος για τη μέτρηση της ποιότητας της μνήμης σε μια συνεχή κλίμακα διακριτικότητας και ένα μοντέλο υψηλού ορίου για τη μέτρηση του αριθμού των στοιχείων που απομνημονεύθηκαν. Συγκεκριμένα, υπολογίσαμε τα d' (διακρισιμότητα) και c (κριτήριο απόκρισης) από τη θεωρία ανίχνευσης σήματος (με βάση τον Macmillan, 1993· Stanislaw & Todorov, 1999), όπου διορθώσαμε για ακραία ποσοστά επιτυχίας και ακραία ποσοστά ψευδούς συναγερμού (δηλ. 0 ή 1· βλέπε Hautus, 1995). Επιπλέον, υπολογίσαμε το Pmem (την πιθανότητα ένας συμμετέχων να έχει το δοκιμασμένο στοιχείο στη μνήμη) και το g (μαντεύοντας πιθανότητα για μια απόκριση "αλλαγής") από ένα μοντέλο υψηλού ορίου (Μοντέλο 4 από Cowan et al., 2013). Όλοι οι δείκτες υπολογίστηκαν τόσο για εκμάθηση όσο και για τυχαία απόδοση πίνακα. Μέσα σε κάθε πείραμα, προβλέπαμε τους αντίστοιχους δείκτες μέσω μοντέλων γραμμικής παλινδρόμησης με τον τύπο πίνακα ως πρόβλεψη και ένα τυχαίο αποτέλεσμα του θέματος (δηλαδή, τυχαία τομή). Καθώς οι δείκτες υπολογίστηκαν από τη συγκέντρωση δεδομένων σε όλες τις δοκιμές, δεν μπορούσαμε να συμπεριλάβουμε το μπλοκ ως προγνωστικό παράγοντα σε αυτές τις αναλύσεις.

Αποτελέσματα

Πείραμα 1

Φάση μάθησης Στον Πίνακα 2, αναφέρουμε την ακρίβεια για τα διάφορα τμήματα της φάσης μάθησης. Επτά άτομα έπρεπε να επαναλάβουν ένα από τα μαθησιακά τμήματα μία φορά. Κανένα άτομο δεν χρειάστηκε να επαναλάβει το τελευταίο μπλοκ μάθησης, υποδεικνύοντας καλή μάθηση. Αυτό φαίνεται επίσης από τη μειούμενη αναλογία σφαλμάτων από μπλοκ σε μπλοκ.

Εργασία μνήμης εργασίας Στη συνέχεια, παρουσιάζουμε την ακρίβεια στα μπλοκ της εργασίας μνήμης εργασίας (βλ. Εικ. 3). Η απόδοση σε πίνακες-στόχους ήταν καλύτερη από ό,τι σε τυχαίους πίνακες στα περισσότερα μπλοκ. Επιπλέον, δεν παρατηρήσαμε σταθερή αύξηση της απόδοσης σε μπλοκ ειδικά στους πίνακες-στόχους λόγω των επαναλαμβανόμενων παρουσιάσεών τους σε μπλοκ, όπως θα ήταν αναμενόμενο εάν οι συμμετέχοντες συνέχιζαν να μαθαίνουν αυτούς τους πίνακες κατά την εργασία ανίχνευσης αλλαγών.

Για τους μαθητευόμενους πίνακες, οι συμμετέχοντες έκαναν λάθη 9,5 τοις εκατό κατά μέσο όρο σε όλα τα μπλοκ, ενώ έκαναν 13,7 τοις εκατό σφάλματα κατά μέσο όρο για τους τυχαίους πίνακες. Αυτό ισούται με ένα τυποποιημένο μέγεθος εφέ d=−.50 με ευρεία CI 95 τοις εκατό [−1.05, .05]. Οι παράγοντες Bayes που αντιστοιχούν στις συγκρίσεις μοντέλων για μοντέλα λογιστικής παλινδρόμησης με και χωρίς συγκεκριμένα αποτελέσματα παρουσιάζονται στον Πίνακα 3. Μόνο η κύρια επίδραση του τύπου πίνακα υποστηρίχθηκε από αυτήν την ανάλυση, πράγμα που σημαίνει ότι οι συμμετέχοντες συνολικά έδειξαν καλύτερη απόδοση σε μαθησμένους πίνακες (αντίστοιχες εκτιμήσεις παραμέτρων μπορείτε να βρείτε στον Πίνακα 4).

Πείραμα 2

Φάση μάθησης Στον Πίνακα 5, αναφέρουμε περιγραφικά στατιστικά στοιχεία απόδοσης στη φάση μάθησης. Είκοσι δύο συμμετέχοντες έπρεπε να επαναλάβουν τουλάχιστον μία από τις φάσεις μάθησης, καθώς δεν έφτασαν το προσαρμοσμένο κριτήριο των τουλάχιστον 20 δοκιμών σωστά. Ο αριθμός των επαναλήψεων για τη συνθήκη ενός ανιχνευτή κυμαινόταν από 1 έως 6, ενώ ο αριθμός επαναλήψεων για τη συνθήκη τριών ανιχνευτών κυμαινόταν από 1 έως 4. Ωστόσο, παρατηρήσαμε μια σαφή τάση βελτίωσης στα τμήματα μάθησης, υποδεικνύοντας επιτυχή μάθηση . Κανένας συμμετέχων δεν χρειάστηκε να επαναλάβει τα δύο τελευταία μαθησιακά τμήματα.

Αμέσως μετά τη φάση εκμάθησης, οι συμμετέχοντες έπρεπε να αναπαράγουν τους πίνακες που είχαν μάθει προηγουμένως επιλέγοντας χειροκίνητα χρώματα για κάθε θέση ενός πίνακα. Για συνολικά 18 χρωματικά μπαλώματα που έπρεπε να συμπληρωθούν (έξι ανά πίνακα στόχο), οι συμμετέχοντες είχαν μέση σωστή τιμή 67 τοις εκατό (SD=47 τοις εκατό ). Αυτό δείχνει ότι οι συμμετέχοντες μπόρεσαν να μεταφέρουν τις γνώσεις τους σχετικά με τους πίνακες-στόχους σε έναν άλλο τρόπο ανάκτησης (από τον εντοπισμό αλλαγών έως την ανάκληση). Αυτή η εργασία διακριτής ανάκτησης επαναλήφθηκε μετά τη δοκιμή WM. Σε σύγκριση με την πρώτη εργασία ανάκτησης αμέσως μετά τη φάση εκμάθησης, η απόδοση των συμμετεχόντων βελτιώθηκε. Για αυτήν την τελευταία εργασία διακριτής ανάκτησης, το 93 τοις εκατό των επιδιορθώσεων χρωμάτων αναπαράχθηκαν σωστά κατά μέσο όρο (SD=44,3 τοις εκατό ). Μια Bayesian t-test για ζευγαρωμένα δείγματα σχετικά με τον αριθμό των σωστών επιλογών αποκάλυψε αδύναμα στοιχεία για καλύτερη απόδοση στη δεύτερη εργασία διακριτής ανάκτησης σε σύγκριση με την πρώτη (BF=3.59). Αυτό το αποτέλεσμα δείχνει ότι τα ίχνη LTM των συστοιχιών στόχου δεν μειώθηκαν σε όλη τη δοκιμή WM.

Τέλος, η μνήμη των συμμετεχόντων σχετικά με τους πίνακες αξιολογήθηκε για μια τελευταία φορά στο τέλος του πειράματος επαναλαμβάνοντας το τελευταίο μπλοκ της φάσης μάθησης, όπου παρουσιάστηκαν μόνο με συνθήματα γραμμάτων σε ένα παράδειγμα ανίχνευσης αλλαγής. Απάντησαν σωστά στο 93 τοις εκατό των 24 δοκιμών, υποδεικνύοντας εξαιρετικά ακριβή και προσιτή γνώση των συστοιχιών-στόχων.

Εργασία μνήμης εργασίας Στο Σχ. 4, παρουσιάζουμε την απόδοση στα μπλοκ της εργασίας ανίχνευσης αλλαγών. Η συνδυασμένη μέση απόδοση των τριών συστοιχιών ήταν καλύτερη από ό,τι για τους τυχαίους πίνακες στην πλειονότητα των μπλοκ. Κατά μέσο όρο, οι συμμετέχοντες έκαναν λάθη 17,5 τοις εκατό για τους μαθητευόμενους πίνακες, ενώ έκαναν 23,4 τοις εκατό σφάλματα κατά μέσο όρο για τους τυχαίους πίνακες. Αυτό ισούται με τυποποιημένο μέγεθος εφέ d=−.55 με CI 95 τοις εκατό [−.98, −.11]. Σε σύγκριση με το μέγεθος εφέ του Πειράματος 1, η τυποποιημένη μέση διαφορά στο Πείραμα 2 είναι ελαφρώς μεγαλύτερη. Επιπλέον, υπήρχε μια τάση για το πλεονέκτημα των συστοιχιών στόχων να αυξάνονται στα μπλοκ, μοιάζοντας με το φαινόμενο Hebb.

Βρείτε τους παράγοντες Bayes για τις συγκρίσεις μοντέλων για τα μοντέλα λογιστικής παλινδρόμησης στον Πίνακα 6. Βρήκαμε αποφασιστικά στοιχεία για την κύρια επίδραση του τύπου πίνακα. Υπήρχαν μέτριες ενδείξεις κατά της κύριας επίδρασης του αποκλεισμού και κατά της αλληλεπίδρασης μεταξύ των δύο προγνωστικών παραγόντων. Το τελικό μοντέλο περιελάμβανε έτσι το κύριο αποτέλεσμα του τύπου πίνακα και την τυχαία τομή (δηλαδή, το τυχαίο αποτέλεσμα του θέματος) και οι αντίστοιχες εκτιμήσεις παραμέτρων μπορούν να βρεθούν στον Πίνακα 7.

Διαχωρισμός ποιότητας μνήμης από μεροληψία απόκρισης

Στον Πίνακα 8, παρουσιάζουμε τους προαναφερθέντες δείκτες του μοντέλου μέτρησης ανίχνευσης αλλαγών για κάθε πείραμα, διαχωρισμένους ανά τύπο πίνακα. Εκτός από τα περιγραφικά στατιστικά στοιχεία, αναφέρουμε τα αντίστοιχα μεγέθη εφέ για κάθε δείκτη ανά πείραμα και τους παράγοντες Bayes που αντικατοπτρίζουν τα στοιχεία για την κύρια επίδραση του τύπου πίνακα

Στο Πείραμα 1, ο δείκτης διάκρισης d' των συμμετεχόντων ήταν μεγαλύτερος στους μαθητευόμενους πίνακες παρά στους τυχαίους πίνακες. στο Πείραμα 2, δεν υπήρχαν στοιχεία που να υποστηρίζουν αυτή τη διαφορά. Τα κριτήρια απόκρισης (γ) και στα δύο πειράματα ήταν συγκρίσιμα και υποδεικνύουν μια μικρή προκατάληψη ως προς την αναφορά μιας αλλαγής στις δοκιμές. Καθώς τα κριτήρια απόκρισης και για τα δύο πειράματα ήταν μεγάλα του ίδιου μεγέθους, οι διαφορετικές αναλογίες δοκιμών ίδιας προς αλλαγή στα δύο πειράματα είχαν μικρή επίδραση στη συμπεριφορά των συμμετεχόντων. Βρήκαμε στοιχεία και στα δύο πειράματα ότι τα κριτήρια απόκρισης μειώθηκαν για τους μαθητευόμενους πίνακες, που σημαίνει ότι η τάση να υποδεικνύεται μια αλλαγή ήταν σημαντικά μικρότερη για πίνακες με αναπαραστάσεις LTM.

Όσον αφορά το μοντέλο μέτρησης υψηλού ορίου, η πιθανότητα να υπάρχει το δοκιμασμένο στοιχείο στη μνήμη, το Pmem, ήταν υψηλότερη για τους μαθητευόμενους από ό,τι για τους μη μαθητευμένους πίνακες και στα δύο πειράματα. Ομοίως, η πιθανότητα εικασίας (g) να μαντέψει "αλλαγή" μειώθηκε για τους μαθητευόμενους πίνακες σε σχέση με τους μη μαθητευόμενους πίνακες. Αυτό ίσχυε ιδιαίτερα για το Πείραμα 2, ενώ τα στοιχεία στο Πείραμα 1 ήταν διφορούμενα. Συνολικά, και τα δύο μοντέλα μέτρησης συνέκλιναν στο συμπέρασμα ότι οι μαθημένοι πίνακες διέφεραν από τους μη μαθητευόμενους πίνακες τόσο στην ποιότητα της μνήμης όσο και στην προκατάληψη. Όταν ελήφθη υπόψη η μεροληψία, ο δείκτης d' δεν παρουσίαζε πλέον αξιόπιστη επίδραση της μάθησης στο Πείραμα 2. Στο Πείραμα 1, τόσο το d' όσο και το Pmem έδειξαν αξιόπιστη επίδραση της μάθησης. Λάβετε υπόψη ότι οι παρατηρούμενες διαφορές σε όλους τους δείκτες του μοντέλου μέτρησης μεταξύ των πειραμάτων δεν ήταν σημαντικές, όπως υποδεικνύεται από τα Bayesian t-test για μη ζευγαρωμένα δείγματα (τα αντίστοιχα BF κυμαίνονταν από 0,32 έως 2,8)

Συζήτηση

Με δύο πειράματα, διερευνήσαμε εάν οι πληροφορίες σχετικά με οπτικούς πίνακες που είναι αποθηκευμένες στη μακροπρόθεσμη μνήμη ήταν χρήσιμες για την επακόλουθη απόδοση σε μια εργασία ανίχνευσης αλλαγών με χρήση αυτών των συστοιχιών. Προκαλέσαμε αναπαραστάσεις μακροπρόθεσμης μνήμης πριν από ένα παράδειγμα ανίχνευσης αλλαγών και διασφαλίσαμε ότι η εκμάθηση ήταν σθεναρή. Επιπλέον, οι απομνημονευμένοι πίνακες επαναλήφθηκαν περαιτέρω κατά τη διάρκεια της εργασίας της μνήμης εργασίας, επιτρέποντας περαιτέρω μάθηση. Εάν οι γνώσεις για τους πίνακες-στόχους που αποκτήθηκαν στη φάση εκμάθησης χρησιμοποιήθηκαν στο τεστ της μνήμης εργασίας, η απόδοση στους μαθητευόμενους πίνακες θα πρέπει να είναι καλύτερη από ό,τι σε τυχαίους πίνακες. Επιπλέον, εάν οι άνθρωποι συνέχιζαν να μαθαίνουν για τους πίνακες-στόχους μέσω της επανάληψης τους στη δοκιμή μνήμης εργασίας, τότε η απόδοσή τους στον εντοπισμό αλλαγών θα βελτιωνόταν σταθερά κατά τη διάρκεια των επαναλήψεων του πίνακα.

Συνολικά, τα ευρήματα και των δύο πειραμάτων έδειξαν σαφή στοιχεία για την υπόθεση ότι οι ήδη υπάρχουσες αναπαραστάσεις LTM οπτικοχωρικών ερεθισμάτων (δηλαδή, συστοιχίες χρωμάτων) είναι ωφέλιμες για την απόδοση της μνήμης εργασίας κατά τη διάρκεια ενός παραδείγματος ανίχνευσης αλλαγών. Και στα δύο πειράματα, εντοπίσαμε το κύριο αποτέλεσμα του τύπου πίνακα. Η απόδοση ανίχνευσης αλλαγών ήταν καλύτερη σε σχέση με τους νέους πίνακες, δείχνοντας ότι η μακροπρόθεσμη μνήμη χρησιμοποιείται στον εντοπισμό αλλαγών. Δεν υπήρχαν στοιχεία για περαιτέρω μάθηση κατά τη φάση της εργασιακής μνήμης και στα δύο πειράματα.

Γιατί οι περισσότερες προηγούμενες μελέτες δεν έδειξαν στοιχεία μάθησης σε εργασίες ανίχνευσης αλλαγών; Τα πειράματά μας αποκλείουν μια εξήγηση, η οποία είναι ότι οι άνθρωποι μαθαίνουν τους επαναλαμβανόμενους πίνακες, αλλά δεν χρησιμοποιούν τις γνώσεις τους για αποφάσεις ανίχνευσης αλλαγών. Αυτό αφήνει την εναλλακτική λύση ότι οι άνθρωποι δεν μαθαίνουν τους επαναλαμβανόμενους πίνακες ή τουλάχιστον δεν τους μαθαίνουν αρκετά καλά. Υπάρχουν λόγοι να πιστεύουμε ότι υπάρχει κάποια αθροιστική εκμάθηση επαναλαμβανόμενων πινάκων. Το ένα είναι ότι οι Shimi και Logie (2019) βρήκαν μια σταδιακή βελτίωση της ανίχνευσης αλλαγών σε 60 ή περισσότερες επαναλήψεις του ίδιου πίνακα. Πρόσθετα στοιχεία προέρχονται από τις μελέτες των Olson και Jiang (2004) και Fukuda και Vogel (2019). Παρόλο που και οι δύο μελέτες δεν βρήκαν σαφείς ενδείξεις ότι η απόδοση σε επαναλαμβανόμενες συστοιχίες κατά τη διάρκεια μιας εργασίας ανίχνευσης αλλαγών ήταν ανώτερη σε σύγκριση με τους τυχαίους πίνακες, οι συμμετέχοντες και των δύο μελετών μπόρεσαν να αναγνωρίσουν τις επαναλαμβανόμενες συστοιχίες κατά τη διάρκεια ενός τεστ αναγνώρισης παρακολούθησης με την παραπάνω ευκαιρία επίπεδο. Αυτό σημαίνει ότι τουλάχιστον κάποια μάθηση για τις επαναλαμβανόμενες πληροφορίες πρέπει να έχει συμβεί κατά τη διάρκεια των πειραμάτων, αλλά προφανώς όχι αρκετή για να καταστήσει αυτή τη γνώση χρήσιμη για τον εντοπισμό αλλαγών.

Αυτό θα μπορούσε να οφείλεται στο ότι, στις τελικές δοκιμές αναγνώρισης αυτών των προηγούμενων μελετών, οι συμμετέχοντες έπρεπε να διακρίνουν επαναλαμβανόμενους πίνακες από τυχαία συντιθέμενους νέους πίνακες, από τους οποίους διέφεραν σε πολλά στοιχεία, ενώ οι ανιχνευτές αλλαγής της εργασίας ανίχνευσης αλλαγών διέφεραν από τους παρουσιαζόμενους πίνακες σε ένα μόνο στοιχείο. Οι άνθρωποι μπορεί να έχουν αποκτήσει μερική γνώση του επαναλαμβανόμενου πίνακα -για παράδειγμα, γνώση σχετικά με ζεύγη ή τριπλέτες χρωμάτων- η οποία είναι επαρκής για να τους διακρίνει από εντελώς νέους πίνακες, αλλά σπάνια βοηθά στην ανίχνευση μιας μεμονωμένης αλλαγής. Μια άλλη πιθανότητα είναι ότι η γνώση που αποκτήθηκε σχετικά με επαναλαμβανόμενους πίνακες είναι αδύναμη, έτσι ώστε να αργεί να ανακτηθεί. Στη δοκιμή ανίχνευσης αλλαγών, μπορεί να υπάρξει μια κούρσα μεταξύ της ανάκτησης του πίνακα που μόλις παρουσιάστηκε από το WM και της ανάκτησης ενός αντίστοιχου ίχνους από το LTM. Εάν η ανάκτηση από το LTM είναι πολύ πιο αργή από την ανάκτηση από το WM, σπάνια θα κέρδιζε τον αγώνα. Αντίθετα, στην τελική δοκιμή αναγνώρισης, μόνο το LTM είναι διαθέσιμο και επομένως οι άνθρωποι είναι πιθανό να αφιερώσουν το χρόνο τους για να το ανακτήσουν και να το χρησιμοποιήσουν. Είτε έτσι είτε αλλιώς, οι αναπαραστάσεις LTM που δημιουργούνται σταδιακά από την εμπειρία επαναλαμβανόμενων συστοιχιών κατά την ανίχνευση αλλαγών συσσωρεύονται πολύ αργά - πολύ πιο αργά από ό,τι στα τυπικά πειράματα επανάληψης Hebb - και επομένως δεν ωφελούν την απόδοση ανίχνευσης αλλαγών εκτός εάν ο αριθμός των επαναλήψεων υπερβαίνει τις 50 περίπου. , η γνώση που αποκτάται σε μια ξεχωριστή φάση μάθησης, όπως στα πειράματά μας, είναι αρκετά ισχυρή ώστε να είναι χρήσιμη στην ανίχνευση αλλαγών από την αρχή.

Το χαμηλό ποσοστό μάθησης έρχεται σε αντίθεση με την αρκετά γρήγορη μάθηση που παρατηρείται στο παράδειγμα της επανάληψης Hebb με άλλα είδη υλικού (λεκτικά στοιχεία, χωρικές τοποθεσίες, πρόσωπα) και άλλες διαδικασίες δοκιμών (π.χ. σειριακή ανάκληση ή ανακατασκευή). Επομένως, η διατήρηση ενός συνόλου στοιχείων στο WM δεν αρκεί για την προώθηση της ταχείας μάθησης. Κάτι άλλο σχετικά με τις πληροφορίες που πρέπει να μάθουμε, ή τη διαδικασία δοκιμής του WM, πρέπει να επηρεάσει το ρυθμό μάθησης. Μια πιθανότητα που αναφέρθηκε από τους Logie et al. (2009) είναι ότι στην ανίχνευση αλλαγών, οι ανιχνευτές αλλαγής παρεμβαίνουν στη μακροπρόθεσμη αναπαράσταση της μνήμης επαναλαμβανόμενων συστοιχιών, επιβραδύνοντας έτσι τη μάθηση. Μια άλλη πιθανότητα προτείνεται από μια ακόμη αδημοσίευτη σειρά πειραμάτων από τους Souza και Oberauer (2021): Η εκμάθηση των οπτικών συστοιχιών από τον Robust Hebb παρατηρήθηκε μόνο εάν όλα τα στοιχεία του πίνακα ελέγχονταν σε κάθε δοκιμή. Μπορεί το LTM να δημιουργείται κυρίως όταν ανακτούμε πληροφορίες από το WM ή το LTM (Sutterer & Awh, 2016) και ως εκ τούτου, η μάθηση κατά την ανίχνευση αλλαγών είναι αργή, επειδή κάθε δοκιμή περιλαμβάνει μόνο μία δοκιμή.

συμπέρασμα

Όταν η ισχυρή και ολοκληρωμένη γνώση σχετικά με τους οπτικούς πίνακες είναι διαθέσιμη στο LTM, χρησιμοποιείται σε μια εργασία ανίχνευσης αλλαγών. Η απουσία ενός τυπικού εφέ επανάληψης Hebb με οπτικούς πίνακες (Fukuda & Vogel, 2019; Logie et al., 2009; Olson & Jiang, 2004) εξηγείται καλύτερα από τα άτομα που αποτυγχάνουν να μάθουν τους πλήρεις πίνακες αρκετά έντονα σε έναν περιορισμένο αριθμό επαναλήψεων .