Pengikatan Memori Intraobjek Dan Ekstraobjek Merentasi Perkembangan Awal Bahagian 3

Keputusan dan perbincangan

Tiga {0}}tahun telah dikecualikan kerana kegagalan komputer dan seorang tambahan 5-tahun telah dikecualikan kerana tidak menyelesaikan tugasan. Oleh kerana kanak-kanak dan orang dewasa membuat respons dalam cara yang berbeza (masing-masing skrin sentuh dan papan kekunci), kami tidak dapat menganalisis masa tindak balas, tetapi kami mengecualikan ujian individu dengan respons yang sangat pantas (iaitu, <200 ms) daripada semua analisis kerana ia mungkin tidak disengajakan. . Peratusan percubaan yang dikecualikan ialah 1.3% dalam 5-tahun, .2% dalam 8-tahun dan 0% pada orang dewasa.

Reaksi dan ingatan kanak-kanak berkait rapat. Kelajuan tindak balas yang baik boleh membantu kanak-kanak memproses maklumat dan belajar dengan lebih baik, manakala ingatan yang kuat boleh membantu kanak-kanak mengingati dan menggunakan perkara yang telah mereka pelajari dengan lebih baik.

Kanak-kanak yang mudah menilai sesuatu dan bertindak balas dengan cepat akan lebih berjaya dalam pembelajaran. Kanak-kanak ini boleh memproses sejumlah besar maklumat dengan cekap dan bertindak balas dengan cepat apabila diperlukan. Kanak-kanak membina sikap yakin dan menunjukkan prestasi yang lebih baik apabila mereka diminta bertindak balas dengan cepat dalam semua aspek sekolah dan kehidupan. Di samping itu, tindak balas pantas mereka juga akan memberikan mereka koordinasi tangan-mata yang lebih baik dan lebih banyak kemahiran motor untuk memenuhi keperluan pertumbuhan sihat mereka.

Sebaliknya, ingatan yang kuat juga sangat penting. Jumlah maklumat yang perlu diingati oleh kanak-kanak sangat banyak, termasuk tugasan seperti pelajaran dan kerja rumah di sekolah. Jika kanak-kanak tidak mempunyai ingatan yang baik, mereka mungkin menghadapi masalah dengan tugas sekolah dan kerja rumah. Jika kanak-kanak terlupa apa yang patut mereka lakukan, atau lupa apa yang diajar oleh guru di dalam kelas, mereka akan menghadapi titik buta dan ketinggalan dalam pembelajaran mereka.

Nasib baik, kami boleh membantu kanak-kanak meningkatkan refleks dan ingatan mereka melalui senaman dan latihan. Contohnya, kita boleh melibatkan kanak-kanak dalam aktiviti mencabar seperti permainan kad memori, lukisan, muzik, dsb. untuk membantu mereka mengoptimumkan ingatan dan kelajuan tindak balas mereka. Kami juga boleh menggalakkan kanak-kanak melibatkan diri dalam lebih banyak aktiviti luar dan sukan untuk meningkatkan kecergasan fizikal mereka.

Dalam proses keibubapaan, kita perlu menggalakkan anak-anak sentiasa mencuba perkara baru dan mengambil bahagian secara aktif dalam pelbagai aktiviti di sekolah dan kehidupan keluarga supaya mereka mendapat lebih banyak peluang untuk berlatih. Kita perlu memberi galakan dan sokongan positif kepada kanak-kanak supaya mereka yakin menghadapi pelbagai cabaran dalam hidup supaya kelajuan tindak balas dan keupayaan ingatan mereka akan cepat dipertingkatkan. Dapat dilihat bahawa kita perlu meningkatkan daya ingatan. Cistanche deserticola boleh meningkatkan daya ingatan dengan ketara kerana Cistanche deserticola ialah bahan perubatan tradisional Cina dengan banyak kesan unik, salah satunya adalah untuk meningkatkan daya ingatan. Keberkesanan daging cincang berasal dari pelbagai bahan aktif yang terkandung di dalamnya, termasuk asid, polisakarida, flavonoid, dll. Bahan-bahan ini boleh menggalakkan kesihatan otak dalam pelbagai cara.

Klik tahu suplemen untuk meningkatkan ingatan

Selepas mengecualikan ujian individu, kami mengecualikan semua data daripada peserta yang tidak menunjukkan prestasi yang baik dalam kedua-dua fasa ujian Pembelajaran dan Pembelajaran, kerana sukar untuk membuat inferens tentang gangguan atau pengikatan memori dalam peserta yang tidak memahami tugas atau tidak membayar. perhatian. Khususnya, untuk setiap peserta kami melakukan dua ujian binomial satu ekor. Ujian pertama menggabungkan semua percubaan daripada Blok 2–4 fasa Pembelajaran Set A dengan percubaan Unik daripada Blok 2–4 fasa Pembelajaran Set B. Kami mengecualikan Blok pertama fasa ini kerana kami menjangkakan ketepatan hampir kebetulan apabila kontingensi pertama kali dibentangkan, dan kami mengecualikan percubaan Bertindih daripada Set B kerana kami beralasan bahawa ketepatan mungkin lebih rendah dalam ujian tersebut disebabkan gangguan proaktif.

Ujian statistik kedua menggabungkan semua percubaan daripada ujian Pembelajaran pertama Set A dengan percubaan Unik daripada ujian Pembelajaran Set B. Sebab untuk mengecualikan percubaan Bertindih untuk Set B sekali lagi adalah kemungkinan gangguan proaktif. Kami mengecualikan 12 kanak-kanak berumur lima tahun, lima 8-tahun dan sifar dewasa yang ketepatannya tidak melebihi peluang pada kedua-dua ujian binomial.1 Sampel akhir termasuk 32 kanak-kanak berumur lima tahun (Mage {{9} }.08 tahun, SDage=.20, bahasa=4.74-5.51; 13 perempuan, 19 lelaki), 30 lapan tahun (Mage=8. 54 tahun, SDage=.28, bahasa=8.05–8.99; 15 perempuan, 15 lelaki) dan 30 dewasa (15 perempuan, 15 lelaki).

Untuk memeriksa sama ada saiz sampel akhir ini sesuai, kami menjalankan analisis kuasa berdasarkan ketepatan keseluruhan dalam fasa ujian Mengikat untuk 5-berumur 8-tahun. Kuasa untuk mengesan perbezaan antara kanak-kanak berumur lima tahun dan lapan tahun ialah 1.00 dalam percubaan ini, menunjukkan saiz sampel ini lebih daripada mencukupi untuk mengesan kesan umur dalam ketepatan pengikatan memori.

Data untuk eksperimen ini dibentangkan dalam Rajah 2 dan Jadual 1. Untuk menganalisis data, kami menjalankan satu siri regresi linear Bayesian hierarki yang meramalkan ketepatan min dalam fasa tugas yang berbeza. Analisis ini dibentangkan sepenuhnya dalam bahagian Model Regresi Bayesian Hierarki dan Keputusan Model Regresi bahan tambahan dalam talian.

Secara keseluruhan, keputusan mencadangkan kesan gangguan khusus pertindihan yang kuat dalam semua kumpulan. Secara khusus, walaupun kami menemui sedikit bukti gangguan proaktif semasa belajar atau diuji pada kontingensi Set B, kami menemui bukti kukuh gangguan retroaktif dalam ujian Pembelajaran kedua untuk Set A (iaitu, dalam ujian Pembelajaran 2A, selepas pembelajaran dan ujian Set B ), kerana ketepatan adalah jauh lebih rendah untuk Bertindih berbanding dengan luar jangka Unik. Menariknya, ketepatan juga cenderung lebih rendah dalam Ujian Pembelajaran 2A secara keseluruhan. Terdapat pelbagai sebab mengapa perkara ini berlaku: kenangan mungkin telah mereput merentas masa, peserta mungkin telah keletihan pada peringkat akhir percubaan ini, atau mungkin terdapat beberapa gangguan daripada kontingensi lain yang tidak khusus untuk rangsangan bertindih.

Kami juga menemui bukti kukuh gangguan yang khusus dikaitkan dengan pertindihan rangsangan dalam fasa ujian Mengikat, kerana ketepatan adalah jauh lebih rendah untuk Bertindih berbanding dengan kontingensi Unik. Kami juga menemui bukti ketepatan yang lebih rendah secara keseluruhan untuk 5-tahun berbanding kumpulan umur yang lebih tua dalam fasa ujian Mengikat. Keputusan gangguan yang kuat dan perbezaan perkembangan agak mengejutkan memandangkan ciri bentuk dan warna dibentangkan dalam objek dan kami menjangkakan pengikatan intraobjek menjadi agak kuat dalam semua kumpulan umur.

Walau bagaimanapun, tidak jelas daripada keputusan ini apakah perkaitan yang dibentuk atau bagaimana struktur pengikat ini mungkin berbeza antara kumpulan umur: peserta mungkin telah membentuk struktur pengikatan mudah antara bentuk individu atau ciri warna dan watak, antara bentuk dan warna bersama-sama. dalam objek, dan berpotensi antara kedua-dua ciri dan watak, yang akan dipertimbangkan oleh struktur mengikat yang kompleks. Sukar untuk menganggarkan sejauh mana struktur pengikat ini dibentuk dengan model statistik standard seperti regresi. Sebaliknya, kita memerlukan model yang meramalkan kedua-dua respons yang betul dan pelbagai jenis respons ralat berdasarkan perwakilan asas (iaitu, struktur pengikat). Untuk menganggar secara rasmi pembentukan struktur pengikat yang berbeza dan perbezaan perkembangan dalam proses ini, kami mencipta model pengiraan generatif.

Penerangan Model Pengiraan—Untuk mencirikan secara rasmi proses pengikatan yang kami hipotesiskan untuk mendasari prestasi dalam percubaan ini, kami membangunkan model pengiraan baharu (untuk penerangan penuh model, lihat bahagian Model Pengiraan Generatif bahan tambahan dalam talian). Model ini menganggap bahawa tindak balas peserta disokong oleh kekuatan persatuan yang dipelajari semasa eksperimen.

Dalam model, matriks MFF, MFC dan MFFC menyimpan perkaitan antara ciri bentuk dan warna (iaitu, pengikatan ciri-ciri atau FF), antara setiap ciri objek yang berasingan (bentuk atau warna) dan aksara (iaitu, ciri-ciri watak. pengikatan, atau FC), dan antara gabungan kedua-dua ciri bersama-sama dalam objek dan aksara (iaitu, pengikatan ciri-ciri-ciri atau FFC), masing-masing. Matriks ini dikemas kini pada tahap percubaan untuk mensimulasikan proses pengikatan dan disiasat oleh isyarat ingatan untuk mensimulasikan perolehan semula.

Setiap struktur pengikat adalah dwiarah: contohnya, sebagai bentuk dikaitkan dengan watak, watak itu juga dikaitkan dengan bentuk (lihat Rajah 3). Perkaitan antara elemen berbeza ditingkatkan dalam tiga matriks pada tahap percubaan, diskalakan dengan parameter kadar pembelajaran khusus untuk setiap jenis pengikatan: FF, FC dan FFC. Struktur pengikat yang berbeza mempengaruhi prestasi model dengan cara yang berbeza. Perkaitan FF tidak menjejaskan prestasi dalam fasa ujian Pembelajaran atau Pembelajaran, tetapi dalam ujian Mengikat menyumbang kepada respons Betul untuk luar jangka Unik dan kepada kedua-dua pilihan respons Betul dan Bertindih untuk Luar jangka Bertindih.

Dalam Eksperimen 1, pengikatan FF intraobjek digalakkan dengan mempersembahkan bentuk dan warna dalam objek yang sama, manakala dalam Eksperimen 2 ciri-ciri dipisahkan secara spasial untuk menggalakkan pengikatan objek luar (Rajah 3, panel atas). Persatuan FC menyumbang kepada tindak balas yang tepat dalam fasa ujian Pembelajaran dan Pembelajaran tetapi juga boleh menyumbang kepada tindak balas yang tidak tepat untuk kontingensi Bertindih selepas Set B diperkenalkan; perkaitan ini juga boleh digunakan dalam ujian Binding untuk meningkatkan kebarangkalian memilih pilihan respons yang telah dikaitkan dengan watak yang diberikan. Akhirnya, persatuan FFC yang kompleks hanya menyumbang kepada tindak balas yang betul untuk kedua-dua kontingensi Bertindih dan Unik dalam semua fasa tugas.

Di samping mengukuhkan jenis persatuan ini, model ini boleh "melupakan" dengan melemahkan persatuan yang dibentuk sebelum ini yang bercanggah dengan pembelajaran semasa. Contohnya, apabila mempelajari Kontingensi Bertindih dalam fasa Pembelajaran untuk Set B, setiap ciri objek sebelum ini telah dikaitkan dengan watak lain melalui pengikatan FC, dan model itu boleh melemahkan persatuan yang bersaing untuk memudahkan ketepatan yang lebih tinggi, dan seterusnya mengurangkan gangguan proaktif, sementara pada masa yang sama meningkatkan gangguan retroaktif kemudian apabila Set A disemak semula dalam ujian Pembelajaran A2.

Kesan lupa, maka, adalah serupa dengan proses perencatan seperti yang dibincangkan dalam Pengenalan, walaupun kami tidak memasukkan mekanisme yang mana lupa boleh diterbalikkan selain daripada pembelajaran baru, sedangkan perencatan sering dianggap sebagai fenomena sementara (Geiselman & Bagheri, 1985). Akibatnya, mekanisme melupakan dalam model boleh dianggap sebagai proses yang tidak dipelajari. Tahap proses melupakan ini yang menjejaskan semua struktur mengikat dikawal oleh satu parameter tambahan, .

Proses pembelajaran dan melupakan ini ditakrifkan secara matematik dalam model. Walaupun persamaan model penuh disediakan dalam bahan tambahan dalam talian, kami kini menyediakan persamaan yang dipermudahkan untuk meringkaskan komponen model. Setiap matriks dikemas kini pada setiap percubaan:

di mana M ialah salah satu daripada tiga matriks bersekutu dan merupakan kadar pembelajaran yang sepadan (ingat bahawa kadar pembelajaran yang berbeza dianggarkan untuk pengikatan FC, FF dan FFC: FC, FF FFC). Perwakilan vektor dua elemen (cth, bentuk dan warna) dilambangkan sebagai f1 dan f2. Unsur-unsur ini dikaitkan menggunakan produk luar, dilambangkan dengan simbol ⊗. Melupakan dalam model dikawal oleh parameter , yang sama untuk semua jenis pengikatan (FC, FF dan FFC). Melupakan berlaku dengan mengurangkan perkaitan antara setiap elemen dan elemen lain yang sebelum ini dikaitkan dengannya tetapi tidak dibentangkan dalam percubaan semasa, dilambangkan fx.

Sebagai contoh, jika dalam Set A bulatan biru dan bintang kuning dibentangkan, apabila bintang biru dibentangkan dalam fasa Pembelajaran untuk Set B, persatuan bintang biru akan diperkukuhkan dengan pembelajaran baharu, manakala persatuan bulatan biru akan dilemahkan oleh terlupa. Ambil perhatian bahawa dalam model penuh, pembelajaran berlaku secara dwiarah (cth, kerana biru dikaitkan dengan bintang, bintang dikaitkan dengan biru; lihat bahan tambahan dalam talian untuk persamaan model penuh).

Akhir sekali, r ialah nilai skalar tunggal yang mewakili isyarat kebaharuan peringkat percubaan yang berubah dari percubaan ke percubaan, menjejaki betapa kuatnya elemen f1 dan f2 telah dikaitkan pada masa lalu: r=e −f1·(M ·f2)+f2·(M·f1)).

Dalam persamaan ini, f2 digunakan sebagai isyarat untuk mendapatkan semula tatasusunan elemen yang dikaitkan sebelum ini daripada M melalui produk titik, dan kemudian produk titik kedua "membaca" betapa kuatnya f1 khususnya telah diambil. Nilai kekuatan skalar ini kemudiannya ditambah kepada nilai kekuatan yang sepadan untuk perkaitan dalam arah yang bertentangan (iaitu, seberapa kuat f2 telah diambil oleh f1). Fungsi eksponen digunakan pada jumlah nilai kekuatan ini. Jika tiada pembelajaran berlaku untuk perkaitan ini sebelum ini, kekuatan akan menjadi sifar, menghasilkan r=1 dan pembelajaran penuh.

Walau bagaimanapun, apabila persatuan menjadi lebih kuat, nilai kekuatan menjadi lebih besar, dan r menghampiri sifar. Hasil daripada mekanisme ini ialah pembelajaran dikurangkan untuk persatuan yang telah dipelajari dengan baik, yang diperlukan untuk mengekalkan kekuatan persatuan daripada berkembang tanpa had, kerana pembelajaran berlaku melalui pelbagai ujian.

Untuk mensimulasikan pembuatan keputusan, model mengira kekuatan perkaitan antara isyarat memori yang disediakan dan sasaran yang mungkin pada setiap percubaan. Kekuatan ditentukan dengan meneliti matriks bersekutu dengan isyarat: s=(M · fcue ) · sasaran. Persamaan ini mendapatkan semula tatasusunan elemen yang telah dikaitkan dengan kiu (kiu) dan membacakan nilai kekuatan tunggal (s) untuk sasaran tertentu (sasaran). Anggaran kekuatan ini menyediakan asas untuk mengira kebarangkalian setiap kemungkinan respons sambil membenarkan persaingan daripada kemungkinan respons lain yang boleh mengakibatkan gangguan.

Peraturan perolehan semula kompetitif ini dilaksanakan sebagai fungsi softmax: Pcℎoice=e s cℎoice ∑e s. Jika kekuatan yang menyokong semua pilihan yang mungkin adalah sama, model akan meramalkan prestasi peringkat peluang, tetapi setakat pilihan tertentu disokong oleh nilai kekuatan yang lebih besar daripada pilihan lain, model akan lebih cenderung untuk membuat pilihan yang sepadan.

Kami menyesuaikan model dengan data yang diperhatikan dengan empat parameter percuma: FC, FF, FFC dan . Yang penting, model itu tidak sesuai untuk meringkaskan statistik, seperti perkadaran respons yang betul dalam fasa tertentu, tetapi mengambil kira pilihan peserta untuk setiap percubaan dalam setiap fasa percubaan. Kami menggunakan teknik Bayesian hierarki agar sesuai dengan model, membolehkan kami menilai perbezaan umur dengan taburan parameter posterior. Lihat bahan tambahan dalam talian untuk butiran tambahan tentang model dan cara ia sesuai dengan data.

Keputusan Model Pengiraan—Untuk menilai kesesuaian model, kami menjana prestasi tugasan peringkat percubaan berdasarkan anggaran parameter yang paling sesuai bagi setiap peserta (lihat Rajah 2 untuk membandingkan prestasi yang diperhatikan dan diramalkan oleh model). Walaupun terlalu menganggarkan gangguan proaktif dalam blok pertama pembelajaran Set B dalam semua kumpulan umur, model ini sesuai dengan kebanyakan corak prestasi merentas semua fasa percubaan, menunjukkan bahawa ia dapat menangkap sekurang-kurangnya beberapa proses yang mendasari prestasi tugas dan cara ia berbeza. antara kumpulan umur.

Taburan posterior hiper-parameter untuk setiap kumpulan umur ditunjukkan dalam Rajah 4A. Kami menilai perbezaan umur untuk setiap parameter dengan mengira η, ukuran pertindihan pengagihan yang diterangkan di atas dalam bahagian Analisis. Tiada bukti kukuh tentang sebarang perbezaan umur dalam pengikatan FC, dianggarkan dengan parameter FC, atau lupa, dianggarkan dengan (ηs > .17). Sebaliknya, kami menemui bukti yang sangat kukuh tentang pengikatan FF yang lebih lemah, dianggarkan dengan parameter FF, dalam 5-tahun berbanding dengan kedua-dua 8-tahun (η=.005) dan dewasa (η=.001). Terdapat sedikit bukti tentang perbezaan antara dua kumpulan umur yang lebih tua (η= .642). Penemuan novel ini mencadangkan perubahan perkembangan yang kuat dalam pengikatan intraobjek antara umur 5 dan 8 tahun, walaupun keupayaan ini mungkin seperti orang dewasa pada usia 8 tahun.

Terdapat juga bukti kukuh tentang nilai yang lebih rendah bagi parameter pengikatan kompleks, FFC, dalam 5-tahun berbanding dengan kedua-dua 8-tahun (η=.010) dan dewasa (η=.002). Walaupun anggaran nilai parameter cenderung lebih tinggi pada orang dewasa berbanding dengan kanak-kanak berumur lapan tahun, perbezaan ini tidak begitu kukuh (η=.429). Penemuan terakhir ini agak mengejutkan kerana kerja sebelumnya menggunakan tugas mengingat telah mencadangkan pembangunan berlarutan mengikat kompleks selepas umur 7 tahun (Yim et al., 2013). Mungkin, kebolehan yang muncul untuk membentuk pengikatan yang kompleks lebih dapat dikesan dalam tugas pengecaman daripada tugas mengingat yang lebih sukar; kita kembali kepada isu ini dalam Perbincangan Umum.

Untuk mengkaji sama ada semua mekanisme model adalah perlu untuk menyesuaikan data, kami melakukan kajian perbandingan model di mana setiap parameter telah dihapuskan daripada model (iaitu, ditetapkan kepada sifar) sambil menyesuaikan yang lain pada data, dan kami mendapati bahawa model penuh termasuk keempat-empat parameter paling sesuai dengan data walaupun semasa mengambil kira kerumitan model (lihat bahagian Kajian Perbandingan model bahan tambahan dalam talian dan lihat Rajah S5 dalam bahagian yang sama untuk mengetahui cara model berbeza ini meramalkan corak prestasi yang berbeza).

Secara keseluruhan, dalam eksperimen ini, kami menemui bukti kukuh kesan gangguan ingatan dalam semua kumpulan umur berdasarkan model regresi hierarki, bersama-sama dengan perbezaan perkembangan dalam prestasi dalam Ujian Mengikat. Mungkin yang lebih penting, dengan model pengiraan novel, kami menemui bukti perbezaan perkembangan yang ketara dalam pengikatan intraobjek dan pengikatan kompleks selepas umur 5 tahun, tetapi tidak selepas umur 8 tahun. Walau bagaimanapun, tidak jelas daripada keputusan ini, bagaimana pengikatan dan gangguan memori dipengaruhi oleh penyampaian ciri dalam objek yang sama. Kerja sebelumnya pada orang dewasa menunjukkan bahawa pengikatan objek luar lebih menuntut perhatian dan dikaitkan dengan prestasi ingatan bersekutu yang kurang tepat berbanding dengan pengikatan intraobjek (Asch et al., 1960; Ecker et al., 2007, 2013; van Geldorp et al., 2015) . Oleh itu, kami membuat hipotesis bahawa ciri objek yang memisahkan secara spatial akan mengganggu pengikatan, terutamanya untuk kanak-kanak kecil, yang boleh meningkatkan kesan gangguan. Kami menyiasat kemungkinan ini dalam Eksperimen 2.

Eksperimen 2: Pembangunan Kaedah Pengikatan Objek Tambahan

Peserta—Empat puluh lima 5-tahun (Mage=5.16 tahun, SDage=.23, bahasa=4.80 −5.74; 17 perempuan, 28 lelaki) , 43 orang berumur lapan tahun (Mage=8.49 tahun, SDage=.38, bahasa=7.74 – 8.99; 23 perempuan, 20 lelaki) dan 34 dewasa (19 perempuan, 15 lelaki) mengambil bahagian dalam Eksperimen 2. Lihat bahagian Keputusan dan Perbincangan, di bawah, untuk analisis kuasa. Tugasan untuk eksperimen ini atau Eksperimen 1 telah rawak.

Rangsangan dan Prosedur—Dalam eksperimen ini, ciri bentuk dan warna tidak dipersembahkan bersama dalam objek yang sama tetapi dipisahkan secara spatial (lihat Rajah 5). Pada setiap percubaan, bentuk lutsinar dan gumpalan warna diletakkan dalam penjajaran menegak, dan kedudukan spatial relatif (atas atau bawah) ciri ini diimbangi untuk setiap gandingan bentuk warna dalam setiap blok setiap fasa. Prosedur ini adalah sama dengan Eksperimen 1 kecuali bahawa rangsangan dirujuk sebagai "pasangan bentuk dan warna" dan bukannya objek semasa arahan dan maklum balas prestasi.

For more information:1950477648nn@gmail.com