untuk maklumat lanjut:ali.ma@wecistanche.com

Sila klik di sini untuk Bahagian 1

Klik untukmanfaat cistanche tubulosa dan kesan sampingan untuk ingatan

Ujian model Dalam kajian ini, perbezaan min antara keadaan berkaitan semantik dan tidak berkaitan di bawah kriteria ingat kembali bersiri yang ketat ialah 0.107. Nilai ini digunakan untuk menganggarkan λ dalam model. Seperti yang boleh dilihat dalam Rajah 2, model mengeluarkan semula kesan dimensi perkaitan semantik ke atas prestasi ingatan keseluruhan. Pada masa yang sama, perkaitan semantik dalam model juga meningkatkan prestasi ingat semula pesanan (M=0.841 dan M=0.729 dalam keadaan yang berkaitan dan tidak berkaitan, masing-masing). Ini tidak diperhatikan dalam data empirikal. Sebaliknya, prestasi ingat semula pesanan dalam kalangan subjek manusia secara relatifnya kekal tidak berubah (M=0.782 dan M=0.812 dalam keadaan yang berkaitan dan tidak berkaitan, masing-masing). Kesan semantik yang terdapat dalam simulasi (lihat Rajah 3) adalah akibat logik model. Oleh kerana prestasi panggil balik pesanan didorong oleh tahap pengaktifan dalam jangka panjangingatan, peningkatan pengaktifan membawa kepada kebolehdiskriminasian antara item yang lebih baik dan seterusnya prestasi ingatan pesanan yang lebih tinggi.

Set Data #2: Kowialiewski, Lemaire dan Portrat (2021)

Data Baru-baru ini ditunjukkan (Kowialiewski et al., 2021) bahawa kehadiran perkaitan semantik dalam senarai yang perlu diingati membebaskan sumber WM, seperti yang diperhatikan sebelum ini menggunakan potongan (Portrat, Guida, Phénix, & Lemaire, 2016; Thalmann , Souza, & Oberauer, 2019). Dalam kajian ini, perkaitan semantik telah dimanipulasi dengan mempersembahkan tiga kali ganda item berkaitan semantik sama ada pada permulaan (T1) atau pada akhir (T2) senarai enam item yang perlu diingati. Keadaan ini dibandingkan dengan senarai item yang tidak berkaitan (NT). Kembar tiga berkaitan semantik secara proaktif meningkatkan prestasi ingatan untuk item berikutnya yang tidak berkaitan, berbanding dengan item yang sama yang tidak didahului oleh triplet yang berkaitan. Walau bagaimanapun, triplet yang berkaitan secara semantik tidak memberi kesan retroaktif terhadap prestasi ingatan semula. Seperti yang akan kita lihat, keadaan T2 adalah ujian kritikal model.

Ujian model Perbezaan min antara keadaan T1 dan NT ke atas kedudukan 1, 2 dan 3 ialah 0.122. Nilai ini digunakan untuk menganggarkan λ dalam model. Tanpa mengubah suai mana-mana

Rajah 2 Ingat prestasi merentas kedudukan bersiri untuk data empirikal (panel kiri) dan model (panel kanan) dalam kajian Kowialiewski dan Majerus (2020). Keadaan eksperimen melibatkan pembentangan item berkaitan semantik (garis hijau) atau tidak berkaitan (garis merah muda).

Rajah 3 Prestasi ingat semula pesanan sebagai fungsi keadaan semantik untuk data empirikal (panel kiri) dan model (panel kanan) dalam kajian Kowialiewski dan Majerus (2020).

parameter asas, model meramalkan kelebihan ingat yang diperhatikan berbanding triplet berkaitan semantik dalam keadaan T1 (Rajah 4). Walau bagaimanapun, model itu tidak meramalkan kesan proaktif perkaitan semantik pada item yang tidak berkaitan berikutnya. Keputusan terakhir ini, kami fikir, tidak kritikal. Kesan proaktif boleh muncul dengan memodelkan mekanisme penyelenggaraan dengan cara yang halus (Portrat et al., 2016) atau dengan memasukkan mekanisme sumber terhad (Popov & Reder, 2020), yang berada di luar skop kajian ini. Keputusan kritikal simulasi ini adalah untuk menunjukkan bahawa kembar tiga berkaitan semantik mempunyai kesan merosakkan retroaktif ke atas prestasi ingat semula: apabila kembar tiga berkaitan semantik berlaku pada penghujung senarai (T2), prestasi ingat kembali item ketiga adalah lebih buruk daripada dalam keadaan neutral. Ini adalah akibat langsung daripada pengubahsuaian corak pengaktifan dalam model: memandangkan item yang berkaitan dalam kedudukan 4, 5, dan 6 lebih diaktifkan daripada item lain, ia juga lebih cenderung untuk dipanggil semula ke kedudukan bersiri yang lebih awal. Dalam kes ini, item 3 dan 4 adalah yang paling berkemungkinan tersalah alihkan disebabkan tahap pengaktifan yang serupa. Corak ini tiada dalam data empirikal. Sebaliknya, ketiadaan kesan retroaktif diperhatikan.

Set Data #3: Poirier et al. (2015)

Data Poirier et al. (2015) memerhatikan bahawa manipulasi perkaitan semantik mengubah cara item ditranspose. Dalam Eksperimen 1, mereka membentangkan item yang tiga yang pertama berkaitan secara semantik. Manipulasi berkenaan item kelima yang berkaitan juga dalam keadaan eksperimen, seperti yang diterangkan dalam Pengenalan. Secara kritis, item kelima lebih kerap dialihkan ke kedudukan 3 dalam keadaan eksperimen berbanding dalam keadaan kawalan.

Ujian model Data ini tidak mengandungi keadaan bukan semantik yang menghalang anggaran parameter asas model. Oleh itu, kami menggunakan semula parameter yang dianggarkan daripada set data kedua (lihat di atas). Rajah 5 memaparkan keputusan. Kehadiran kaitan semantik dalam keadaan kawalan (iaitu, tiga item pertama berkaitan secara semantik) menghasilkan corak prestasi ingatan yang baik. Walau bagaimanapun, sebaik sahaja item kelima dikaitkan secara semantik dengan triplet, penurunan prestasi yang kuat diperhatikan pada kedudukan 4 dan 5.

Penurunan prestasi ini berbanding kedudukan 4 dan 5 dalam keadaan eksperimen dijelaskan oleh corak bersiri

Rajah 4 Ingat prestasi merentas kedudukan bersiri untuk data empirikal (panel kiri) dan model (panel kanan) dalam kajian Kowialiewski, Lemaire, dan Portrat (2021). Manipulasi eksperimen melibatkan kehadiran triplet perkataan yang berkaitan secara semantik pada permulaan (T1) atau akhir (T2) senarai dan membandingkannya dengan keadaan yang tidak berkaitan secara semantik (NT)

Rajah 5 Mengingat prestasi merentas kedudukan bersiri untuk data empirikal (panel kiri) dan model (panel kanan). Setiap baris mewakili dua keadaan eksperimen yang asalnya dimanipulasi oleh Poirier et al. (2015)

ralat pesanan, dipaparkan dalam Rajah 6. Secara kritikal, sebahagian besar ralat pesanan bersiri dalam keadaan eksperimen berlaku pada kedudukan 4. Ini bertentangan dengan data empirikal di mana transposisi tersebut cenderung meningkat berbanding kedudukan 3. Fenomena ini adalah sifat teras daripada model: ralat pesanan bersiri dikekang oleh corak pengaktifan dalam jangka panjangingatan. Meningkatkan tahap pengaktifan satu item menghasilkan peningkatan automatik dan wajib bagi ralat transposisi ke arah item yang mendahului secara langsung.

Seseorang mungkin berpendapat bahawa keputusan ini hanya mencerminkan sifat model hanya untuk set parameter tertentu yang kami temui menggunakan algoritma penyepuhlindapan simulasi. Sebaliknya, mungkin terdapat beberapa konfigurasi parameter yang boleh menghasilkan semula keputusan yang diperhatikan oleh Poirier et al. (2015). Kami meneroka kemungkinan ini dengan menguji model merentasi sampel besar parameter. Seperti yang dilaporkan dalam Lampiran A, model sentiasa gagal meramalkan peningkatan ralat transposisi pada kedudukan 3, dan ketiadaan ralat transposisi yang meningkat pada kedudukan 4.

Perbincangan

Kajian ini menggunakan pendekatan pemodelan pengiraan untuk menyiasat hipotesis bahawa penyelenggaraan pesanan bersiri terhasil daripada corak pengaktifan dalam jangka panjang.ingatan. Model ini berjaya menangkap kesan keseluruhan kesan perkaitan semantik pada prestasi WM. Walau bagaimanapun, ia gagal meramalkan pengaruh khusus perkaitan semantik pada pemprosesan maklumat pesanan bersiri. Model tersebut gagal meramalkan ketiadaan kesan keterkaitan semantik pada prestasi ingat-tertib, dan sebaliknya meramalkan prestasi ingat-tertib yang lebih baik untuk item berkaitan semantik. Di samping itu, sementara peserta manusia cenderung untuk tersilap mengingat item pada kedudukan jiran semantiknya, model pengiraan menghasilkan ralat transposisi yang melibatkan migrasi ke item yang tidak berkaitan. Masalahnya terletak pada kekurangan penceraian seni bina antara maklumat pesanan bersiri dan pengaktifan dalam jangka panjangingatan. Simulasi Set Data #1 menunjukkan bahawa

Rajah 6 Kadar transposisi item 5 merentas kedudukan bersiri untuk data empirikal (panel kiri) dan model (panel kanan)

peningkatan tahap pengaktifan item membawa kepada lebih baikingatanuntuk maklumat pesanan, bertentangan dengan apa yang biasanya terdapat dalam kesusasteraan (Ishiguro & Saito, 2020). Ini berlaku dalam model kerana tahap pengaktifan yang lebih tinggi melindungi item daripada kesan buruk pereputan yang berlaku semasa penarikan balik, pereputan berikutan fungsi pereputan eksponen seperti yang dilaksanakan dalam banyak seni bina pengiraan (Burgess & Hitch, 2006; Oberauer & Lewandowsky, 2011; Page & Norris, 1998). Selain itu, simulasi Set Data #2 dan Set Data #3 mencadangkan bahawa jika ralat pesanan bersiri sekurang-kurangnya dikekang oleh tahap pengaktifan relatif item dalam jangka panjang.ingatan, maka kesan retroaktif item berkaitan semantik pada prestasi panggilan semula sepatutnya diperhatikan. Sebaliknya, bukti empirikal daripada kesusasteraan WM menumpu ke arah ketiadaan kesan retroaktif faktor psikolinguistik terhadap prestasi ingatan bersiri (Cowan et al., 1992; Miller & Roodenrys, 2012; Portrat et al., 2016; Thalmann et al., 2019 ), hasil yang seni bina berasaskan pengaktifan kami tidak dapat menghasilkan semula. Oleh itu, seni bina berasaskan pengaktifan semata-mata nampaknya bermasalah untuk menyelesaikan masalah susunan bersiri dalam WM, bertentangan dengan apa yang telah diandaikan sebelum ini (Acheson et al., 2011; Martin & Saffran, 1997; Poirier et al., 2015) .

Secara umumnya, penyelenggaraan maklumat pesanan bersiri melalui kecerunan keutamaan dalam jangka panjangingatanbermasalah kerana beberapa sebab. Pertama, tidak jelas bagaimana model akan melaksanakan tugas mudah, seperti latihan/menyegarkan (Barrouillet, Bernardin, & Camos, 2004). Ini kerana pemilihan item dilakukan dengan memilih maklumat yang paling aktif. Model akan terus terperangkap pada item yang paling diaktifkan, yang dalam kebanyakan situasi adalah yang pertama. Sebaliknya, peserta boleh berlatih beberapa item, dan secara kumulatif (Tan & Ward, 2008). Model keutamaan asal menganggap latihan sebagai dilakukan dalam gelung fonologi (Page & Norris, 1998), tetapi itu tidak menyelesaikan masalah susunan bersiri di tempat pertama. Kedua, dan seperti yang dinyatakan oleh Norris (2017), model berasaskan pengaktifan semata-mata tidak akan dapat memanggil semula item dua kali (cth, memanggil semula "9-2-5-4-9-7"). Tugas ini memerlukan perwakilan sementara yang terletak di luar jangka panjangingatan. Ambil perhatian bahawa kajian ini tidak menolak model Primacy itu sendiri sebagai mekanisme umum yang melaluinya maklumat pesanan bersiri boleh dikodkan di luar jangka panjang.ingatan, seperti yang dikemukakan oleh model Page dan Norris (1998) asal. Kajian ini hanya menolak kecerunan keutamaan pengaktifan dalam ingatan jangka panjang sebagai mekanisme eksklusif untuk mengekalkan maklumat pesanan bersiri.

Bagaimanakah susunan bersiri diwakili?

Banyak model teori WM menyatakan kebebasan antara sifat kod perwakilan yang terlibat dalam penyelenggaraan maklumat pesanan bersiri dan yang terlibat dalam maklumat item. Kebebasan relatif ini secara eksplisit diandaikan oleh model kedudukan WM (Burgess & Hitch, 2006; Oberauer et al., 2012; Oberauer & Lewandowsky, 2011). Secara kritis, model ini juga harus mempertimbangkan kemungkinan interaksi antara item dan kod pesanan bersiri, tetapi interaksi ini belum difahami dengan baik. Jefferies et al. (2006) menunjukkan kecenderungan untuk fonem berhijrah antara bukan perkataan, pada tahap struktur suku kata (cth, mengingati "dug-fal" dan bukannya "dag-full"). Begitu juga dengan corak ralat transposisi yang diperhatikan oleh Poirier et al. (2015) boleh dijelaskan dengan mengandaikan bahawa WM juga mengekodkan ciri semantik. Oleh kerana item berkaitan semantik berkongsi ciri semantik bertindih dan/atau juga lebih serupa (Dell, Schwartz, Martin, Saffran, & Gagnon, 1997; Ishiguro & Saito, 2020), ralat transposisi antara item berkaitan semantik dari kedudukan yang lebih jauh secara teori boleh berlaku pada saat untuk mendapatkan semula. Sebagai alternatif, sebaik sahaja peserta mengesan kehadiran triplet yang berkaitan secara semantik, mereka mungkin memotong maklumat dan mengekalkan perwakilan semantik tunggal (cth, "alam semula jadi" dan bukannya "dahan-pokok daun"). Pada panggilan semula, disebabkan penyahmampatan bongkah semantik, susunan arbitrari item itu sendiri mungkin hilang (Kowialiewski & Majerus, 2020), yang membawa kepada kesilapan mengingat semula perkataan yang berkaitan3.

Kajian ini gagal menyokong idea bahawa maklumat pesanan bersiri dikekalkan melalui pengaktifan relatif item dalam sistem linguistik. Pada masa yang sama, kajian ini tidak menolak kemungkinan bahawa penyelenggaraan susunan bersiri boleh dikekang sepenuhnya oleh ketetapan statistik yang dipelajari daripada pendedahan bahasa (Schwering & MacDonald, 2020). Menurut akaun ini, sistem linguistik mempunyai mekanisme penyelenggaraan pesanan bersirinya. Ini, sebagai contoh, disokong oleh kajian yang menunjukkan bahawa keteraturan statistik yang diperoleh daripada korpora linguistik boleh meramal prestasi ingatan bersiri dalam tugasan WM lisan (Jones & Macken, 2015, 2018). Secara kritis, kebolehpercayaan mekanisme penyelenggaraan pesanan bersiri berasaskan bahasa semata-mata telah ditunjukkan menggunakan rangkaian saraf berulang (Botvinick & Plaut, 2006), tingkah laku yang muncul yang dibentuk melalui pelarasan pemberat sambungan menggunakan peraturan pembelajaran mudah. Pada peringkat konsep, ini berbeza secara radikal daripada seni bina berasaskan pengaktifan yang kami bina, yang berdasarkan pengaktifan relatif item dalam jangka panjangingatan.

Kesimpulan

Kajian ini melihat julat mekanisme munasabah yang terlibat dalam pengekalan sementara maklumat pesanan bersiri. Melalui pendekatan pemodelan pengiraan, kami menunjukkan bahawa penyelenggaraan maklumat pesanan bersiri melalui kecerunan keutamaan pengaktifan dalam jangka panjang.ingatanadalah tidak masuk akal. Sama ada pesanan bersiri dikodkan melalui mekanisme pesanan bersiri bebas atau terus melalui ketetapan statistik yang berlaku dalam pemprosesan bahasa atau kedua-duanya masih perlu dipastikan secara rasmi.

Lampiran A

Dalam analisis ini, kami melakukan carian grid pada 16,807 titik ruang parameter model kami dengan λ=0. Julat parameter yang diterokai dipaparkan dalam Jadual A1. Kami memilih gabungan parameter (N=13,103) yang berjaya menghasilkan semula kesan keutamaan pada prestasi ingat semula merentas kedua-dua kriteria penarikan balik bersiri dan penarikan semula item yang ketat. Kesan kekinian tidak dipertimbangkan untuk memastikan analisis meliputi julat luas mata dalam ruang parameter.

Seterusnya, kami melakukan carian grid baharu pada gabungan parameter itu dengan memodulasi λ (4 nilai) pada setiap satu daripadanya, kedua-duanya pada kawalan dan keadaan eksperimen daripada Eksperimen 1 Poirier et al. (2015). Setiap set parameter dianggarkan menggunakan 10,000 simulasi. Kami kemudiannya mengira bilangan ralat transposisi (dibetulkan untuk jumlah bilangan kali sasaran telah dipanggil semula) bagi item kelima yang berlaku dalam kedudukan 3 dan 4 dalam setiap keadaan eksperimen ini. Untuk mendapatkan hasil yang sah, kami membuat alasan bahawa sekurang-kurangnya perlu ada peningkatan ralat transposisi dalam keadaan eksperimen berbanding kedudukan 3 lebih tinggi daripada potensi peningkatan transposisi berbanding kedudukan 4. Kami mengira bilangan kali versi model ini sepadan kepada kriteria ini. Tidak ada.

Pembiayaan Pembiayaan Open Access disediakan oleh Universität Zürich. Akses Terbuka Artikel ini dilesenkan di bawah Atribusi Creative Commons 4.0 Lesen Antarabangsa, yang membenarkan penggunaan, perkongsian, penyesuaian, pengedaran dan pengeluaran semula dalam sebarang medium atau format, selagi anda memberikan kredit yang sewajarnya kepada pengarang asal (s) dan sumber, berikan pautan ke lesen Creative Commons, dan nyatakan jika perubahan telah dibuat. Imej atau bahan pihak ketiga lain dalam artikel ini disertakan dalam lesen Creative Commons artikel itu melainkan dinyatakan sebaliknya dalam garis kredit kepada bahan tersebut. Jika bahan tidak disertakan dalam lesen Creative Commons artikel dan penggunaan anda yang dimaksudkan tidak dibenarkan oleh peraturan berkanun atau melebihi penggunaan yang dibenarkan, anda perlu mendapatkan kebenaran terus daripada pemegang hak cipta. Untuk melihat salinan lesen ini, lawati http://creativecommons.org/licenses/by/4.0/.