Помехи в долговременной памяти устраняются посредством отталкивания и точности по диагностическим измерениям памяти. Часть 3

Методы анализа

Критерии исключения, основанные на результатах. Для анализа, в котором использовались данные задачи реконструкции, мы исключили небольшое количество участников на основании результатов в раундах 9–12 теста на ассоциативную память. Участники исключались, если (а) их частота ошибок в неконкурентных испытаниях превышала 20% для любого из этих раундов или (б) они выбирали мордочки приманки в более чем 20% соревновательных испытаний для любого из этих раундов.

Человеческая память очень важна и помогает нам лучше понимать и справляться с различными жизненными трудностями. Однако в современном обществе мы сталкиваемся с огромным объемом информации, и наша память часто испытывает трудности и утомляется.

Однако мы можем восстановить связь между данными задачи и памятью несколькими простыми способами. Во-первых, мы можем попытаться использовать рабочую память, чтобы улучшить нашу память. Рабочая память – это способность удерживать и обрабатывать информацию в кратковременной памяти. Регулярно выполняя задачи на память, мы можем тренировать нашу рабочую память и тем самым улучшить нашу память.

Во-вторых, мы можем улучшить нашу память, задействуя сенсорную память. Наши сенсорные воспоминания настолько сильны, что мы можем, например, впервые вспомнить вкус еды. Улучшая сенсорную память, мы можем улучшить нашу память.

Кроме того, мы также можем укрепить нашу память, используя метод дворца памяти. Дворцы памяти — это древняя техника, использующая тщательно продуманные сцены, которые мы создаем, чтобы связать с ней информацию, которую мы хотим запомнить. Таким образом, мы можем легко вспомнить информацию.

Наконец, мы можем попробовать некоторые физические упражнения, чтобы улучшить нашу память. Физическая активность ускоряет обмен веществ, что, в свою очередь, увеличивает активность нашего мозга. С помощью упражнений мы также можем улучшить кровообращение, чтобы мозг получал больше кислорода и питательных веществ, чтобы он мог лучше обрабатывать информацию.

Таким образом, мы можем восстановить связь между данными задачи и памятью, используя различные методы. Будь то тренировка рабочей памяти, укрепление сенсорной памяти, использование дворца памяти или физическая активность, это может помочь нам улучшить нашу память и сделать нас более гибкими и эффективными в жизни. Видно, что нам нужно улучшить память, а цистанхе пустынный может значительно улучшить память, потому что цистанхе пустынный — это традиционное китайское лекарственное средство, обладающее множеством уникальных эффектов, одним из которых является улучшение памяти. Эффективность мясного фарша обусловлена ​​различными содержащимися в нем активными ингредиентами, в том числе кислотами, полисахаридами, флавоноидами и т. д. Эти ингредиенты могут способствовать здоровью мозга различными способами.

Нажмите «Знайте добавки для улучшения памяти»

На основании этих критериев один участник был исключен из анализа данных задачи реконструкции в эксперименте 1 (что дало N=35), четверо были исключены из эксперимента 2 (что дало N=37) и восемь были исключены из эксперимента 3. (что дает N=49) (см. https://osf.io/dj6q2/ для других критериев исключения, которые были установлены, но не применялись). Обоснованием установления высокого порога для включения участников в анализ задачи реконструкции было минимизировать случаи, когда участники реконструировали совершенно неправильное лицо, и вместо этого сосредоточиться на предвзятости/точности правильно запомнившихся лиц.

Измерение ассоциативной памяти

Как отмечалось выше, тест на ассоциативную память использовался для подтверждения того, что участники достигли высокой точности в ассоциировании сигналов с лицами. Тест на ассоциативную память также позволил проверить, вызывают ли конкурентные условия помехи (более низкую точность ассоциативной памяти) по сравнению с неконкурентными условиями. Данные теста ассоциативной памяти сначала анализировались с точки зрения неконкурентной точности по сравнению с неконкурентными испытаниями. Мы провели отдельные повторные измерения ANOVA для каждого эксперимента с факторами условий (конкурентные, неконкурентные) и раунда обучения (1–9 для эксперимента 1, 1–12 для экспериментов 2 и 3).

В конкурентных испытаниях мы также разделяли ошибки в зависимости от того, были ли они связаны с конкуренцией (ошибка вмешательства) или нет (приманки). Если бы ошибки были случайными, интерференционные ошибки возникали бы в одной пятой (20%) попыток с ошибками. Поэтому, чтобы проверить, возникают ли ошибки интерференции при уровнях выше вероятности, мы провели одновыборочные t-тесты для каждого эксперимента, сравнивая средний процент ошибок интерференции (во всех раундах обучения) с 20%.

Смещение измерения

Как описано выше, в каждой попытке реконструкции целевое лицо располагалось в одном из четырех мест (центр четырех квадрантов). Таким образом, для осей x и y пространства поиска цель находилась на полпути между центром и границей пространства поиска (рис. 1а). Для измерения потенциальной систематической ошибки в каждом эксперименте все ответы были выровнены по общей оси и перемасштабированы по общей шкале отдельно для каждого параметра характеристики (аффект, пол). Для масштабированных данных диапазон возможных ответов для каждого измерения составлял от -2 до 2, причем 0 был центром пространства лиц (т. е. центром пространства поиска).

Для конкурентных условий расположение целевого лица на диагностическом измерении=1 и расположение лица примата=-1 (рис. 1c). Таким образом, смещение от лица примата будет представлено значениями, превышающими 1, тогда как смещение в сторону лица примата (или к центру пространства лица) будет представлено значениями ниже 1. Для недиагностического измерения местоположение целевого лица и парного лица=1. Хотя лица из неконкурентного состояния были включены в задачу реконструкции, смещение для этих лиц не измерялось, поскольку не существовало различия между диагностическими и недиагностическими измерениями. Скорее, неконкурентные лица имели решающее значение в тесте на ассоциативную память, где они служили для установления общего эффекта интерференции памяти.

Важно отметить, что для задачи реконструкции диапазон ответа в каждом испытании был асимметрично распределен вокруг цели. Если бы диапазон ответов был симметрично распределен вокруг цели, то правильный ответ в каждом испытании по определению был бы в центре поискового пространства, что, вероятно, привело бы участников к тому, что они научились бы просто отвечать в центре. Однако недостатком использованного нами подхода является то, что для диагностического измерения в конкурентных условиях было больше возможностей реагировать в сторону морды примата (значения между -2 и 1), чем в сторону от морды примата (значения от 1 до 2). ).

Конечно, эта асимметрия противоречит нашему предсказанному эффекту отталкивания (значения больше 1). Тем не менее, чтобы учесть асимметрично ограниченный диапазон ответов, мы оценили истинное среднее значение, подобрав к данным усеченное нормальное распределение. Для каждого участника были запущены отдельные модели для диагностических и недиагностических измерений, при этом каждая модель объединяла данные по лицам и измерениям характеристик (аффект, пол), чтобы включить достаточное количество точек данных. Таким образом, каждая модель включала 32 точки данных (восемь лиц в соревновательном состоянии × четыре попытки реконструкции на лицо). Оценка максимального правдоподобия использовалась для определения среднего и стандартного отклонения усеченного нормального распределения, которое лучше всего соответствует данным. Распределения были смоделированы с использованием пакетов Transform и MASS в R.

Мы ограничили пространство поиска среднего значения диапазоном правдоподобных значений, равномерно сбалансированных по обе стороны от цели (± 1 единица), а стандартное отклонение составило максимум 1 и минимум 0,1. Хотя мы рассматриваем смоделированные средние значения как лучшую оценку истинных средних, существуют некоторые источники отклонений, которые модели не учитывают. Например, модели не учитывают потенциально уникальные распределения для каждого параметра и/или стимула. Более того, есть свидетельства того, что могут быть присущие глобальные предубеждения в том, как черты лица вспоминаются позже (Bülthof & Zhao, 2020; Won et al., 2020). Однако критически важно, что любые глобальные предубеждения будут в равной степени влиять на диагностические и недиагностические аспекты. Поэтому наш анализ в первую очередь сосредоточился на различиях в смоделированных средствах для диагностических и недиагностических измерений.

Точность измерения

Чтобы измерить точность, с которой диагностические и недиагностические характеристики запоминались для каждого лица, мы рассчитали стандартное отклонение ответов в четырех испытаниях реконструкции для каждого лица отдельно для диагностических и недиагностических характеристик. Затем мы рассчитали среднее значение этих значений стандартного отклонения для каждого участника отдельно для диагностических и недиагностических параметров.

Измерение взаимосвязи между предвзятостью реконструкции и ассоциативной интерференцией

Чтобы определить, играет ли смещение измерения диагностических признаков адаптивную роль в уменьшении помех памяти, мы запустили серию моделей со смешанными эффектами, в которых основное внимание уделялось взаимосвязи между смещением, измеренным во время задачи реконструкции, и точностью теста ассоциативной памяти (усредненной за последние четыре раунда для сбора данных). конечное состояние обучения). Хотя этот анализ проводился на уровне отдельных предметов (лиц), значение точности для каждого лица определялось как средняя точность для этого лица и его пары. Таким образом, оба примата в каждом наборе имели одинаковое значение точности. Обоснование усреднения точности среди приматов заключалось в том, что, если, например, участники связывают два конкурирующих лица (приматов) с одним и тем же ключевым словом (профессия), вместо того, чтобы рассматривать одну из этих ассоциаций как «правильную», а другую как «неправильную», это более уместно. чтобы ошибка распределялась между двумя лицами.

Для анализа, связывающего смещение реконструкции с точностью ассоциативной памяти, мы исключили участников, которые показали идеальную точность во всех испытаниях в последних четырех раундах теста на ассоциативную память. Основанием для этого исключения было то, что у этих участников не было различий в ассоциативной памяти, которые могла бы объяснить модель. Кроме того, мы не проводили этот анализ для Эксперимента 1, учитывая почти максимальные результаты теста на ассоциативную память за последние четыре раунда (11 участников (31%) имели точность 100%, а у остальных участников средняя точность составила 95,96 ± 3,01. % со средним стандартным отклонением внутри участника 3,62 ± 1,70). Для экспериментов 2 и 3, в которых использовалось больше похожих приматов, точность ассоциативной памяти была ниже, и, следовательно, меньшее количество участников было исключено из-за предельной производительности (семь участников (19%) в эксперименте 2 и шесть участников (12%) в эксперименте 3; среднее значение). точность для остальных участников, Опыт 2: M=92,47 ± 7,58%, Опыт 3: M =93,56 ± 6,26%).

Для этих моделей было критически важно вычислить смещение реконструкции на уровне отдельных лиц. Однако описанный выше метод оценки средней систематической ошибки для каждого участника путем объединения данных по испытаниям/лицам оказался неприменим для данного анализа, учитывая небольшое количество наблюдений (четыре испытания на лицо). Таким образом, для этого анализа мы просто использовали среднее значение реакции реконструкции (по четырем испытаниям на лицо). Чтобы решить проблему, связанную с тем, что любая наблюдаемая взаимосвязь между предвзятостью реконструкции и точностью ассоциативной памяти может быть вызвана потенциальными «ошибками подкачки», наш заранее зарегистрированный подход заключался в исключении любых индивидуальных ответов (испытаний), для которых масштабированный ответ находился между {{0}} и 0 и сохранять только те ответы, для которых масштабированный ответ находился в диапазоне от 0 до 2. Поэтому для диагностического измерения любые ответы, которые были ближе к конкурирующему примату, чем к цели, были исключены. Все остальные ответы были включены в средний ответ для каждого лица.

Хотя это и редкость, но если лицо ассоциировалось с исключенным ответом во всех четырех экспериментах по реконструкции, это лицо полностью исключалось из анализа. В эксперименте 2 это произошло в общей сложности с четырьмя лицами, распределенными между четырьмя участниками; в Эксперименте 3 это произошло в общей сложности с шестью лицами, распределенными между шестью участниками. Хотя этот заранее зарегистрированный подход к исключению потенциальных ошибок подстановки был задуман как консервативный подход к устранению влияния крайних ошибок, все наши основные результаты оставались значимыми, когда ни один ответ не был исключен. Кроме того, в исследовательском анализе, объединяющем данные экспериментов 2 и 3, вместо полного исключения экстремальных ответов, ответы между -2 и 0 были ограничены значением 0, что позволяло использовать все испытания. сохранить в модели, но уменьшить влияние крайних реакций.

Модели смешанных эффектов были реализованы в R с использованием пакета thelme4 (Bates et al., 2014). Тесты отношения правдоподобия использовались для сравнения моделей с соответствующими переменными с нулевыми моделями, которые исключали эти переменные. Чтобы учесть потенциальные различия, связанные с тем, был ли диагностический параметр «эффект» или «пол», все модели включили эту категориальную переменную в качестве фиксированного эффекта. Чтобы позволить взаимосвязи между предвзятостью реконструкции и точностью ассоциативной памяти варьироваться для каждого участника, мы смоделировали взаимосвязь между предвзятостью и точностью ассоциативной памяти со случайными точками пересечения и случайными наклонами для каждого участника, где это возможно.

Наш заранее зарегистрированный подход к работе с моделями, которые не сходились или достигли сингулярного значения ft, заключался в повторном запуске той же модели с удаленным случайным наклоном для смещения (см. Barr et al., 2013). Хотя все наши предварительно зарегистрированные модели сходились, исследовательская модель, которая использовала разницу в смещении диагностического и недиагностического измерения в качестве предиктора, не смогла сойтись, когда был включен случайный наклон; таким образом, мы удалили случайный наклон. Исследовательские модели, которые включали в качестве предикторов только беззнаковую ошибку или точность (без смещения), не смогли сходиться, когда для этих переменных были включены случайные наклоны; таким образом, мы удалили случайные наклоны для этих переменных.

Наконец, исследовательские модели, которые включали в себя смещение, а также точность и беззнаковую ошибку в качестве предикторов, также не смогли сойтись, когда для всех переменных были включены случайные наклоны; При удалении случайных наклонов мы отдавали приоритет сохранению случайного наклона для систематической ошибки, что привело к исключению случайных наклонов для точности и беззнаковой ошибки.

Полученные результаты

Тест на ассоциативную память

Чтобы проверить, различается ли точность ассоциативной памяти между конкурентными и неконкурентными условиями, мы провели ANOVA с повторными измерениями для каждого эксперимента с факторами условий (конкурентные, неконкурентные) и раунда (Экспл. 1: первые девять раундов; Опыт 2 и Опыт. 3: 12 раундов). Для каждого эксперимента наблюдался значительный главный эффект условия (Exp. 1: F(1,35) {{10}}.14, p < 0.001, 휂2G=0.034; Опыт 2: F(1,40)=67.43, p < 0,001, 휂2G=0.10; Опыт 3: F(1, 56)=88.21, p < 0,001, 휂2G=0.16), с меньшей точностью в соревновательном состоянии (рис. 2а). Чтобы подтвердить, что эта разница именно отражает помехи, мы рассмотрели типы допущенных ошибок. В соревновательных условиях ошибки могут соответствовать выбору лица участника или одной из четырех неконкурентных приманок (рис. 2б). Если бы ошибки были случайными, участник был бы выбран в одной пятой попыток с ошибками. Однако, объединив попытки ошибок в разных раундах, участник был выбран на уровне выше шанса (Exp. 1: M=60.18 ± 19,68%, t(35)=12.25, p< 0.001, d = 2.04; Exp. 2: M = 71.29 ± 15.78%, t(40) = 20.82, p < 0.001, d = 3.25; Exp. 3: M = 78.63 ± 11.58%, t(56) = 38.21, p < 0.001, d = 5.06), confirming that increased errors in the competitive condition refected interference from the competitor face.

Чтобы проверить, была ли точность реконструкции лица выше случайности, мы измерили евклидово расстояние между каждым ответом и целевым местоположением лица (в двумерном пространстве ответов; рис. 1c). Для каждого участника среднее евклидово расстояние между ответами и целевыми местоположениями сравнивалось с перестановочным распределением (рассчитанным путем смещения ответов внутри участника 10 раз). Вышеслучайная точность (лучше 97,5% перестановочных средних) наблюдалась у каждого участника (рис. 3).

Смещение реконструкции лица

Чтобы проверить наш критический прогноз отталкивания по диагностическому размеру лица, мы сравнили смещение характеристик (см. «Методы») для диагностических и недиагностических размеров в соревновательном состоянии (рис. 4а). Сначала мы проверяли прогнозы в экспериментах 1 и 2, а затем проверяли их репликацию в эксперименте 3. ANOVA с повторными измерениями с факторами размерности (диагностические, недиагностические) и экспериментом (эксперимент 1, опыт 2) выявил значительно большее смещение в сторону отталкивания диагностическое измерение (F(1,70)=22.25, p< 0.001, 휂2 G = 0.061). There was a trend toward a significant interaction between dimension and experiment (F(1,70) = 3.96, p = 0.0506, 휂2 G = 0.011), with a relatively weaker effect size in Experiment 1 (d = 0.27) than in Experiment 2 (d = 0.73). As predicted, Experiment 3 replicated, with a large effect size and preregistered hypothesis, the greater bias toward repulsion on the diagnostic dimension (t(48) = 5.87, p < 0.001, d = 0.83).

Хотя наши предварительно зарегистрированные анализы были сосредоточены на сравнении диагностических и недиагностических измерений, мы также проверили, значительно ли отличаются реконструкции диагностических измерений от достоверного местоположения целевых лиц. Действительно, если объединить данные всех трех экспериментов, смоделированные средние значения диагностического параметра оказались значительно выше истинного значения 1 (t(120)=4,39, p < 0.{{ 60}}01, d=0.40), что отражает отклонение от конкурирующего лица. Этот эффект существенно не различался в разных экспериментах (F(2,118)=2.15, p=0.12, 휂2G =0.035). Напротив, в недиагностическом измерении наблюдалось небольшое, но значительное смещение в сторону центра пространства лица (смоделированные средние < 1; t(120)=-2.33, p=0.021, d {{ 25}}.21). Этот эффект значительно различался в разных экспериментах (F(2,118)=9,56, p <0,001, 휂2G=0,14). Фактически, в эксперименте 1 ответы были значительно выше 1 (t(34)=2.15,p=0.039, d=0.36), а в экспериментах 2 и 3 они были значительно ниже 1 (Экспл. 2: t(36)=-2,45, p=0,019, d =0,40; Опыт 3: t(48) {{58} },98, p <0,001, d=0,57). Хотя абсолютные значения реконструированных ответов следует интерпретировать с некоторой осторожностью (из-за потенциальных глобальных предубеждений), постоянная склонность к отталкиванию в диагностическом измерении подтверждает наш прогноз о том, что конкуренция вызывает целенаправленное отталкивание в диагностическом измерении.

Точность реконструкции лица

Затем мы проверили, различалась ли точность реконструкции в диагностических и недиагностических измерениях (рис. 4b). Мы определили точность как стандартное отклонение повторяющихся реконструкций одного и того же лица (см. «Методы»). Для конкурентных условий повторные измерения ANOVA с факторами размерности (диагностические, недиагностические) и эксперимента (Exp. 1, Exp. 2) выявили значительно большую точность – т.е. меньшую вариабельность реконструкции – по диагностическому измерению (F(1,7) {{10}})=16.81, p < 0,001, 휂2G=0.044). Этот эффект не взаимодействовал с экспериментом (F(1,70)= 0.34, p=0.56, 휂2G=0.001). Эффект большей точности на диагностический параметр был воспроизведен (в соответствии с заранее зарегистрированным прогнозом) в эксперименте 3 (t(48)=5.45, p < 0,001, d=0.74).

Хотя наша мера точности математически не зависела от нашей меры систематической ошибки, примечательно, что эти измерения коррелировали так, что лица, реконструированные с большей точностью, также имели тенденцию быть связаны с большей систематической ошибкой (см. рис. S2A, OSM). Однако важно отметить, что влияние большей точности на диагностический параметр по сравнению с недиагностическим параметром оставалось значительным, даже когда из анализа были исключены элементы с высокой погрешностью (см. рис. S2B, OSM).

Связь между предвзятостью реконструкции и ассоциативной интерференцией

Наконец, мы проверили наше предсказание о том, что большая погрешность реконструкции (отталкивание) в диагностическом измерении связана с лучшими результатами теста ассоциативной памяти (меньшим вмешательством). Из-за почти максимальной производительности ассоциативной памяти в эксперименте 1 (рис. 2) мы сосредоточились на данных эксперимента 2. Мы использовали модель смешанных эффектов, которая предсказывала точность ассоциативной памяти на уровне элементов с фиксированными эффектами (а) систематической ошибки на диагностическое измерение (непрерывная переменная) и (б) того, было ли затронуто диагностическое измерение или пол (категориальная переменная). Смещение моделировалось со случайными точками пересечения и наклонами для каждого участника. Используя тест отношения правдоподобия, мы сравнили эту модель с моделью без смещения. Крайне важно, что модель ft была значительно лучше, когда была включена смещение (χ2(1)=4,67, p=0,031), при этом смещение положительно предсказывало точность ассоциативной памяти (смещение=3,58, SE =1.62). В качестве контроля мы повторили тот же анализ, но с предвзятостью по недиагностическому аспекту; здесь смещение не смогло улучшить модель ft (χ2(1)=0.021, p=0.89, смещение=-0.31,SE=2.14). Для эксперимента 3 мы предсказали (используя предварительно зарегистрированный анализ) повторение взаимосвязи между диагностической погрешностью измерения и точностью ассоциативной памяти. Мы наблюдали небольшой эффект в предсказанном направлении, но он не был значительным (χ2(1)=0. 24, р=0.63, смещение=0.69, SE= 1.41).

В нашем предварительно зарегистрированном анализе мы исключили реакции реконструкции (испытания), которые были больше похожи на конкурента, чем на цель. Обоснованием этого было обеспечение того, чтобы экстремальные реакции (потенциальные ошибки перестановки) не оказывали чрезмерного влияния на модель (см. Методы). Однако такой подход полностью исключил эти испытания, а не свел к минимуму их влияние.

Поэтому в качестве исследовательского анализа мы заменили эти экстремальные оценки реконструкции значением {{0}} (равное расстояние между целью и конкурентом, см. Методы). Это позволило включить все испытания, но уменьшило влияние экстремальных реакций (см. рис. S4 (OSM) для дальнейшего анализа того, что могут представлять собой эти экстремальные реакции). Для этого исследовательского анализа мы объединили данные экспериментов 2 и 3, добавив эксперимент (Exp. 2, Exp. 3) в качестве фиксированного эффекта. По сравнению с нулевой моделью добавление систематической ошибки в диагностическом измерении значительно улучшило модель ft (χ2(1)=15.88, p < 0,001), при этом положительное смещение (отталкивание) прогнозировало более высокую точность ассоциативной памяти (смещение {{12} }.45, ЮВ=1.04).

Добавление взаимодействия между экспериментом и смещением не улучшило соответствие модели (χ2(1) =1.39, p=0.24, exp × смещение=-2.47, SE=2 0,08), что указывает на то, что взаимосвязь между предвзятостью и ассоциативной памятью не различалась в разных экспериментах. Более того, смещение значительно улучшило соответствие модели при применении только к данным эксперимента 3 (χ2(1)=3.98, p=0.046, смещение=2.45, SE=1 .19), подтверждая, что взаимосвязь между предвзятостью и ассоциативной памятью определялась не только данными Эксперимента 2. В качестве контроля мы провели то же сравнение моделей, но с предвзятостью по недиагностическому измерению в качестве предиктора; значимой разницы между моделями не было (χ2(1)=0.14, p=0.71, смещение =-0.40, SE=1.08).

Кроме того, степень смещения диагностического измерения относительно недиагностического измерения (т. е. оценка разницы смещений) также значительно улучшила соответствие модели по сравнению с нулевой моделью без смещения, χ2(1)=19.87, p< 0.001, βbias. dif = 2.71, SE = 0.60 (random slopes were excluded due to reaching singularity).

For more information:1950477648nn@gmail.com