Intraobjektno in zunajobjektno povezovanje spomina v zgodnjem razvoju, 3. del

Rezultati in razprava

Trije {{0}}-letniki so bili izključeni zaradi računalniških napak, dodatni 5--letni otrok pa je bil izključen, ker ni dokončal naloge. Ker so otroci in odrasli odgovarjali na različne načine (zaslon na dotik in tipkovnica), odzivnih časov nismo mogli analizirati, vendar smo iz vseh analiz izključili posamezne poskuse z zelo hitrimi (tj. < 200 ms) odzivi, ker so bili verjetno nenamerni . Odstotek izključenih preskušanj je bil 1,3 % pri 5--letnikih, 0,2 % pri 8--letnikih in 0 % pri odraslih.

Otrokove reakcije in spomin so tesno povezani. Dobra odzivna hitrost lahko pomaga otroku pri obdelavi informacij in boljšem učenju, močan spomin pa otroku pomaga, da si bolje prikliče in uporabi naučeno.

Otrok, ki zlahka presoja stvari in hitro reagira, bo uspešnejši pri učenju. Ti otroci lahko učinkovito obdelajo velike količine informacij in se hitro odzovejo, ko je to potrebno. Otroci razvijejo samozavesten odnos in so boljši, ko se od njih zahteva, da se hitro odzovejo v vseh vidikih šole in življenja. Poleg tega jim bodo njihove hitre reakcije omogočile tudi boljšo koordinacijo rok in oči ter več motoričnih sposobnosti za izpolnjevanje potreb njihove zdrave rasti.

Po drugi strani pa je zelo pomemben tudi močan spomin. Količina informacij, ki si jih morajo otroci zapomniti, je ogromna, vključno z nalogami, kot so lekcije in domače naloge v šoli. Če otrok nima dobrega spomina, bo verjetno imel težave s šolskimi in domačimi nalogami. Če otroci pozabijo, kaj bi morali narediti, ali pozabijo, kaj je učitelj učil v razredu, bodo pri učenju naleteli na slepe pege in opustitve.

Na srečo lahko otrokom z vajami in treningom pomagamo izboljšati njihove reflekse in spomin. Otroke lahko na primer vključimo v zahtevne dejavnosti, kot so igre s spominskimi karticami, slikanje, glasba itd., da jim pomagamo optimizirati njihov spomin in hitrost reakcije. Otroke lahko spodbujamo tudi k več dejavnostim na prostem in športu, da izboljšajo svojo telesno pripravljenost.

V procesu starševstva moramo otroke spodbujati k nenehnemu preizkušanju novih stvari in aktivnemu vključevanju v različne dejavnosti v šolskem in družinskem življenju, da dobijo več možnosti za vadbo. Otroke moramo pozitivno spodbujati in podpirati, da se bodo lahko samozavestno soočali z različnimi življenjskimi izzivi, da se bo njihova hitrost odzivanja in spomin hitro izboljšala. Vidi se, da moramo izboljšati spomin. Cistanche deserticola lahko občutno izboljša spomin, saj je Cistanche deserticola tradicionalno kitajsko zdravilno sredstvo s številnimi edinstvenimi učinki, med katerimi je tudi izboljšanje spomina. Učinkovitost mletega mesa izhaja iz različnih učinkovin, ki jih vsebuje, vključno s kislino, polisaharidi, flavonoidi itd. Te sestavine lahko na različne načine spodbujajo zdravje možganov.

Kliknite poznajte dodatke za izboljšanje spomina

Po izključitvi posameznih poskusov smo izključili vse podatke udeležencev, ki se niso dobro odrezali v obeh fazah testa Učenje in Učenje, ker bi bilo težko sklepati o motnjah ali vezavi spomina pri udeležencih, ki niso razumeli naloge ali niso plačali pozornost. Natančneje, za vsakega udeleženca smo izvedli dva enostranska binomska testa. Prvi test je združil vse poskuse iz blokov 2–4 faze učenja niza A z edinstvenimi poskusi iz blokov 2–4 faze učenja niza B. Izključili smo prvi blok teh faz, ker smo pričakovali skoraj naključno natančnost, ko so bili nepredvideni dogodki prvič predstavljeni, in smo izključili prekrivajoče se poskuse iz niza B, ker smo sklepali, da bi bila natančnost v teh poskusih lahko nižja zaradi proaktivnega motenja.

Drugi statistični test je združil vse poskuse iz prvega testa učenja niza A z edinstvenimi poskusi iz testa učenja niza B. Razlog za izključitev prekrivajočih se poskusov za niz B je bila spet možnost proaktivnega motenja. Izključili smo 12 petletnikov, pet 8-letnikov in nič odraslih, katerih natančnost pri obeh binomskih testih ni bila večja od možnosti.1 Končni vzorec je vključeval 32 petletnikov (Mag {{9} }.08 let, SDage=.20, jezik=4.74-5.51; 13 žensk, 19 moških), 30 osemletnikov (Mag=8. 54 let, SDage=.28, jezik=8.05–8.99; 15 žensk, 15 moških) in 30 odraslih (15 žensk, 15 moških).

Da bi preverili, ali so bile te končne velikosti vzorcev ustrezne, smo izvedli analizo moči na podlagi splošne natančnosti v fazi testa vezave za 5-letnike in 8-letnike. Zmogljivost zaznavanja razlike med petletniki in osemletniki je bila v tem poskusu 1.00, kar kaže, da so bile te velikosti vzorcev več kot zadostne za odkrivanje učinka starosti pri natančnosti vezave spomina.

Podatki za ta poskus so predstavljeni na sliki 2 in v tabeli 1. Za analizo podatkov smo izvedli vrsto hierarhičnih Bayesovih linearnih regresij, ki napovedujejo povprečno natančnost v različnih fazah naloge. Te analize so v celoti predstavljene v razdelkih Hierarhični Bayesovi regresijski modeli in Rezultati regresijskih modelov v spletnem dodatnem gradivu.

Na splošno rezultati kažejo na močne motnje, specifične za prekrivanje, v vseh skupinah. Natančneje, čeprav smo našli malo dokazov o proaktivnih motnjah pri učenju ali testiranju nepredvidenih dogodkov iz niza B, smo v drugem testu učenja za niz A (tj. v testu učenja 2A, po učenju in testiranju niza B) našli močne dokaze o retroaktivnem motenju. ), saj je bila natančnost bistveno nižja za prekrivanje v primerjavi z edinstvenimi nepredvidenimi dogodki. Zanimivo je, da je bila tudi natančnost na splošno manjša pri učnem testu 2A. Obstaja več razlogov, zakaj je bilo tako: spomini so morda sčasoma propadli, udeleženci so bili morda utrujeni v tej kasnejši fazi poskusa ali pa je prišlo do motenj zaradi drugih nepredvidenih okoliščin, ki niso bile specifične za prekrivanje dražljajev.

Našli smo tudi močne dokaze o motnjah, ki jih je mogoče posebej pripisati prekrivanju dražljajev v fazi testa vezave, saj je bila natančnost za prekrivanje bistveno nižja v primerjavi z edinstvenimi nepredvidenimi dogodki. Našli smo tudi dokaze o nižji splošni natančnosti za 5-letnike kot za starejše starostne skupine v fazi zavezujočega testa. Rezultati močnih motenj in razvojnih razlik so bili nekoliko presenetljivi, saj so bile značilnosti oblike in barve predstavljene znotraj predmetov in pričakovali smo, da bo vezava znotraj objekta relativno močna v vseh starostnih skupinah.

Vendar pa iz teh rezultatov ni jasno, kakšne asociacije so se oblikovale ali kako so se te vezne strukture morda razlikovale med starostnimi skupinami: udeleženci so morda oblikovali preproste vezne strukture med posameznimi oblikami ali barvnimi značilnostmi in značajem, med oblikami in barvami skupaj znotraj predmetov in potencialno med značilnostmi in znaki, ki bi jih obravnavala kompleksna vezna struktura. Težko je oceniti, v kolikšni meri so bile te vezne strukture oblikovane s standardnimi statističnimi modeli, kot je regresija. Namesto tega potrebujemo model, ki predvideva tako pravilne odzive kot različne vrste odzivov na napake na podlagi osnovne predstavitve (tj. vezne strukture). Za formalno oceno nastanka različnih veznih struktur in razvojnih razlik v teh procesih smo izdelali generativni računalniški model.

Opis računalniškega modela – Za uradno karakterizacijo procesov vezave, za katere smo domnevali, da so podlaga za delovanje v tem poskusu, smo razvili nov računalniški model (za popoln opis modela glejte razdelek Generativni računalniški model v spletnem dodatnem gradivu). Model predpostavlja, da so bili odgovori udeležencev podprti z močjo asociacij, pridobljenih med eksperimentom.

V modelu matrike MFF, MFC in MFFC shranjujejo povezave med značilnostmi oblike in barve (tj. povezavami značilnost-značilnost ali FF), med vsako ločeno značilnostjo predmeta (oblika ali barva) in znakom (tj. značilnost-znak vezave ali FC) in med konjunkcijo obeh funkcij skupaj znotraj predmeta in znaka (tj. vezava značilnost-znak ali FFC). Te matrike so posodobljene na preskusni ravni za simulacijo procesov vezave in preverjene s pomnilniškimi znaki za simulacijo priklica.

Vsaka vezna struktura je dvosmerna: na primer, ko je oblika povezana z znakom, je tudi znak povezan z obliko (glejte sliko 3). Povezave med različnimi elementi so povečane v treh matricah na poskusni ravni, prilagojene s parametri hitrosti učenja, značilnimi za vsako vrsto vezave: FF, FC in FFC. Različne vezne strukture na različne načine vplivajo na delovanje modela. Povezave FF ne vplivajo na uspešnost v fazah preizkusa učenja ali učenja, vendar v testu zavezovanja prispevajo k pravilnim odgovorom za edinstvene nepredvidene dogodke ter k možnostima pravilnega in prekrivajočega odgovora za prekrivajoče se nepredvidene dogodke.

V poskusu 1 je bila vezava FF znotraj objekta spodbujena s predstavitvijo oblik in barv znotraj istega predmeta, medtem ko so bile v poskusu 2 značilnosti prostorsko ločene, da bi spodbudile vezavo zunaj objekta (slika 3, zgornja plošča). Povezave FC prispevajo k natančnim odzivom v fazah preizkusa učenja in učenja, lahko pa prispevajo tudi k netočnemu odzivu za prekrivajoče se nepredvidene dogodke po uvedbi niza B; te povezave se lahko uporabijo tudi v testu vezave za povečanje verjetnosti izbire možnosti odgovora, ki so bile povezane z danim znakom. Nazadnje, zapletene povezave FFC prispevajo samo k pravilnemu odzivu za prekrivajoče se in edinstvene nepredvidene dogodke v vseh fazah naloge.

Poleg krepitve tovrstnih asociacij lahko model "pozabi" tako, da oslabi predhodno oblikovane asociacije, ki so v nasprotju s trenutnim učenjem. Na primer, pri učenju prekrivajočih se nepredvidenih dogodkov v fazi učenja za niz B je bila vsaka značilnost predmeta predhodno povezana z drugim znakom prek vezave FC in model lahko oslabi te konkurenčne povezave, da olajša večjo natančnost in s tem zmanjša proaktivne motnje, medtem ko hkrati pa povečuje retroaktivne motnje pozneje, ko se niz A ponovno pregleda v učnem testu A2.

Učinek pozabljanja je torej podoben inhibicijskemu procesu, kot je opisano v uvodu, čeprav nismo vključili mehanizma, s katerim bi lahko pozabljanje obrnili, razen novega učenja, medtem ko se inhibicija pogosto obravnava kot začasen pojav (Geiselman & Bagheri, 1985). Posledično bi lahko mehanizem pozabljanja v modelu obravnavali kot proces odvajanja od učenja. Obseg tega procesa pozabljanja, ki vpliva na vse vezne strukture, je bil nadzorovan z enim dodatnim parametrom, .

Ti procesi učenja in pozabljanja so v modelu definirani matematično. Čeprav so celotne enačbe modela na voljo v spletnih dodatnih gradivih, zdaj ponujamo poenostavljene enačbe za povzetek komponent modela. Vsaka matrika se posodobi ob vsakem poskusu:

kjer je M ena od treh asociativnih matrik in je ustrezna stopnja učenja (spomnimo se, da so različne stopnje učenja ocenjene za vezavo FC, FF in FFC: FC, FF FFC). Vektorski predstavitvi dveh elementov (npr. oblika in barva) sta označeni kot f1 in f2. Ti elementi so povezani z zunanjim produktom, označenim s simbolom ⊗. Pozabljanje v modelu krmilimo s parametrom , ki je enak za vse vrste vezave (FC, FF in FFC). Do pozabe pride tako, da se zmanjša povezava med posameznim elementom in drugimi elementi, ki so bili prej povezani z njim, vendar niso predstavljeni v trenutnem poskusu, označeni kot fx.

Na primer, če sta bila v nizu A predstavljena modri krog in rumena zvezda, ko je modra zvezda predstavljena v fazi učenja za niz B, bi bila povezava z modro zvezdo okrepljena z novim učenjem, medtem ko bi bila povezava z modrim krogom oslabljena z pozabljanje. Upoštevajte, da v celotnem modelu učenje poteka dvosmerno (npr. ker je modra povezana z zvezdo, je zvezda povezana z modro; glejte dodatna spletna gradiva za enačbe celotnega modela).

Končno je r ena sama skalarna vrednost, ki predstavlja signal novosti na ravni poskusa, ki se spreminja od poskusa do poskusa in sledi, kako močno sta bila elementa f1 in f2 že povezana v preteklosti: r=e −f1·(M ·f2)+f2·(M·f1)).

V tej enačbi se f2 uporablja kot iztočnica za pridobivanje niza predhodno povezanih elementov iz M prek pikčastega produkta, nato pa drugi pikčasti produkt "prebere", kako močno je bil pridobljen zlasti f1. Ta vrednost skalarne jakosti se nato doda ustrezni vrednosti jakosti za povezavo v nasprotni smeri (tj. kako močno je f2 pridobil f1). Za to skupno vrednost trdnosti se uporabi eksponentna funkcija. Če za te povezave prej ni prišlo do učenja, bodo moči enake nič, rezultat pa je r=1 in popolno učenje.

Ko pa povezave postanejo močnejše, postanejo vrednosti moči večje in r se približa ničli. Rezultat tega mehanizma je, da je učenje zmanjšano za asociacije, ki so bile že dobro naučene, kar je potrebno, da preprečimo neomejeno rast asociacijskih moči, saj učenje poteka v več poskusih.

Za simulacijo odločanja model izračuna moč povezave med podanimi spominskimi znaki in možnimi cilji pri vsakem poskusu. Moči so določene s preizkušanjem asociativnih matrik z iztočnicami: s=(M · fcue ) · cilj. Ta enačba pridobi niz elementov, ki so bili povezani z iztočnico (iztočnico), in prebere eno samo jakostno vrednost (e) za določeno tarčo (tarčo). Te ocene moči zagotavljajo osnovo za izračun verjetnosti vsakega možnega odziva, hkrati pa omogočajo konkurenco drugih možnih odzivov, ki bi lahko povzročili motnje.

To pravilo konkurenčnega iskanja je implementirano kot funkcija softmax: Pcℎoice=e s cℎoice ∑e s. Če so prednosti, ki podpirajo vse možne izbire, enake, bo model napovedal uspešnost na ravni naključja, toda v kolikor je določena izbira podprta z večjimi vrednostmi moči kot druge izbire, bo model bolj verjetno sprejel ustrezno izbiro.

Model prilagodimo opazovanim podatkom s štirimi prostimi parametri: FC, FF, FFC in . Pomembno je, da model ni bil primeren za povzemanje statističnih podatkov, kot je delež pravilnih odgovorov v določeni fazi, ampak je upošteval izbiro udeležencev za vsak poskus v vsaki fazi eksperimenta. Za ujemanje z modelom smo uporabili hierarhične Bayesove tehnike, ki so nam omogočile oceno starostnih razlik z posteriornimi porazdelitvami parametrov. Oglejte si dodatna spletna gradiva za dodatne podrobnosti o modelu in o tem, kako je bil prilagojen podatkom.

Rezultati računalniškega modela – da bi ocenili ustreznost modela, smo ustvarili uspešnost nalog na poskusni ravni glede na ocene parametrov, ki se najbolje prilegajo vsakemu udeležencu (glejte sliko 2 za primerjavo opazovane in z modelom predvidene uspešnosti). Kljub precenjevanju proaktivnega vmešavanja v prvem bloku učenja serije B v vseh starostnih skupinah se je model dobro prilegal večini vzorcev uspešnosti v vseh eksperimentalnih fazah, kar nakazuje, da je lahko zajel vsaj nekatere procese, na katerih temelji izvedba nalog, in njihovo razlikovanje. med starostnimi skupinami.

Posteriorne porazdelitve hiperparametrov za vsako starostno skupino so prikazane na sliki 4A. Starostne razlike za vsak parameter ocenimo z izračunom η, merila porazdelitvenega prekrivanja, opisanega zgoraj v razdelku Analize. Ni bilo bistvenih dokazov o kakršnih koli starostnih razlikah v vezavi FC, ocenjeni s parametrom FC, ali pozabljanju, ocenjeni z (ηs > 0,17). Nasprotno pa smo našli zelo močne dokaze o šibkejši vezavi FF, ocenjeni s parametrom FF, pri 5-letnikih v primerjavi z 8-letniki (η=.005) in odraslimi (η=.001). Obstaja malo dokazov o razlikah med obema starejšima starostnima skupinama (η= 0,642). Te nove ugotovitve kažejo na močne razvojne spremembe v intraobjektni vezavi med 5. in 8. letom starosti, čeprav je ta sposobnost lahko podobna odraslim do 8. leta starosti.

Obstajajo tudi trdni dokazi o nižjih vrednostih parametra kompleksne vezave, FFC, pri 5--letnikih v primerjavi z 8--letniki (η=0,010) in odraslimi (η=0,002). Čeprav so bile ocenjene vrednosti parametrov običajno višje pri odraslih v primerjavi z osemletniki, ta razlika ni bila zelo močna (η=0,429). Ta zadnja ugotovitev je bila nekoliko presenetljiva, ker je predhodno delo z uporabo naloge odpoklica nakazovalo dolgotrajen razvoj kompleksne vezave po 7. letu starosti (Yim et al., 2013). Morda je nastajajoča sposobnost oblikovanja kompleksnih vezav bolj opazna pri nalogah prepoznavanja kot pri težjih nalogah priklica; k temu vprašanju se vračamo v splošni razpravi.

Da bi preverili, ali so vsi mehanizmi modela potrebni za prilagajanje podatkov, smo izvedli študijo primerjave modelov, v kateri je bil vsak parameter izločen iz modela (tj. nastavljen na nič), medtem ko so ostali bili prilagojeni podatkom, in ugotovili smo, da celoten model, vključno z vsemi štirimi parametri, najbolje ustreza podatkom, tudi če upoštevamo kompleksnost modela (glejte razdelek Primerjalna študija modela v spletnih dodatnih gradivih in glejte sliko S5 v istem razdelku, kako ti različni modeli napovedujejo različne vzorce delovanja).

Na splošno smo v tem poskusu našli močne dokaze o učinkih motenj v spominu v vseh starostnih skupinah na podlagi hierarhičnih regresijskih modelov, skupaj z razvojnimi razlikami v uspešnosti v Binding Testu. Morda je še pomembneje to, da smo z novim računalniškim modelom našli dokaze o bistvenih razvojnih razlikah v intraobjektni vezavi in ​​kompleksni vezavi po 5. letu starosti, vendar ne po 8. letu starosti. Iz teh rezultatov pa ni jasno, kako je na vezavo spomina in motnje vplivalo predstavljanje funkcij znotraj istega predmeta. Predhodno delo pri odraslih kaže, da je vezava zunaj objekta bolj zahtevna in je povezana z manj natančnim delovanjem asociativnega spomina v primerjavi z vezavo znotraj objekta (Asch et al., 1960; Ecker et al., 2007, 2013; van Geldorp et al., 2015). . Predpostavili smo torej, da bi prostorsko ločevanje lastnosti predmetov motilo vezavo, zlasti pri majhnih otrocih, kar bi lahko povečalo učinke motenj. Te možnosti smo raziskali v 2. poskusu.

Eksperiment 2: Razvoj metode ekstraobjektne vezave

Udeleženci – petinštirideset 5-letnikov (Mag=5.16 let, SDage=.23, jezik=4.80 −5.74; 17 žensk, 28 moških) , 43 osemletnikov (Mag=8.49 let, SDage=.38, jezik=7.74 – 8.99; 23 žensk, 20 moških) in 34 odraslih (19 samic, 15 moških) je sodelovalo v eksperimentu 2. Za analizo moči glejte razdelek Rezultati in razprava spodaj. Dodelitev temu poskusu ali poskusu 1 je bila naključna.

Dražljaji in postopek – V tem poskusu značilnosti oblike in barve niso bile predstavljene skupaj znotraj istega predmeta, ampak so bile prostorsko ločene (glej sliko 5). Pri vsakem poskusu sta bila prozorna oblika in barvna madež postavljena v navpični poravnavi, relativni prostorski položaj (zgoraj ali spodaj) teh značilnosti pa je bil izravnan za vsako parjenje barvnih oblik znotraj vsakega bloka vsake faze. Postopek je bil enak kot v poskusu 1, le da so bili dražljaji med navodili in povratnimi informacijami o delovanju imenovani kot "pari oblik in barv" namesto predmetov.

For more information:1950477648nn@gmail.com