Učinki časovnega združevanja v verbalnem in glasbenem kratkoročnem spominu: Ali je predstavitev serijskega vrstnega reda splošna? 2. del

Če povzamemo, cilj te študije je bil raziskati učinke časovnega združevanja na takojšnjo serijsko rekonstrukcijo tonskih zaporedij.

Tonska zaporedja so pogosta težava, ki jo imajo ljudje pri učenju in pomnjenju jezika, vendar jih je mogoče izboljšati in upravljati. Obvladovanje tonskih zaporedij je ključnega pomena za naš spomin in učinkovitost učenja.

Raziskave kažejo, da lahko zaporedja tonov stimulirajo različne dele možganov in stimulirajo spominske centre. To pomeni, da lahko s pravim tonom glasu izboljšamo spomin in učenje. Na primer, ko se učimo novo besedno besedo, lahko uporabimo različne intonacije, da si jo zapomnimo in jo po potrebi celo sami zapojemo. Ta metoda se lahko uporablja pri učenju mnogih kitajskih in tujih jezikov.

V vsakdanjem življenju lahko obvladovanje tona izboljša socialne veščine in medosebno komunikacijo. Če se naučimo uporabljati ustrezno intonacijo in ton glasu, se lahko bolje sporazumevamo in razumemo drug z drugim. Predvsem pri poslovnih pogajanjih ali komunikaciji med različnimi kulturami sta pravilen ton in intonacija še kako pomembna.

Na koncu bi radi omenili še vpliv višine tona na razpoloženje in čustva. Z uporabo različnih tonov glasu lahko prilagajamo razpoloženje in čustveno stanje. Na primer, visok ton glasu lahko povzroči, da se ljudje počutijo navdušene in srečne, medtem ko lahko nizek ton glasu povzroči občutke miru in nežnosti.

Če povzamemo, obvladovanje tonskih zaporedij je ključnega pomena za naš spomin, učenje, socialne veščine in čustveni nadzor. Usvojimo svoj jezik in uporabljajmo ustrezen ton in intonacijo, da izboljšamo kakovost svojega življenja. Vidimo lahko, da moramo izboljšati spomin, in Cistanche deserticola lahko bistveno izboljša spomin, saj ima Cistanche deserticola antioksidativne, protivnetne učinke in učinke proti staranju, kar lahko pomaga zmanjšati oksidacijo in vnetne reakcije v možganih, s čimer ščiti zdravje živčnega sistema. Poleg tega lahko Cistanche deserticola spodbuja tudi rast in popravilo živčnih celic ter tako izboljša povezljivost in delovanje nevronskih mrež. Ti učinki lahko pomagajo izboljšati spomin, učenje in hitrost razmišljanja ter lahko tudi preprečijo razvoj kognitivnih motenj in nevrodegenerativnih bolezni.

Kliknite Know za izboljšanje kratkoročnega spomina

S primerjavo učinkov časovnega združevanja, opaženih za tonska zaporedja, s tistimi, o katerih poroča verbalna literatura STM, je bil naš cilj (1) izboljšati naše razumevanje mehanizmov, na katerih temelji predstavitev serijskega reda v glasbenem STM, in (2) obravnavati vprašanje splošnost domen procesov serialorder v STM.

Izvedli smo prvi vnaprej registriran poskus, v katerem smo primerjali vnaprejšnjo rekonstrukcijo informacij o serijskem vrstnem redu med nezdruženimi 6-tonskimi zaporedji in istimi zaporedji, združenimi v dve skupini treh elementov.1

Na podlagi rezultatov, dobljenih v tem prvem poskusu, je bil izveden nepredregistriran nadaljnji spletni poskus, ki je zahteval serijsko priklic 6-črkovnih združenih in nezdruženih zaporedij, da se omogoči neposredna primerjava s podatki, pridobljenimi v 1. poskusu.

Zaradi prisotnosti učinka zgornje meje, ki je omejeval primerjavo učinkov časovnega združevanja v glasbeni (poskus 1) in verbalni (poskus 2) domeni, je bil za upoštevanje učinka zgornje meje izveden še en nepredregistriran spletni poskus. Na splošno ti poskusi podpirajo tesno podobnost med učinki časovnega združevanja, opaženimi na verbalnem in glasbenem področju.

Eksperiment 1: napredna rekonstrukcija glasbenega reda

Metoda

Načrt vzorčenja. Trenutno obstaja trend na področju psiholoških znanosti, ki daje prednost uporabi Bayesovih statističnih tehnik za načrtovanje eksperimentov in ustvarjanje statističnih sklepov. Bayesova statistika ponuja številne prednosti (za pregled glej Dienes, 2016; Wagenmakers et al., 2018).

Na primer, Bayesove statistične analize omogočajo spremljanje statističnih dokazov med zbiranjem podatkov, nanje ne vpliva namen, s katerim se podatki zbirajo, in niso občutljive na neobvezna pravila za zaustavitev (Berger & Berry, 1988; Rouder, 2014). Ob upoštevanju teh premislekov smo za poskus 1 uporabili naslednji načrt vzorčenja (za podobno utemeljitev pri določanju načrta vzorčenja glejte Wagenmakers et al., 2015).

Najprej smo zaposlili 2 0 udeleženca in izvedli načrtovane analize. Če smo za te analize (za več podrobnosti glejte razdelek »Načrt analize«) pridobili močno raven statističnih dokazov bodisi za alternativno (H1) bodisi za ničelno (H0) hipotezo z Bayesovim faktorjem (BF) 10 ali več, zbiranje podatkov bi se ustavilo. Če to merilo ne bi bilo izpolnjeno za vsaj eno od naših načrtovanih analiz, bi med spremljanjem vrednosti BF pridobili več udeležencev.

Z drugimi besedami, izvedli smo iste analize po vsaki skupini petih udeležencev in nadaljevali, dokler nismo dosegli trdnih statističnih dokazov za vse načrtovane analize (H0 ali H1). Zaradi omejenih virov pa smo nameravali ustaviti zbiranje podatkov po zaposlitvi 50 udeležencev, čeprav nismo izpolnili kriterija statističnih dokazov za vse načrtovane analize. Udeleženci.

Eksperiment je odobril odbor za etiko Fakultete za psihologijo in pedagoške znanosti Univerze v Ženevi. Oseminpetdeset študentov prvega letnika psihologije z Univerze v Ženevi je sodelovalo v Eksperimentu 1 v zameno za delno oceno tečaja.

Končni vzorec je sestavljalo 50 udeležencev (45 žensk; starost n let: M=21.78, SD=1.95; stopnja izobrazbe v letih: M=13.00 , SD=1.12; učenje glasbene teorije v letih: M=0.35, SD=0.85; glasbena praksa v letih: M=0.69, SD{ {16}}.04) po izključitvi osmih udeležencev, ki niso izpolnjevali meril za vključitev (za več podrobnosti glejte datoteko z demografskimi podatki v repozitoriju OSF, povezanem s tem rokopisom). Merila za vključitev in izključitev.

Ker nas je zanimal glasbeni STM za obdelavo serijskega naročila pri udeležencih brez glasbenega strokovnega znanja, udeleženci v času eksperimenta niso smeli imeti več kot 3 leta izkušenj s študijem glasbene teorije ali vadbo glasbila (vključno s petjem). Iz vzorca smo izključili udeležence z nevrološkimi ali govornimi motnjami (npr. disleksijo).

Nazadnje smo iz analize izključili podatke vseh udeležencev z uspešnostjo, ki je enaka ali nižja od stopnje verjetnosti .17 v vsaj enem od eksperimentalnih pogojev. Da bi se držali načrta vzorčenja, so bili izključeni udeleženci nadomeščeni z zaposlitvijo drugih udeležencev.
dražljaji. Dražljaji so bili sestavljeni iz 60 6-tonskih zaporedij. Da bi zmanjšali možnost, da bi uporaba omejenega nabora šestih tonov lahko povečala proaktivne motnje, smo uporabili nabor 14 različnih tonov, sestavljenih iz vseh diatoničnih stopenj lestvice C-dur (v razponu od C4 do B5). Toni so bili čisti valovi, ustvarjeni z Audacity (Audacity Team, 2017) in shranjeni kot datoteke .wav, od katerih je vsaka trajala 500 ms s periodo vzpona in padca 10 ms.

Zaporedja tonov so bila ustvarjena z uporabo psevdo-naključnih permutacij po treh pravilih, prilagojenih iz prejšnjih študij verbalnega STM za serijski vrstni red (glej na primer Hartley et al., 2016):

1. Ne več kot dva zaporedna tona, ki sta tudi zaporedna v nizu tonov (npr. C4–E4–G4 ali B4–D5–F5 ni bil zakonit);

2. Dovoljena sta bila največ dva zaporedna intervala v isti smeri (npr. C4 [ ]  E4 [ ]  D5 [ ]  G4, ne pa C4 [ ]  E4 [ ]  D5 [ ]  F5);

3. Ni tona na istem serijskem položaju v zaporednih poskusih.

Ker uporabljeni toni pokrivajo dve oktavi, smo velikost intervalov omejili na največ sedem poltonov, da bi se izognili prisotnosti neznanih velikih intervalov. Zagotovili smo tudi, da so sekvence zelo povezane z dur lestvico. Z drugimi besedami, vsako zaporedje ima največjo ključno korelacijo vsaj 0,70 s profilom porazdelitve tonov vsaj ene od glavnih lestvic. Največja ključna korelacija je bila določena z uporabo algoritma za iskanje ključev Krumhansl & Schmuckler (Krumhansl, 1990).

Da bi ujemali dražljaje med dvema pogojema združevanja, smo ponovno uporabili 30 sekvenc iz nezdruženih poskusov, vendar smo jih predvajali v obratnem serijskem vrstnem redu in jih predstavili od zadnjega do prvega v združenih poskusih.

Da bi preprečili neželene učinke, ki so posledica uporabe fiksnega niza tonskih zaporedij, je bil za vsakega udeleženca vnaprej ustvarjen nov niz psevdo-naključno ustvarjenih tonskih zaporedij. Da bi zagotovili, da je bilo vsako ustvarjeno zaporedje uporabljeno tako v nezdruženem kot skupinskem preskušanju, so sodi udeleženci imeli nezdružena in združena zaporedja, ki ustrezajo združenim oziroma nezdruženim zaporedjem predhodnega lihega udeleženca v poskusu.

Eksperimentalna zasnova. Poskus je temeljil na 2-zasnovi dejavnika znotraj udeležencev. Dve vrsti sekvenc sta bili predstavljeni v dveh različnih blokih, pri čemer so bile nezdružene sekvence vedno predstavljene prve.

To je bilo storjeno, da bi se izognili predstavitvi združenih zaporedij, ki bi najprej lahko vodila do uporabe subjektivnih strategij združevanja za nezdružene poskuse (za podoben postopek glej Farrell & Lewandowsky, 2004; Hartley et al., 2016). Pri nezdruženih poskusih so bili toni predstavljeni v rednem tempu. Postopek.

Postopek je obsegal zvočno predstavitev skupno 60 poskusov. Dražljaje so predvajali na udobni slušni ravni prek slušalk, povezanih s prenosno delovno postajo. Vsak poskus se je začel z odštevanjem od 3 do 1, prikazanim na sredini računalniškega zaslona v hitrosti 500 ms. Zaporedje tonov je bilo zaporedno predvajano na praznem zaslonu, prikazanem 500 ms.

V nezdruženih poskusih so bili toni predstavljeni z rednim interstimulusnim intervalom (ISI) 150 ms. V skupinskih preskušanjih je bil ISI 75 ms za postavke znotraj skupine (položaji 1–2, 2–3, 4–5 in 5–6) in 450 ms za postavke med postavkami, ki tvorijo meje skupine (pozicije 3–4). Takoj po predstavitvi zaporedja se je na zaslonu prikazala navidezna tipkovnica in udeleženci so uporabili zaslon na dotik za rekonstrukcijo zaporedja.

Udeleženci so bili prisiljeni rekonstruirati zaporedja v zaporednem vrstnem redu. Da bi to naredili, so morali poiskati in potrditi ton, ki ustreza prvemu položaju, nato nadaljevati na drugi položaj in tako naprej, dokler niso rekonstruirali celotnega zaporedja. Za rekonstrukcijo zaporedja tonov je bila ponovno uporabljena virtualna tipkovnica (slika 2). Plast šestih belih tipk, ki predstavljajo šest tonov, slišanih v sekvenci, ki jo je treba rekonstruirati, je bila prikazana vodoravno na zaslonu. Tetoni so bili organizirani v naraščajočem vrstnem redu, od najnižjega na levi do najvišjega na desni.

Vsakič, ko je bila pritisnjena tipka na zaslonu na dotik, se je v slušalkah predvajal ustrezen ton. Z dotikom tipke se je aktiviral povezan ton, tako da se je barva tipke spremenila v zeleno (glejte plošče 1, 5, 7 ali 10 na sliki 2). Ko je udeleženec pridobil ton za trenutni položaj in aktiviral tipko, je moral pritisniti gumb "potrditev", da je nadaljeval na naslednji položaj (glejte plošče 4, 6, 8 ali 12 na sliki 2).

Ko je bil ton dodeljen položaju, se je ustrezna tipka spremenila v sivo, kar pomeni, da tona ni več mogoče uporabiti, in zvočna povratna informacija za to tipko je bila izklopljena. "Aktivni" ton je bilo mogoče spremeniti pred preverjanjem položaja (glejte podokna 10–12 na sliki 2), vendar ne, ko je bil položaj preverjen.

Če se za kateri koli položaj udeleženec ni spomnil ustreznega tona ali ni želel ugibati, je bilo možno odgovoriti z "ne vem" z izbiro "?" pred preverjanjem položaja (glejte ploščo 11 na sliki 2). Končno, kadar koli med postopkom rekonstrukcije so imeli udeleženci priložnost slišati rekonstruirano sekvenco do takrat (glej ploščo 9 na sliki 2).

Hipoteze

Poskus je imel naslednje cilje: (1) bolje razumeti naravo mehanizmov urejanja v glasbenem STM s študijo učinkov časovnega združevanja pri neglasbenikih, kar bi posledično omogočilo (2) oceno hipoteze o domenski generalnosti serijskega reda v STM .

Da bi to dosegli, smo primerjali zmogljivost priklica za nezdružena in združena 6-tonska zaporedja, pri čemer smo se osredotočili na serijsko natančnost priklica, obliko serijskih položajnih krivulj, zakasnitve odziva in stopnje napak v medpoziciji. V skladu s hipotezo o domenski generalnosti serijskega vrstnega reda STM je bilo predvideno, da bo opazovana večja natančnost ponovnega izračuna za združena kot nezdružena zaporedja.

Predvidevali smo tudi prisotnost serijske krivulje položaja z več loki za združena zaporedja. Končno smo pričakovali, da bomo opazili več interpozicijskih napak v združenih kot nezdruženih zaporedjih.

Načrt analize

Uporabili smo odprtokodni program JASP (različica 0.14, JASP Team, 2018) s privzetimi nastavitvami za vse načrtovane (opisane tukaj spodaj) in sporočene raziskovalne analize. Za Bayesove t-teste , je bil predhodnik predstavljen kot Cauchyjeva porazdelitev z r-lestvico 0,707.

Za Bayesovo analizo variance (ANOVA) je bila predhodna tudi Cauchyjeva porazdelitev z r lestvico 0,5 oziroma 1 za fiksne oziroma naključne učinke. Natančnost priklica in serijska krivulja položaja. Analizirali smo krivulje serijskega položaja s povprečenjem natančnosti priklica kot funkcije serijskega položaja in pogojev združevanja za vsakega udeleženca.

Then, we performed a 2 × 6 repeated-measures ANOVA, with a 2-level type of sequence factor (ungrouped vs. grouped) and a 6-level serial position factor (from 1 to 6). In case of an interaction between the two factors (i.e., the full model is the best model and is supported by a BF of at least 10, relative to the second-best model), we assessed the presence of mini-primacy and mini-recency effects in grouped sequences by comparing recall accuracy between Positions 1 and 2 (H1: 1>2), poziciji 2 in 3 (H1: 2<3), Positions 4 and 5 (H1: 4>5) in položajih 5 in 6 (H1: 5<6) via Bayesian paired samples t-tests.

Transpozicijski gradienti. Analizirali smo transpozicijske gradiente z izračunom deleža transpozicijskih napak kot funkcije premika ločeno za vsak pogoj in vsakega udeleženca. Da bi to dosegli, smo izvedli ANOVA s ponovljenimi meritvami 2 × 5 s faktorjem zaporedja 2-nivojskega tipa (nezdruženo v primerjavi z združenim) in 10-faktorjem razdalje zamika ravni (od –5 do 5, brez { {7}}).

If the full model turned out to be the best (i.e., BF>10 v primerjavi z drugim najboljšim modelom) smo analizirali interakcijo tako, da smo se osredotočili na stopnjo sosednjih premikov in interpozicijskih napak (za več podrobnosti glejte naslednjo analizo).

Interpozicijske napake in sosednje stopnje pomikov. Stopnja interpozicijskih napak in premikov na sosednje serijske položaje je bila določena z izračunom deleža napak, ki vključujejo medskupinske premike elementov, ki ohranjajo svoj začetni položaj znotraj skupine (tj. absolutna razdalja treh pozicij), in deleža serijskih transpozicij serijskega reda, označenega z absolutno premikovno razdaljo enega serijskega položaja med vsemi serijskimi napakami in ločeno za vsako vrsto zaporedja (nezdruženov primerjavi z združenimi).

Nato sta bila oba pogoja združevanja primerjana na podlagi opazovane stopnje napak pri interpoziciji

(H1: interpositions in grouped sequences>interpozicijev nezdruženih zaporedjih) in sosednji premik (sosednji premik v združenih zaporedjih

Rezultati

Načrtovane analize. BANOVA s ponavljajočimi se meritvami 2 × 6, izvedenimi pri natančnosti priklica kot funkciji serijskega položaja (1–6) in pogojev združevanja (združeni vs. nezdruženi), je razkril, da je najboljši model model z dvema glavnima učinkoma (glej sliko 3a).

Ta model ima prednost pred drugim najboljšim, polnim modelom s faktorjem 1,80 (glejte vrstice "Krivulje serijske pozicije" v tabeli 1). Ker je bila prednost opredeljena le z anekdotičnimi dokazi, smo analizirali učinek. To je bilo narejeno z JASP z metodo povprečenja dokazov po vseh modelih, ki vsebujejo zanimiv učinek. Podatki so zagotovili odločilne dokaze v prid prisotnosti učinka nizkega položaja (BFInclusion=∞), zelo močne dokaze v prid učinku združevanja (BFInclusion=31.28) in anekdotične dokaze v prid prisotnost interakcije (BFVključitev=2.15).

Kot je bilo prvotno načrtovano, nismo analizirali učinkov mini primacije in mini nedavnosti v združenih zaporedjih, saj podatki niso podprli prisotnosti interakcije. ANOVA s ponovljenimi meritvami 2 × 10 je bila izvedena na deležu transpozicijskih napak kot funkcija transpozicijske razdalje (–5 do 5, brez 0) in pogoj združevanja (združeno v primerjavi z nezdruženim), je razkrilo, da je najboljši model za razlago podatkov polni model (glej sliko 3b).

Ta model ima prednost pred drugim najboljšim, ki vsebuje le učinek razdalje s faktorjem 173,36, kar predstavlja odločilno podporo za najboljši model (glejte vrstice "Transpozicijski gradienti" v tabeli 1).

Glede na jasno podporo za interakcijo med pogojem združevanja in razdaljo transpozicije smo primerjali stopnjo sosednjih transpozicij in interpozicij med obema pogojema združevanja, kot je bilo prvotno načrtovano.

For more information:1950477648nn@gmail.com