Metodo

Per manipolare il processo di compressione nel nostro compito di span, abbiamo limitato le informazioni relazionali in un insieme di stimoli visivi di base (come le forme colorate), usando colori semplici e forme semplici. Più specificamente, abbiamo usato liste di stimoli visivi, categorizzabili, artificiali tridimensionali, con caratteristiche discrete a due valori/booleane per le forme, le dimensioni e i colori mostrati nella Figura 1.1. Per un dato set tridimensionale, abbiamo selezionato i set con stimoli con la più bassa informazione relazionale, una manipolazione che è stata ipotizzata per prevenire il chunking. Illustriamo con l’insieme tridimensionale di oggetti: . Un sottoinsieme comprimibile di quattro oggetti sarebbe: , perché la dimensione del colore è sufficientemente diagnostica per discriminare gli oggetti neri da quelli bianchi. Una lista di stimoli basata su questo sottoinsieme offre la possibilità di ricodificare la sequenza usando la semplice regola ‘nero’. La sequenza , in cui l’ordine conta, può essere descritta da una semplice regola che utilizza la caratteristica ‘nero’ (per ricodificare l’intero sottoinsieme, indipendentemente dall’ordine) e l’ordine ‘quadrato-triangolo’ che può essere combinato con una descrizione ‘large-first’ all’interno di ogni forma. Al contrario, un sottoinsieme di oggetti meno comprimibile sarebbe: . L’eterogeneità di questi quattro oggetti che rende complessa la struttura della categoria può essere misurata dalla difficoltà di comprimere l’informazione, tenendo conto della difficoltà di ricodificare gli stimoli in una rappresentazione più compatta (Feldman, 2000). In altre parole, non esiste una regola gerarchica semplice che spieghi la sequenza di forme/colori di questo sottoinsieme. Insiemi di categorie più omogenee producono un minor carico informativo e, come tali, sono più comprimibili e possono essere facilmente ricodificati (o “chunked”) per facilitare il richiamo (Chekaf et al., 2016). Per riassumere, la Figura 11 (in basso) mostra due differenze tra chunkable e non-chunkable. (1) Le liste chunkable possono essere descritte con un minor numero totale di caratteristiche, E (2) le liste chunkable sono disposte in un ordine seriale che permette di scoprire facilmente la comprimibilità (Mathy & Feldman, 2009).

In seguito, chiamiamo le sequenze omogenee comprimibili semplici “chunkable” e le sequenze complesse “non-chunkable” (o “less-chunkable” quando più conveniente). La ragione per cui lo facciamo è che assumiamo che (1) la capacità sia approssimativamente di 3 o 4 chunk e (2) l’aumento delle prestazioni per liste più comprimibili non risulta da un cambiamento nella capacità dei chunk (vedi Cowan, Rouder, Blume, & Saults, 2012) ma da un effettivo aumento della dimensione dei chunk. Anche se la performance a volte risulta da associazioni graduate tra gli elementi piuttosto che da chunks discreti, il vocabolario dei chunk esprime convenientemente la quantità di aumento della performance con liste più comprimibili. Di conseguenza, sono state costruite quattro condizioni: un compito di span semplice con materiale chunkable, un compito di span complesso con materiale chunkable, un compito di span semplice con materiale non chunkable e un compito di span complesso con materiale non chunkable.

Abbiamo previsto che il compito di span semplice potesse avere un effetto benefico sul ricordo solo quando alcune delle informazioni potevano essere ricodificate, mentre tale beneficio non poteva verificarsi quando nessuna informazione (o poche informazioni) poteva essere ricodificata. Al contrario, un compito di span complesso non offre l’opportunità di ricodificare i modelli regolari nella condizione chunkable perché l’attenzione è diretta altrove durante il compito di elaborazione interleaved. Pertanto, abbiamo previsto un’interazione tra compito e comprimibilità, sostenendo solo un maggiore span per il compito di span semplice nella condizione chunkable. Per testare l’entità dell’interazione, abbiamo previsto di eseguire un’analisi bayesiana per confrontare la quantità di materiale chunked nelle quattro condizioni, e in particolare utilizzando un punteggio di chunking che riflette la quantità di materiali chunked nel compito di span semplice e nel compito di span complesso. Una forte interazione dovrebbe essere supportata da un punteggio di chunking più piccolo per il compito complesso.

Partecipanti. Novantaquattro studenti (M = 23 anni, sd = 5,3) iscritti all’Université Côte d’Azur si sono offerti volontari per partecipare all’esperimento. La stima della dimensione del campione è stata calcolata sulla base della differenza osservata nel nostro studio precedente per la proporzione corretta tra la condizione più chunkable e la condizione meno chunkable. Abbiamo ottenuto 75 < N < 105, in funzione di η che varia tra .40 e .55, con .55 che è il valore ottenuto nel nostro studio precedente, per una potenza di .80.

Stimoli. I nostri stimoli variavano secondo tre dimensioni a due valori/booleane (forma, dimensione e colore, le tre dimensioni tipicamente utilizzate dai ricercatori di apprendimento delle categorie per costruire set di stimoli canonici; Love & Markman, 2003). Abbiamo usato solo due valori per dimensione all’interno di ogni prova (Figura (Figura1,1, in basso). Per ogni prova, una combinazione casuale di due forme (tra otto diverse), due colori (tra otto diversi) e due dimensioni ha creato un insieme di otto oggetti possibili. Abbiamo limitato la dimensione delle dimensioni a due valori diversi (grande vs. piccola, cioè 280 × 280 pixel vs. 140 × 140 pixel) nelle liste perché i partecipanti avevano difficoltà a identificare i valori intermedi durante i nostri pre-test. L’uso di otto forme, otto colori e due dimensioni era sufficiente a generare 1568 possibili insiemi di otto oggetti, il che limitava l’interferenza proattiva tra le prove (una combinazione campionata di caratteristiche è riportata nella Figura 1,1, in alto).

Il partecipante non sapeva in anticipo quale delle dimensioni sarebbe stata la più rilevante per il processo di categorizzazione. I valori delle dimensioni sono stati scelti casualmente per ciascuna delle liste presentate, in modo da variare le possibili combinazioni di dimensioni (forme, dimensioni e colori) tra le liste, pur conservando la stessa struttura di categoria (mostrata nella Figura 1,1). La probabilità che un partecipante si imbattesse in due set di caratteristiche identiche tra due liste durante l’esperimento è stata assunta come molto bassa.

Procedura. L’esperimento era un disegno 2 × 2 within-subject. Ogni partecipante ha tentato tutti e quattro i blocchi (chunkable simple span task, non-chunkable simple span task, chunkable complex span task, non-chunkable complex span tasks), il cui ordine era controbilanciato tra i partecipanti (cioè, 24 ordini possibili; 96 partecipanti erano necessari per bilanciare perfettamente il disegno). Ogni blocco comprendeva diverse liste di stimoli e il richiamo avveniva dopo ogni lista. I partecipanti sono stati informati che dovevano memorizzare, nell’ordine corretto, ogni lista di stimoli. Una lista di stimoli (ad esempio, un piccolo quadrato blu e un grande quadrato blu) è stata scelta da una combinazione casuale di due forme (ad esempio, tutti gli stimoli risultanti dalla combinazione di oggetti piccoli contro grandi, blu contro rossi e quadrati contro cerchi). Gli stimoli di una data sequenza venivano visualizzati in serie al centro dello schermo per un secondo ciascuno (ad esempio, per una lista di due stimoli, un piccolo quadrato blu seguito da un grande quadrato blu). La difficoltà di ogni sequenza è stata stimata seguendo la metrica di compressibilità descritta da Chekaf et al. (2016) e basata su Feldman (2000). Questa metrica fa semplicemente uso di formule normali disgiuntive (una lista disgiuntiva di congiunzione di caratteristiche) per calcolare il numero minimo di caratteristiche che riducono le liste non compresse di oggetti (che elencano testualmente tutte le caratteristiche degli oggetti costituenti all’interno delle liste).

Dopo la presentazione della lista di oggetti, lo schermo di risposta mostrava l’intero insieme di otto oggetti da cui era stato selezionato il sottoinsieme. Lo schermo di risposta mostrava in posizioni determinate a caso otto scelte di risposta: i k stimoli da richiamare e gli 8 – k oggetti distrattori rimanenti. Ai partecipanti veniva richiesto di ricordare la lista degli oggetti e di ricostruire il loro ordine. Il partecipante effettuava le selezioni cliccando sugli oggetti per richiamare gli oggetti nell’ordine corretto. Questa procedura di richiamo è simile a quella del compito di relazione seriale della memoria a breve termine visiva (Avons & Mason, 1999; Smyth, Hay, Hitch, & Horton, 2005). Gli stimoli sono stati sottolineati con una barra bianca quando l’utente ha cliccato su di essi. Non c’era alcun vincolo temporale per il richiamo. Il partecipante poteva passare alla sequenza successiva premendo la barra spaziatrice.

Gli 8 – k oggetti distrattori rimasti nella schermata di prova ci hanno permesso di calcolare correttamente la compressibilità. Per esempio, per la prova #14nc mostrata nella Figura 1,1, lo schermo di richiamo includeva un grande triangolo verde, un piccolo triangolo viola, un piccolo cerchio verde e un grande cerchio viola come nuovi oggetti, oltre ai quattro stimoli (grande triangolo viola, piccolo triangolo verde, un piccolo cerchio viola e un grande cerchio verde). La prova #14c mostrata nella figura 11 includeva i quattro oggetti rossi oltre ai quattro stimoli blu. La comprimibilità dei memorandum era quindi intenzionalmente correlata alle richieste di recupero delle prove. Seguendo l’esempio precedente, i nuovi oggetti del trial 14nc sono logicamente più interferenti con i memoranda perché le caratteristiche delle esche si sovrappongono a quelle degli stimoli da richiamare. Al contrario, le esche rosse potrebbero essere meno confuse con gli oggetti dello stimolo blu in #14c. Poiché “blu” è una descrizione semplice dei memoranda, la categoria opposta è necessariamente anch’essa semplice (cioè “rosso”). Il fatto che ogni descrizione e il suo complemento abbiano la stessa complessità è generalmente indicato come parità.

Le liste sono state visualizzate utilizzando la presentazione ascendente della lunghezza (la lunghezza variava progressivamente da 1 a 8 elementi), come nei digit span utilizzati nei test neuropsicologici. La prova di lunghezza 1 è stata utilizzata solo come riscaldamento. Per esempio, il nostro esperimento ha usato lo stesso numero di ripetizioni per lunghezza come il digit span del WISC o WAIS. Un blocco si fermava automaticamente dopo quattro errori all’interno di una data lunghezza della lista (un errore era semplicemente l’incapacità del partecipante di richiamare la sequenza interamente in ordine perfetto). Ai partecipanti sono state date quattro prove per ogni lunghezza L. Sono stati anche informati che le prime tre prove in ogni blocco sarebbero state trattate come prove di pratica e poi scartate dall’analisi. Dopo questo riscaldamento, c’erano quattro prove per lunghezza della lista in ogni condizione.

Quando il compito era un compito di span semplice, c’era un intervallo di 500ms tra le voci. Quando il compito era un compito di span complesso, abbiamo usato la procedura del compito Operation Span (OS). In OS, i partecipanti devono eseguire operazioni matematiche tra gli elementi della memoria (vedi Conway et al., 2005; Kane et al., 2004). Un’equazione è stata visualizzata sullo schermo (ad esempio, “7 + 2 = 10”) prima che ogni elemento da ricordare fosse presentato (le equazioni sono state lette in silenzio). Il partecipante aveva tre secondi per giudicare l’equazione cliccando un pulsante (vero o falso), prima che venisse visualizzato l’elemento successivo. L’equazione scompariva dopo che il partecipante aveva dato una risposta, appena prima che venisse visualizzato l’elemento successivo. Questo compito di elaborazione interleaved è stato pensato per impedire ai partecipanti di chunking liberamente.

Per lo span semplice non chunkable, per una data lunghezza della lista, le liste più incomprimibili si alternavano con liste meno incomprimibili; altrimenti, i chunks avrebbero mostrato troppa somiglianza attraverso l’esperimento. Per esempio, nella figura 1,1, la prova #10nc mostra l’insieme di tre oggetti più incomprimibile, con una prima differenza di 2 caratteristiche (dimensione e colore, tra il piccolo quadrato bianco e il grande quadrato nero) seguita da una seconda differenza di 2 caratteristiche (dimensione e forma, tra il grande quadrato nero e il piccolo triangolo nero), mentre la prova #9nc mostra un insieme di 3 oggetti meno incomprimibile, ordinato utilizzando una differenza di 3 caratteristiche seguita da una differenza di 2 caratteristiche per rendere più difficile il processo di chunking. La distanza inter-oggetto (il numero sommato di differenze di caratteristiche tra gli oggetti) è conveniente per descrivere le relazioni tra le caratteristiche, ma Feldman (2000, 2003) descrive più precisamente come le caratteristiche possono essere ridescritte per comprimere la somma delle informazioni in ogni insieme di oggetti (il processo di compressione non è sempre legato alla distanza inter-oggetto). Per esempio, “piccolo quadrato bianco, piccolo quadrato nero” può essere ridotto a due caratteristiche (“piccolo quadrato”), mentre “piccolo quadrato bianco, grande triangolo nero” non può essere ridotto a meno di sei caratteristiche. Qui, per esempio, la descrizione complessiva dei tre oggetti nella prova #9nc richiede un’espressione logica minima di 5 caratteristiche, invece di 8 caratteristiche per #10nc; vedi (Feldman, 2003). Questa misura di compressibilità serve qui solo per prevedere la chunkability di un insieme di categorie (un ordine esatto come ‘primo bianco’ richiede ancora un’informazione in più nel contesto sperimentale). Nel complesso, tutte le strutture di categoria di una data lunghezza sono state scelte per essere meno comprimibili nella condizione non chunkable che nella condizione chunkable.

Scoring. Per calcolare una stima dello span in ogni condizione, è stato assegnato un valore di .25 per ogni rapporto seriale perfettamente corretto di tutti gli elementi di memoria all’interno di una prova.2 Per esempio, un partecipante che ricordasse solo 3 sequenze su 4 di un oggetto riceverebbe uno span di .75, se fallisse totalmente per sequenze più lunghe. Quando un soggetto ha ottenuto 4, 4 e 3 prove corrette alle lunghezze 1, 2 e 3 rispettivamente, allora lo span era uguale a (4 + 4 + 3)/4 = 2,75. Quando un soggetto ha ottenuto 4, 3 e 2 prove corrette alle lunghezze 1, 2 e 3 rispettivamente, allora lo span era uguale a (4 + 3 + 2)/4 = 2,25.

.