Method

我々のスパンタスクで圧縮プロセスを操作するために、単純な色と単純な形状を用いて、一連の基礎的視覚刺激（色付きの形状など）に関係情報を制限した。 具体的には、図1.1に示す形、大きさ、色の2値/ブール値の離散的特徴を持つ、視覚的で分類可能な人工3次元刺激のリストを使用した。 これは、チャンキングを防ぐという仮説のもと、与えられた3次元セットに対して、関係情報が最も小さい刺激を持つセットを選択する操作を行った。 物体の3次元セットで説明しよう。 . 4つの物体の圧縮可能な部分集合は次のようになる。 となる。色の次元は、黒い物体と白い物体を識別するのに十分な診断能力を持っているからである。 この部分集合に基づく刺激リストは、単純な規則「黒」を使ってシーケンスを再符号化する可能性を提供する。 順序が重要な配列は、’黒’の特徴を用いた単純な規則（順序に関係なく、サブセット全体を再符号化する）と、各形状内の’大-優先’の記述と組み合わせることができる’四角-三角’の順序で記述することが可能である。 これに対して、圧縮性の低い部分集合は、次のようになる。 . カテゴリー構造を複雑にしているこれら4つの対象の異質性は、情報を圧縮する難しさで測ることができ、刺激をよりコンパクトな表現に再コード化する難しさを説明する（Feldman, 2000）。 つまり、この部分集合の形／色の並びを説明する単純な階層的なルールは存在しないのである。 より均質なカテゴリーセットは、より低い情報負荷を生み出し、そのため、より圧縮可能で、想起を容易にするために容易に再符号化（または「チャンク化」）できる（Chekafら、2016年）。 要約すると、Figure11（下）は、チャンカブルと非チャンカブルの2つの違いを示している。 (1) チャンカブルリストは、より少ない総特徴数で記述できる、and (2) チャンカブルリストは、圧縮性を容易に発見できるような直列順序で配置されている (Mathy & Feldman, 2009).

以下では、単純圧縮性同質配列を「チャンカブル」、複雑配列を「非チャンカブル」（より便利には「レスチャンカブル」）と呼んでいます。 このようにする理由は、(1) 容量は大体3か4チャンク、(2) より圧縮可能なリストの性能向上はチャンク容量の変化によるものではなく（Cowan, Rouder, Blume, & Saults, 2012参照）、チャンクサイズの有効な増加によるものと想定しているからです。 チャンクサイズを大きくすることで、より圧縮可能なリストでどの程度パフォーマンスが向上するかは、チャンクボキャブラリーで表現することができます。 そこで、チャンクタブル材料を用いた単純スパン課題、チャンクタブル材料を用いた複合スパン課題、非チャンクタブル材料を用いた単純スパン課題、非チャンクタブル材料を用いた複合スパン課題の4条件を設定した。

我々は、情報の一部が再符号化できる場合にのみ単純スパン課題は想起に有益な効果を持ち、情報がない（あるいは情報が少ない）場合にはそのような利益は発生しないことを予想した。 逆に、複雑なスパン課題では、チャンカブル条件ではインターリーブ処理中に注意がそちらに向いてしまうため、規則的なパターンを再コーディングする機会がない。 したがって、チャンクタブル条件では、単純スパンタスクのスパンが高くなることを支持し、タスクと圧縮性の間に相互作用があると予測された。 この交互作用の大きさを調べるために、4つの条件でチャンクされた資料の量を比較するベイズ分析を計画し、特に単純スパン課題と複合スパン課題でチャンクされた資料の量を反映するチャンキングスコアを使用しました。 強い相互作用は、複雑なタスクのチャンキングスコアが小さいことで支持されるはずである

参加者。 コートダジュール大学に在籍する94名の学生（M=23歳、sd=5.3）が実験への参加を志願した。 サンプルサイズの見積もりは、前回の研究で観察された、最もチャンカブルな条件と最もチャンカブルでない条件との正答率の差に基づいて計算されました。 その結果、75 < N < 105、ηは.40から.55の間で変化し、.55は我々の以前の研究で得られた値であり、検出力は.80であった。 私たちの刺激は、3つの2値/ブール次元（形状、サイズ、色、カテゴリ学習研究者が正準刺激セットを構築するために通常使用する3次元、ラブ & マークマン、2003）に従って変化させた。 我々は、各試行内で次元ごとに2つの値のみを使用した（図（Figure1,1、下）。 各試行では、2つの形状（8種類の中から）、2つの色（8種類の中から）、2つのサイズのランダムな組み合わせで、8つの可能な物体集合を構成した。 サイズについては、事前テストにおいて被験者が中間の値を識別することが困難であったため、リスト間で2種類の値（大小、すなわち、280×280ピクセルと140×140ピクセル）に制限した。 8つの形状、8つの色、2つのサイズを用いることで、1568個の可能なセットを生成するのに十分であり、試行間の積極的な干渉を制限した（特徴の組み合わせのサンプルを図1，1，上に示す）

参加者はどの次元が分類プロセスに最も関連するかを事前に知ることはない。 次元の値は、同じカテゴリ構造を保ちつつ、リスト間で可能な次元（形状、サイズ、色）の組み合わせを変えるように、提示された各リストに対してランダムに選ばれた（図Figure1）.1）。 実験中に参加者が2つのリスト間で2つの同じ特徴量セットに出くわす確率は非常に低いと仮定した

手順。 実験は2×2の被験者内デザインである。 参加者は4つのブロック（チャンカブル単純スパン課題、非チャンカブル単純スパン課題、チャンカブル複合スパン課題、非チャンカブル複合スパン課題）をすべて試行し、その順序は参加者間でカウンターバランスされた（すなわち、24の可能な順序；デザインのバランスを完全にとるには96人の参加者が必要であった）。 各ブロックは複数の刺激リストで構成され、各リストの後に想起が行われた。 参加者は、各刺激のリストを正しい順序で記憶することが要求されることを知らされた。 刺激のリスト（例えば、小さな青い四角と大きな青い四角）は、2つの形状のランダムな組み合わせ（例えば、小さな対大きな、青対赤、四角対円の物体の組み合わせから生じるすべての刺激）から選択された。 刺激列は画面中央に1秒ずつ連続的に表示した（例：2刺激列の場合、小さな青い正方形に続いて大きな青い正方形）。 各シーケンスの難易度は、Chekafら（2016）により記述され、Feldman（2000）に基づく圧縮性メトリックに従って推定された。 このメトリックは、単に、圧縮されていないオブジェクトのリスト（リスト内の構成オブジェクトの特徴をすべてそのままリストアップしている）を縮小する特徴の最小数を計算するために、分離型正規式（特徴の接続詞のリスト）を利用する。

項目のリストを示した後、応答画面には、サブセットが選択されていた8つのオブジェクトの全セットが表示された。 応答画面には、ランダムに決められた位置に、呼び出すべきk個の刺激と残りの8-k個の散漫物という8つの応答選択肢が表示された。 参加者は項目のリストを思い出し、その順序を再構成することが要求された。 参加者は、正しい順序で項目を思い出すために、オブジェクトをクリックすることによって選択を行った。 この想起手順は視覚的短期記憶連続報告課題(Avons & Mason, 1999; Smyth, Hay, Hitch, & Horton, 2005)と類似している。 刺激にクリックすると白いバーで下線が引かれる。 想起のタイミングに制約はなかった。

テスト画面には8-k個のディストラクターが残っており、圧縮率を適切に計算することができた。 例えば、Figure 1,1に示すTrial #14ncでは、リコール画面には4つの刺激（大きな紫の三角形、小さな緑の三角形、小さな緑の円、大きな緑の円）に加えて、新しいアイテムとして大きな緑の三角形、小さな紫の三角形、小さな緑の円、大きな紫の円が入っていました。 図11に示す試行#14cでは、4つの青刺激に加え、4つの赤の物体が含まれていた。 このように、メモリーの圧縮性は試行の検索要求と意図的に相関している。 試行#14ncでは、ルアーの特徴が想起すべき刺激と重なっているため、論理的には新アイテムの方が記憶への干渉が大きい。 逆に、#14cでは赤いルアーは青い刺激物との混同が少なくなる可能性がある。 青」はメモランダムを単純に記述しているため、反対側のカテゴリーも必然的に単純（つまり「赤」）である。

リストは神経心理学的検査で用いられるデジットスパンのように、長さの昇順表示（長さは1項目から8項目まで段階的に変化）を用いて表示した。 試行長1はウォームアップとしてのみ使用された。 例えば、WISCやWAISのdigit spanと同じ長さの繰り返し回数を用いた。 ブロックは、与えられたリストの長さの中で4つのエラーが発生すると自動的に停止した（エラーとは、参加者が完全に順序どおりにシーケンスを思い出すことができないことである）。 また、各ブロックの最初の3試行は練習試行として扱われ、分析から除外されることが告げられた。

課題は単純スパン課題の場合、項目間間隔は500msであった。 タスクが複雑なスパンタスクの場合は、オペレーションスパン(OS)タスクの手順を使用した。 OSでは、参加者は記憶項目間で数学的演算を行うことを求められる（Conway et al.） 各記憶項目が提示される前に、スクリーン上に方程式が表示された（例：「7 + 2 = 10」）（方程式は静かに読み上げられた）。 参加者は、次の項目が表示されるまでの3秒間、ボタン（真または偽）をクリックして方程式を判断した。 被験者の応答後、次の項目が表示される直前に数式は消える。

チャンキングできない単純スパンでは、与えられたリストの長さに対して、最も非圧縮性の高いリストとそうでないリストが交互に表示されます。そうしないと、チャンクは実験全体で類似性を持ちすぎてしまうからです。 例えば、Figure 1,1では、Trial #10ncが最も非圧縮性の高い3物体セットで、最初の2特徴の違い（大きさと色、小さな白い四角と大きな黒い四角）の後に2番目の2特徴の違い（大きさと形、大きな黒い四角と小さな黒い三角）があり、一方Trial #9ncが非圧縮性の低い3物体セットで、3特徴の違いに2特徴の違いが続いていてチャンキング処理が難しくなっていることが示されています。 項目間距離（物体間の特徴差の総和）は特徴間の関係を記述するのに便利であるが、Feldman (2000, 2003) は、より正確に、特徴を再記述して各物体集合の情報和を圧縮できることを述べている（圧縮過程は項目間距離と必ずしも関係しない）。 例えば、「小さな白い四角、小さな黒い四角」は 2 個の特徴量（「小さな四角」） に還元できるが、「小さな白い四角、大きな黒い三角」は 6 個以下の特徴量に還元でき ない。 例えば、試行#9ncの3つの物体の全体記述は、#10ncの8特徴ではなく、5特徴の最小論理表現が必要です（Feldman, 2003）。 この圧縮性の尺度は、ここではカテゴリセットのチャンカビリティを予測するのに役立つだけです（「最初の白」のような正確な順序は、実験コンテキストではまだ1つ多くの情報を必要とします）。 全体として、与えられた長さのすべてのカテゴリ構造は、非チャンカブル条件ではチャンカブル条件よりも圧縮性が低くなるように選択された

スコアリング。 各条件におけるスパンの推定値を計算するために、1つの試行内のすべての記憶項目の完全に正しい連続報告に対して0.25の値を採点した2。例えば、1つのオブジェクトの4つの連続のうち3つしか思い出せない参加者は、長い連続では完全に失敗するとしても、0.75のスパンが付与されることになる。 長さ1、2、3の試行をそれぞれ4、4、3回正解した場合、スパンは(4 + 4 + 3)/4 = 2.75に相当する。 長さ1、2、3でそれぞれ4、3、2回正解した場合、スパンは(4+3+2)/4=2.25となった。