Método

Para manipular el proceso de compresión en nuestra tarea de span, limitamos la información relacional en un conjunto de estímulos visuales básicos (como formas coloreadas), utilizando colores simples y formas simples. Más concretamente, utilizamos listas de estímulos visuales, categorizables y tridimensionales artificiales, con características discretas de dos valores/booleanas para las formas, tamaños y colores que se muestran en la Figura 1.1. Para un conjunto tridimensional dado, seleccionamos conjuntos con estímulos de la menor información relacional, una manipulación que se hipotetizó para evitar el chunking. Ilustrémoslo con el conjunto tridimensional de objetos . Un subconjunto comprimible de cuatro objetos sería: , porque la dimensión del color es suficientemente diagnóstica para discriminar los objetos negros de los blancos. Una lista de estímulos basada en este subconjunto ofrece la posibilidad de recodificar la secuencia utilizando la regla simple «negro». La secuencia , en la que el orden importa, puede describirse mediante una regla simple que utiliza el rasgo ‘negro’ (para recodificar todo el subconjunto, independientemente del orden) y el orden ‘cuadrado-triángulo’ que puede combinarse con una descripción ‘grande-primero’ dentro de cada forma. Por el contrario, un subconjunto de objetos menos comprimible sería: . La heterogeneidad de estos cuatro objetos que hace que la estructura de la categoría sea compleja puede medirse por la dificultad de comprimir la información, dando cuenta de la dificultad de recodificar los estímulos en una representación más compacta (Feldman, 2000). En otras palabras, no existe una regla simple y jerárquica que explique la secuencia de formas/colores de este subconjunto. Los conjuntos de categorías más homogéneos producen una menor carga de información y, como tal, son más comprimibles y pueden ser fácilmente recodificados (o «troceados») para facilitar el recuerdo (Chekaf et al., 2016). Para resumir, la figura 11 (abajo) muestra dos diferencias entre las listas fragmentables y las no fragmentables. (1) Las listas chunkables pueden describirse con menos número total de rasgos, Y (2) las listas chunkables están dispuestas en un orden serial que permite descubrir fácilmente la compresibilidad (Mathy & Feldman, 2009).

En adelante, llamaremos a las secuencias homogéneas compresibles simples «troceables» y a las secuencias complejas «no troceables» (o «menos troceables» cuando sea más conveniente). La razón por la que hacemos esto es que asumimos que (1) la capacidad es aproximadamente de 3 o 4 chunks y (2) los incrementos en el rendimiento de las listas más comprimibles no resultan de un cambio en la capacidad de los chunks (ver Cowan, Rouder, Blume, & Saults, 2012) sino de un incremento efectivo en el tamaño de los chunks. Incluso si el rendimiento resulta a veces de asociaciones graduadas entre elementos en lugar de trozos discretos, el vocabulario de trozos expresa convenientemente la cantidad de aumento del rendimiento con listas más comprimibles. En consecuencia, se construyeron cuatro condiciones: una tarea de span simple con material troceable, una tarea de span complejo con material troceable, una tarea de span simple con material no troceable y una tarea de span complejo con material no troceable.

Predijimos que la tarea de span simple sólo podría tener un efecto beneficioso en el recuerdo cuando parte de la información pudiera recodificarse, mientras que dicho beneficio no podría producirse cuando no se pudiera recodificar ninguna información (o muy poca). Por el contrario, una tarea compleja de span no ofrece la oportunidad de recodificar los patrones regulares en la condición de troceado porque la atención se desvía durante la tarea de procesamiento intercalado. Por lo tanto, predijimos una interacción entre la tarea y la compresibilidad, apoyando sólo un lapso mayor para la tarea de lapso simple en la condición fragmentable. Para comprobar la magnitud de la interacción, planeamos realizar un análisis bayesiano para comparar la cantidad de material troceado en las cuatro condiciones y, en particular, utilizar una puntuación de troceado que reflejara la cantidad de materiales troceados en la tarea de span simple y en la tarea de span complejo. Una fuerte interacción debería ser apoyada por una menor puntuación de troceado para la tarea compleja.

Participantes. Noventa y cuatro estudiantes (M = 23 años, sd = 5,3) matriculados en la Universidad Côte d’Azur se ofrecieron a participar en el experimento. La estimación del tamaño de la muestra se calculó a partir de la diferencia observada en nuestro estudio anterior para la proporción de aciertos entre la condición más chunkable y la condición menos chunkable. Obtuvimos 75 < N < 105, en función de que η variara entre 0,40 y 0,55, siendo 0,55 el valor obtenido en nuestro estudio anterior, para una potencia de 0,80.

Estímulos. Nuestros estímulos variaron según tres dimensiones de dos valores/booleanos (forma, tamaño y color, las tres dimensiones típicamente utilizadas por los investigadores del aprendizaje de categorías para construir conjuntos de estímulos canónicos; Love & Markman, 2003). Utilizamos sólo dos valores por dimensión dentro de cada ensayo (Figura (Figura1,1, abajo). En cada ensayo, una combinación aleatoria de dos formas (entre ocho diferentes), dos colores (entre ocho diferentes) y dos tamaños formaba un conjunto de ocho objetos posibles. Limitamos la dimensión del tamaño a dos valores diferentes (grande frente a pequeño, es decir, 280 × 280 píxeles frente a 140 × 140 píxeles) en todas las listas porque los participantes tuvieron problemas para identificar los valores intermedios durante nuestras pruebas previas. El uso de ocho formas, ocho colores y dos tamaños fue suficiente para generar 1568 conjuntos posibles de ocho objetos, lo que limitó la interferencia proactiva entre los ensayos (una combinación de características de muestra se da en la Figura1,1, arriba).

El participante no sabía de antemano cuál de las dimensiones sería la más relevante para el proceso de categorización. Los valores de las dimensiones se eligieron de forma aleatoria para cada una de las listas presentadas, con el fin de variar las posibles combinaciones de dimensiones (formas, tamaños y colores) entre las listas, pero conservando la misma estructura de categorías (mostrada en la Figura1).1). Se asumió que la probabilidad de que un participante se encontrara con dos conjuntos idénticos de características entre dos listas durante el experimento era muy baja.

Procedimiento. El experimento fue un diseño 2 × 2 dentro de un sujeto. Cada participante intentó los cuatro bloques (tarea de span simple troceable, tarea de span simple no troceable, tarea de span complejo troceable, tareas de span complejo no troceable), cuyo orden fue contrabalanceado entre los participantes (es decir, 24 órdenes posibles; se necesitaron 96 participantes para equilibrar perfectamente el diseño). Cada bloque comprendía varias listas de estímulos y el recuerdo se producía después de cada lista. Se informó a los participantes de que debían memorizar, en el orden correcto, cada lista de estímulos. Una lista de estímulos (por ejemplo, un cuadrado azul pequeño y un cuadrado azul grande) se elegía entre una combinación aleatoria de dos formas (por ejemplo, todos los estímulos resultantes de la combinación de objetos pequeños frente a grandes, azules frente a rojos y cuadrados frente a círculos). Los estímulos de una determinada secuencia se mostraban en serie en el centro de la pantalla durante un segundo cada uno (por ejemplo, para una lista de dos estímulos, un cuadrado azul pequeño seguido de un cuadrado azul grande). La dificultad de cada secuencia se estimó siguiendo la métrica de compresibilidad descrita por Chekaf et al. (2016) y basada en Feldman (2000). Esta métrica simplemente hace uso de fórmulas normales disyuntivas (una lista disyuntiva de conjunción de rasgos) para calcular el número mínimo de rasgos que reducen las listas de objetos sin comprimir (que enumeran textualmente todos los rasgos de los objetos constituyentes dentro de las listas).

Tras la presentación de la lista de objetos, la pantalla de respuesta mostraba el conjunto completo de ocho objetos del que se había seleccionado el subconjunto. La pantalla de respuesta mostraba en posiciones determinadas al azar ocho opciones de respuesta: los k estímulos a recordar y los 8 – k objetos distractores restantes. Los participantes debían recordar la lista de objetos y reconstruir su orden. El participante realizaba selecciones haciendo clic en los objetos para recordar los elementos en el orden correcto. Este procedimiento de recuerdo es similar al de la tarea de memoria visual a corto plazo en serie (Avons & Mason, 1999; Smyth, Hay, Hitch, & Horton, 2005). Los estímulos se subrayaban con una barra blanca cuando el usuario hacía clic en ellos. No había ninguna restricción de tiempo para el recuerdo. El participante podía pasar a la siguiente secuencia pulsando la barra espaciadora.

Los 8 – k objetos distractores restantes en la pantalla de prueba nos permitieron calcular la compresibilidad adecuadamente. Por ejemplo, para el ensayo #14nc mostrado en la Figura 1,1, la pantalla de recuerdo incluía un triángulo verde grande, un triángulo púrpura pequeño, un círculo verde pequeño y un círculo púrpura grande como elementos nuevos, además de los cuatro estímulos (triángulo púrpura grande, triángulo verde pequeño, un círculo púrpura pequeño y un círculo verde grande). El ensayo #14c que se muestra en la Figura 11 incluía los cuatro objetos rojos además de los cuatro estímulos azules. Por lo tanto, la compresibilidad de las memorias se correlacionó intencionadamente con las demandas de recuperación de los ensayos. Siguiendo el ejemplo anterior, los nuevos ítems del ensayo #14nc son lógicamente más interferentes con las memorias porque las características de los señuelos se solapan con las de los estímulos a recuperar. Por el contrario, los señuelos rojos podrían estar menos confundidos con los objetos de estímulo azules en el #14c. Dado que «azul» es una descripción simple de los señuelos, la categoría opuesta es necesariamente también simple (es decir, «rojo»). El hecho de que cada descripción y su complemento tengan la misma complejidad se denomina generalmente paridad.

Las listas se mostraron utilizando una presentación ascendente de longitud (la longitud variaba progresivamente de 1 a 8 elementos), como en los tramos de dígitos utilizados en las pruebas neuropsicológicas. La longitud del ensayo 1 sólo se utilizó como calentamiento. Por ejemplo, en nuestro experimento se utilizó el mismo número de repeticiones por longitud que el intervalo de dígitos del WISC o del WAIS. Un bloque se detenía automáticamente tras cuatro errores dentro de una longitud de lista determinada (un error era simplemente la incapacidad del participante de recordar la secuencia por completo en perfecto orden). Los participantes recibieron cuatro ensayos por longitud L. También se les informó de que los tres primeros ensayos de cada bloque se tratarían como ensayos de práctica y se descartarían del análisis. Después de este calentamiento, había cuatro ensayos por longitud de lista en cada condición.

Cuando la tarea era una tarea de span simple, había un intervalo de 500 ms entre elementos. Cuando la tarea era una tarea de span compleja, se utilizaba el procedimiento de la tarea de span operativo (OS). En la tarea OS, los participantes deben realizar operaciones matemáticas entre los elementos de la memoria (véase Conway et al., 2005; Kane et al., 2004). Se mostraba una ecuación en la pantalla (por ejemplo, «7 + 2 = 10») antes de que se presentara cada elemento a recordar (las ecuaciones se leían en voz baja). El participante tenía tres segundos para juzgar la ecuación pulsando un botón (verdadero o falso), antes de que se mostrara el siguiente elemento. La ecuación desaparecía después de que el participante respondiera, justo antes de que se mostrara el siguiente elemento. Esta tarea de procesamiento intercalado se pensó para evitar que los participantes hicieran chunking libremente.

Para el lapso simple no chunkable, para una longitud de lista dada, las listas más incompresibles se alternaron con listas menos incompresibles; de lo contrario, los chunks habrían mostrado demasiada similitud a lo largo del experimento. Por ejemplo, en la Figura 1,1, la prueba nº 10nc muestra el conjunto de tres objetos más incompresible, con una primera diferencia de 2 características (tamaño y color, entre el cuadrado blanco pequeño y el cuadrado negro grande) seguida de una segunda diferencia de 2 características (tamaño y forma, entre el cuadrado negro grande y el triángulo negro pequeño), mientras que la prueba nº 9nc muestra un conjunto de 3 objetos menos incompresible, ordenado mediante una diferencia de 3 características seguida de una diferencia de 2 características para dificultar el proceso de fragmentación. La distancia entre elementos (el número sumado de diferencias de rasgos entre los objetos) es conveniente para describir las relaciones entre los rasgos, pero Feldman (2000, 2003) describe con más precisión cómo se pueden volver a describir los rasgos para comprimir la suma de información en cada conjunto de objetos (el proceso de compresión no siempre está relacionado con la distancia entre elementos). Por ejemplo, «cuadrado blanco pequeño, cuadrado negro pequeño» puede reducirse a dos rasgos («cuadrado pequeño»), mientras que «cuadrado blanco pequeño, triángulo negro grande» no puede reducirse a menos de seis rasgos. Aquí, por ejemplo, la descripción global de los tres objetos en la prueba #9nc requiere una expresión lógica mínima de 5 rasgos, en lugar de 8 rasgos para la #10nc; véase (Feldman, 2003). Esta medida de compresibilidad sólo sirve aquí para predecir la fragmentabilidad de un conjunto de categorías (un orden exacto como «primero blanco» sigue requiriendo un dato más en el contexto experimental). En general, todas las estructuras de categorías de una longitud determinada fueron elegidas para ser menos comprimibles en la condición no troceable que en la condición troceable.

Puntuación. Para calcular una estimación del span en cada condición, se puntuó un valor de 0,25 por cada informe en serie perfectamente correcto de todos los elementos de memoria dentro de un ensayo.2 Por ejemplo, a un participante que recordara sólo 3 de 4 secuencias de un objeto se le otorgaría un span de 0,75, si fallaba totalmente en las secuencias más largas. Cuando un sujeto obtenía 4, 4 y 3 ensayos correctos en las longitudes 1, 2 y 3 respectivamente, entonces el span era igual a (4 + 4 + 3)/4 = 2,75. Cuando un sujeto obtenía 4, 3 y 2 ensayos correctos en las longitudes 1, 2 y 3 respectivamente, entonces el intervalo era igual a (4 + 3 + 2)/4 = 2,25.