Método
Para manipular o processo de compressão em nossa tarefa de span, limitamos a informação relacional em um conjunto de estímulos visuais básicos (como formas coloridas), usando cores simples e formas simples. Mais especificamente, usamos listas de estímulos visuais, categorizáveis e artificiais tridimensionais, com características discretas bi-avaliadas/Booleanas para as formas, tamanhos e cores mostradas na Figura 1.1. Para um dado conjunto tridimensional, selecionamos conjuntos com estímulos das menores informações relacionais, uma manipulação que foi hipotética para evitar a formação de pedaços. Vamos ilustrar com o conjunto tridimensional de objetos: 
. Um subconjunto compressível de quatro objetos seria: 
, porque a dimensão da cor é suficientemente diagnóstica para discriminar os objectos pretos dos brancos. Uma lista de estímulos baseada neste subconjunto oferece a possibilidade de recodificar a sequência usando a regra simples ‘preto’. A seqüência , na qual a ordem importa, pode ser descrita por uma regra simples usando a característica ‘preto’ (para recodificar todo o subconjunto, independentemente da ordem) e a ordem ‘triângulo quadrado’ que pode ser combinada com uma descrição ‘grande-primeiro’ dentro de cada forma. Em contraste, um subconjunto de objetos menos compressíveis seria: 
. A heterogeneidade destes quatro objetos que torna a estrutura da categoria complexa pode ser medida pela dificuldade de comprimir informações, levando em conta a dificuldade de recodificar os estímulos em uma representação mais compacta (Feldman, 2000). Em outras palavras, não há uma regra simples e hierárquica que explique a seqüência de formas/cores deste subconjunto. Conjuntos de categorias mais homogêneos produzem uma menor carga de informação e, como tal, são mais compressíveis e podem ser facilmente re-encodificados (ou “chunked”) para facilitar a recordação (Chekaf et al., 2016). Para resumir, a Figura11 (inferior) mostra duas diferenças entre pedaços e não pedaços. (1) As listas com pedaços podem ser descritas com menos recursos, E (2) as listas com pedaços são organizadas em uma ordem serial que permite que a compressibilidade seja facilmente descoberta (Mathy & Feldman, 2009).
(Topo) Uma amostra de estímulos baseada em oito formas, oito cores e dois tipos de tamanhos. (Inferior) Tabela mostrando uma amostra de ensaios. Os ensaios são indexados usando ‘nc’ e ‘c’ para se referir facilmente à respectiva condição de não afundável e afundável no texto. A primeira metade da tabela mostra as seqüências da condição de não aglutinável. A segunda metade da tabela mostra as seqüências da condição de não aglutinável. Para cada duração da sequência, escolhemos representar apenas duas tentativas. Os valores das dimensões foram escolhidos aleatoriamente para cada tentativa. Por exemplo, a estrutura de categoria dada 
(i.e., quadrado, primeiro pequeno, primeiro branco-preto dentro dos tamanhos) poderia ser convertida em 
(i.e., branco, primeiro pequeno, primeiro triângulo quadrado dentro dos tamanhos), ou 
(i.e., grande, preto primeiro, triângulo quadrado dentro das cores), etc. O exemplo anterior envolve apenas os valores de dimensão quadrado, triângulo branco e preto, mas novamente, os valores de dimensão foram escolhidos aleatoriamente entre as 8 formas e as 8 cores mostradas no painel superior, e usando dois tamanhos aleatoriamente.
Aqui, chamamos as sequências homogéneas simples compressíveis de “a pedaços” e as sequências complexas de “não a pedaços” (ou “menos a pedaços” quando mais conveniente). A razão pela qual fazemos isto é que assumimos que (1) a capacidade é de aproximadamente 3 ou 4 pedaços e (2) os aumentos de desempenho para listas mais compressíveis não resultam de uma mudança na capacidade dos pedaços (ver Cowan, Rouder, Blume, & Saults, 2012) mas de um aumento efetivo no tamanho dos pedaços. Mesmo se o desempenho às vezes resulta de associações graduais entre itens ao invés de pedaços discretos, o vocabulário dos pedaços expressa convenientemente a quantidade de aumento no desempenho com listas mais compressíveis. Assim, quatro condições foram construídas: uma tarefa de span simples usando material com pedaços, uma tarefa de span complexa usando material com pedaços, uma tarefa de span simples usando material sem pedaços, e uma tarefa de span complexa usando material sem pedaços.
Prevemos que a tarefa de span simples só poderia ter um efeito benéfico na lembrança quando algumas das informações pudessem ser recodificadas, enquanto tal benefício não poderia ocorrer quando nenhuma informação (ou pouca informação) pudesse ser recodificada. Por outro lado, uma tarefa de span complexa não oferece nenhuma oportunidade de recodificar os padrões regulares na condição de “chunkable”, porque a atenção é dirigida para longe durante a tarefa de processamento intercalada. Portanto, nós previmos uma interação entre tarefa e compressibilidade, suportando apenas um intervalo maior para a tarefa simples de intervalo na condição de trecho. Para testar o tamanho da interação, planejamos executar uma análise Bayesiana para comparar a quantidade de material em pedaços nas quatro condições, e particularmente usando uma pontuação de pedaços refletindo a quantidade de materiais em pedaços na tarefa de vão simples e na tarefa de vão complexo. Uma interação forte deve ser suportada por uma pontuação menor para a tarefa complexa.
Participantes. Noventa e quatro alunos (M = 23 anos, sd = 5,3) matriculados na Université Côte d’Azur se voluntariaram para participar da experiência. A estimativa do tamanho da amostra foi calculada com base na diferença observada em nosso estudo anterior para a proporção correta entre a condição mais em pedaços e a condição menos em pedaços. Obtivemos 75 < N < 105, dependendo do η variando entre .40 e .55, sendo .55 o valor obtido em nosso estudo anterior, para uma potência de .80.
Estímulos. Nossos estímulos variaram de acordo com três dimensões bi-avaliadas/Booleanas (forma, tamanho e cor, as três dimensões tipicamente usadas pelos pesquisadores de aprendizagem da categoria para construir conjuntos de estímulos canônicos; Amor & Markman, 2003). Utilizamos apenas dois valores por dimensão dentro de cada ensaio (Figura (Figura1,1, inferior). Para cada ensaio, uma combinação aleatória de duas formas (entre oito diferentes), duas cores (entre oito diferentes), e dois tamanhos fizeram um conjunto de oito objetos possíveis. Nós restringimos a dimensão do tamanho a dois valores diferentes (grande vs. pequeno, ou seja, 280 × 280 pixels vs. 140 × 140 pixels) através de listas porque os participantes tiveram problemas para identificar valores intermediários durante nossos pré-testes. O uso de oito formas, oito cores e dois tamanhos foi suficiente para gerar 1568 conjuntos possíveis de oito objetos, o que limitou a interferência proativa entre os testes (uma combinação de características é apresentada na Figura 1,1, topo).
O participante não sabia antecipadamente qual das dimensões seria a mais relevante para o processo de categorização. Os valores das dimensões foram escolhidos aleatoriamente para cada uma das listas apresentadas, de modo a variar as combinações possíveis de dimensões (formas, tamanhos e cores) entre as listas, preservando a mesma estrutura de categoria (mostrada na Figura1).1). A probabilidade de um participante se deparar com dois conjuntos idênticos de características entre duas listas durante a experiência foi assumida como muito baixa.
Procedimento. O experimento foi um desenho 2 × 2 dentro do sujeito. Cada participante tentou os quatro blocos (tarefa de vão simples, tarefa de vão simples, tarefa de vão complexo, tarefa de vão complexo), cuja ordem foi contrabalançada entre os participantes (ou seja, 24 ordens possíveis; foram necessários 96 participantes para equilibrar perfeitamente o desenho). Cada bloco compreendia várias listas de estímulos e a recordação ocorria após cada lista. Os participantes foram informados de que eram obrigados a memorizar, em ordem correcta, cada lista de estímulos. Uma lista de estímulos (por exemplo, um quadrado azul pequeno e um quadrado azul grande) foi escolhida a partir de uma combinação aleatória de duas formas (por exemplo, todos os estímulos resultantes da combinação de pequenos vs. grandes, azul vs. vermelhos, e quadrado vs. objectos circulares). Os estímulos em uma dada seqüência foram exibidos em série no centro da tela por um segundo cada um (por exemplo, para uma lista de dois estímulos, um pequeno quadrado azul seguido por um grande quadrado azul). A dificuldade de cada seqüência foi estimada seguindo a métrica de compressibilidade descrita por Chekaf et al. (2016) e baseada em Feldman (2000). Esta métrica simplesmente faz uso de fórmulas normais disjuntivas (uma lista disjuntiva de conjunção de características) para calcular o número mínimo de características que reduzem as listas de objetos não comprimidos (que listam literalmente todas as características dos objetos constituintes dentro das listas).
Após a lista de itens ter sido apresentada, a tela de resposta mostrou todo o conjunto de oito objetos dos quais o subconjunto tinha sido selecionado. A tela de resposta mostrou em posições determinadas aleatoriamente oito opções de resposta: os estímulos k a ser chamados e os 8 – k restantes objetos distração. Os participantes tiveram de se lembrar da lista de itens e reconstruir a sua ordem. O participante fez seleções clicando nos objetos para chamar os itens de volta na ordem correta. Este procedimento de recall é similar ao da tarefa de relatório visual em série de memória de curto prazo (Avons & Mason, 1999; Smyth, Hay, Hitch, & Horton, 2005). Os estímulos foram sublinhados usando uma barra branca quando o usuário clicou neles. Não houve restrição de tempo para a chamada. O participante podia passar para a sequência seguinte pressionando na barra de espaço.
Os 8 – k objectos distractores restantes na tela de teste permitiram-nos calcular correctamente a compressibilidade. Por exemplo, para o Trial #14nc mostrado na Figura 1,1, a tela de recall incluía um grande triângulo verde, um pequeno triângulo roxo, um pequeno círculo verde e um grande círculo roxo como os novos itens, além dos quatro estímulos (grande triângulo roxo, pequeno triângulo verde, um pequeno círculo roxo e um grande círculo verde). O ensaio #14c mostrado na Figura11 incluiu os quatro objetos vermelhos, além dos quatro estímulos azuis. A compressibilidade dos memorandos foi, portanto, intencionalmente correlacionada com as exigências de recuperação das provas. Seguindo o exemplo anterior, os novos itens do ensaio #14c são logicamente mais interferentes com os memorandos porque as características das iscas se sobrepõem com as dos estímulos a serem chamados. Por outro lado, as iscas vermelhas poderiam ser menos confundidas com os objetos de estímulos azuis no 14c. Porque ‘azul’ é uma descrição simples dos memorandos, a categoria oposta é necessariamente também simples (i.e., ‘vermelho’). O fato de cada descrição e seu complemento terem a mesma complexidade é geralmente referido como paridade.
As listas foram exibidas usando apresentação ascendente de comprimento (comprimento variou progressivamente de 1 a 8 itens), como nos intervalos de dígitos usados em testes neuropsicológicos. A duração do ensaio 1 foi utilizada apenas como aquecimento. Por exemplo, nosso experimento utilizou o mesmo número de repetições por comprimento que o intervalo de dígitos do WISC ou WAIS. Um bloco parou automaticamente após quatro erros dentro de um determinado comprimento de lista (um erro foi simplesmente a incapacidade do participante de recuperar a sequência inteiramente em perfeita ordem). Os participantes receberam quatro tentativas por comprimento L. Eles também foram informados que as três primeiras tentativas em cada bloco seriam tratadas como tentativas práticas e depois descartadas da análise. Após este aquecimento, havia quatro ensaios por comprimento de lista em cada condição.
Quando a tarefa era uma tarefa simples de intervalo, havia um intervalo de 500ms entre os itens. Quando a tarefa era uma tarefa de intervalo complexo, utilizamos o procedimento de tarefa de intervalo de operação (OS). No SO, os participantes são obrigados a realizar operações matemáticas entre itens de memória (ver Conway et al., 2005; Kane et al., 2004). Uma equação foi exibida na tela (por exemplo, “7 + 2 = 10”) antes de cada item a ser lembrado ser apresentado (as equações foram lidas silenciosamente). O participante teve três segundos para julgar a equação clicando em um botão (verdadeiro ou falso), antes que o próximo item fosse exibido. A equação desapareceu depois que o participante fez uma resposta, pouco antes de o próximo item ser exibido. Esta tarefa de processamento intercalada foi pensada para evitar que os participantes pudessem atirar pedaços livremente.
Para o intervalo simples, para um determinado comprimento de lista, as listas mais incompressíveis alternavam com listas menos incompressíveis; caso contrário, os pedaços teriam exibido demasiada similaridade ao longo do experimento. Por exemplo, na Figura 1,1, o Trial #10nc mostra o conjunto de 3 funções mais incompressível, com uma primeira diferença de 2 funções (tamanho e cor, entre o pequeno quadrado branco e o grande quadrado preto) seguida por uma segunda diferença de 2 funções (tamanho e forma, entre o grande quadrado preto e o pequeno triângulo preto), enquanto o Trial #9nc mostra um conjunto de 3 funções menos incompressível, ordenado usando uma diferença de 3 funções seguida por uma diferença de 2 funções para dificultar o processo de aglomeração. A distância entre elementos (o número somatório das diferenças entre elementos) é conveniente para descrever as relações entre elementos, mas Feldman (2000, 2003) descreve mais precisamente como os elementos podem ser redescritos para comprimir a soma da informação em cada conjunto de objectos (o processo de compressão nem sempre está relacionado com a distância entre elementos). Por exemplo, “pequeno quadrado branco, pequeno quadrado preto” pode ser reduzido a duas características (“pequeno quadrado”), enquanto “pequeno quadrado branco, grande triângulo preto” não pode ser reduzido a menos de seis características. Aqui, por exemplo, a descrição geral dos três objetos do Trial #9nc requer uma expressão lógica mínima de 5 características, ao invés de 8 características para #10nc; veja (Feldman, 2003). Esta medida de compressibilidade serve apenas aqui para prever a compressibilidade de um conjunto de categorias (a ordem exata como ‘primeiro branco’ ainda requer mais um pedaço de informação no contexto experimental). Em geral, todas as estruturas de categoria de um determinado comprimento foram escolhidas para serem menos compressíveis na condição de não compressibilidade do que na condição de pedaços.
Scoring. Para calcular uma estimativa do intervalo em cada condição, um valor de .25 foi marcado para cada relatório de série perfeitamente correto de todos os itens de memória dentro de um ensaio.2 Por exemplo, um participante que lembre apenas 3 de 4 seqüências de um objeto teria um intervalo de .75, se falhar totalmente para seqüências mais longas. Quando um sujeito obteve 4, 4 e 3 tentativas corretas nos comprimentos 1, 2 e 3 respectivamente, então o intervalo foi igual a (4 + 4 + 3)/4 = 2,75. Quando um sujeito obteve 4, 3 e 2 tentativas corretas nos comprimentos 1, 2 e 3 respectivamente, então o vão foi igual a (4 + 3 + 2)/4 = 2.25.