Metod

För att manipulera komprimeringsprocessen i vår span-uppgift begränsade vi den relationella informationen i en uppsättning grundläggande visuella stimuli (t.ex. färgade former), med hjälp av enkla färger och enkla former. Mer specifikt använde vi listor med visuella, kategoriserbara, konstgjorda tredimensionella stimuli, med diskreta egenskaper med två värden/Boolean för de former, storlekar och färger som visas i figur Figur1.1. För en given tredimensionell uppsättning valde vi uppsättningar med stimuli med lägst relationell information, en manipulation som antogs förhindra chunking. Låt oss illustrera med den tredimensionella uppsättningen föremål: . En komprimerbar delmängd av fyra objekt skulle vara: , eftersom färgdimensionen är tillräckligt diagnostisk för att skilja svarta objekt från vita objekt. En stimuluslista baserad på denna delmängd ger möjlighet att omkoda sekvensen med hjälp av den enkla regeln ”svart”. Sekvensen , där ordningen spelar roll, kan beskrivas med en enkel regel som använder egenskapen ”svart” (för att omkoda hela delmängden, oavsett ordning) och ordningen ”fyrkant-triangel” som kan kombineras med en ”stor först”-beskrivning inom varje form. En mindre komprimerbar delmängd av objekt skulle däremot vara följande: . Heterogeniteten hos dessa fyra objekt som gör kategoristrukturen komplex kan mätas genom svårigheten att komprimera information, vilket redovisar svårigheten att omkoda stimuli till en mer kompakt representation (Feldman, 2000). Med andra ord finns det ingen enkel, hierarkisk regel som förklarar sekvensen av former/färger i denna delmängd. Mer homogena kategoriuppsättningar ger en lägre informationsbelastning och som sådan är de mer komprimerbara och kan lätt omkodas (eller ”chunked”) för att underlätta återkallandet (Chekaf et al., 2016). För att sammanfatta visar Figur Figur11 (nederst) två skillnader mellan chunkable och non-chunkable. (1) De chunkable listorna kan beskrivas med färre totalt antal funktioner, OCH (2) de chunkable listorna är ordnade i en seriell ordning som gör att komprimerbarheten lätt kan upptäckas (Mathy & Feldman, 2009).

Härnäst kallar vi de enkla komprimerbara homogena sekvenserna för ”chunkable” (eller ”mindre chunkable” (eller ”less-chunkable” när det är lämpligare) och de komplexa sekvenserna för ”non-chunkable” (eller ”less-chunkable” (mindre chunkable)). Anledningen till att vi gör detta är att vi antar att (1) kapaciteten är ungefär 3 eller 4 chunks och (2) ökningar av prestanda för mer komprimerbara listor inte beror på en förändring av chunkkapaciteten (se Cowan, Rouder, Blume, & Saults, 2012) utan på en effektiv ökning av storleken på chunks. Även om prestandan ibland beror på graderade associationer mellan objekt snarare än diskreta bitar, uttrycker chunk vokabuläret på ett bekvämt sätt storleken på den ökade prestandan med mer komprimerbara listor. Följaktligen konstruerades fyra villkor: en enkel spaningsuppgift med chunkable material, en komplex spaningsuppgift med chunkable material, en enkel spaningsuppgift med icke-chunkable material och en komplex spaningsuppgift med icke-chunkable material.

Vi förutspådde att den enkla spaningsuppgiften endast skulle kunna ha en fördelaktig effekt på återkallandet när en del av informationen kunde omkodas, medan en sådan fördel inte kunde uppstå när ingen information (eller lite information) kunde omkodas. Omvänt ger en komplex span-uppgift ingen möjlighet att omkoda de regelbundna mönstren i det chunkable-tillståndet eftersom uppmärksamheten riktas bort under den interleaved bearbetningsuppgiften. Därför förutspådde vi en interaktion mellan uppgift och komprimerbarhet, vilket stödde endast en högre spännvidd för den enkla spanuppgiften i det chunkable-tillståndet. För att testa interaktionens storlek planerade vi att köra en Bayesiansk analys för att jämföra mängden material som klumpats ihop i de fyra förhållandena, och särskilt använda en chunking-poäng som återspeglar mängden material som klumpats ihop i den enkla span-uppgiften och den komplexa span-uppgiften. En stark interaktion bör stödjas av en mindre chunking-poäng för den komplexa uppgiften.

Deltagare. Nittiofyra studenter (M = 23 år, sd = 5,3) inskrivna vid Université Côte d’Azur deltog frivilligt i experimentet. Uppskattningen av urvalsstorleken beräknades utifrån den skillnad som observerades i vår tidigare studie för andelen korrekta mellan det mest chunkable villkoret och det minst chunkable villkoret. Vi fick 75 < N < 105, beroende på η som varierar mellan 0,40 och 0,55, där 0,55 är det värde som erhölls i vår tidigare studie, för en effekt på 0,80.

Stimuli. Våra stimuli varierade enligt tre tvåvärderade/Booleanska dimensioner (form, storlek och färg, de tre dimensioner som vanligtvis används av forskare inom kategorilärande för att bygga upp kanoniska stimulusuppsättningar; Love & Markman, 2003). Vi använde endast två värden per dimension inom varje försök (Figur (Figur1,1, nederst). För varje försök utgjorde en slumpmässig kombination av två former (bland åtta olika), två färger (bland åtta olika) och två storlekar en uppsättning av åtta möjliga objekt. Vi begränsade storleksdimensionen till två olika värden (stor vs. liten, dvs. 280 × 280 pixlar vs. 140 × 140 pixlar) mellan listorna eftersom deltagarna hade problem med att identifiera mellanliggande värden under våra förtest. Användningen av åtta former, åtta färger och två storlekar var tillräcklig för att generera 1568 möjliga uppsättningar av åtta objekt, vilket begränsade den proaktiva interferensen mellan försöken (en provad kombination av egenskaper ges i figur Figur Figur1,1, överst).

Deltagaren visste inte i förväg vilken av dimensionerna som skulle vara den mest relevanta för kategoriseringsprocessen. Dimensionsvärdena valdes slumpmässigt för var och en av de listor som presenterades, för att variera de möjliga kombinationerna av dimensioner (former, storlekar och färger) mellan listorna, samtidigt som samma kategoristruktur bibehålls (visas i figur Figur Figur1).1). Sannolikheten att en deltagare skulle stöta på två identiska uppsättningar av egenskaper mellan två listor under experimentet antogs vara mycket låg.

Förfarande. Experimentet var en 2 × 2 within-subject design. Varje deltagare försökte sig på alla fyra blocken (chunkable simple span-uppgift, non-chunkable simple span-uppgift, chunkable complex span-uppgift, non-chunkable complex span-uppgift), vars ordningsföljd balanserades mellan deltagarna (dvs. 24 möjliga ordningsföljder; det krävdes 96 deltagare för att balansera designen perfekt). Varje block bestod av flera listor med stimuli och återkallandet skedde efter varje lista. Deltagarna informerades om att de var tvungna att memorera varje lista med stimuli i rätt ordning. En lista med stimuli (t.ex. en liten blå kvadrat och en stor blå kvadrat) valdes från en slumpmässig kombination av två former (t.ex. alla stimuli som uppstod genom kombinationen av små vs. stora, blå vs. röda och fyrkantiga vs. cirkelformade objekt). Stimuli i en given sekvens visades seriellt i mitten av skärmen i en sekund vardera (t.ex. för en lista med två stimuli, en liten blå kvadrat följt av en stor blå kvadrat). Svårigheten för varje sekvens uppskattades enligt den kompressibilitetsmetrik som beskrivs av Chekaf et al. (2016) och som bygger på Feldman (2000). Detta mått använder helt enkelt disjunktiva normalformler (en disjunktiv lista med konjunktioner av funktioner) för att beräkna det minsta antalet funktioner som reducerar de okomprimerade listorna med objekt (som ordagrant listar alla funktioner för de ingående objekten inom listorna).

När listan med objekt presenterades visade svarsskärmen hela uppsättningen av de åtta objekten från vilka delmängden hade valts ut. Svarsskärmen visade i slumpmässigt bestämda positioner åtta svarsalternativ: de k stimulus som ska återkallas och de 8 – k återstående distraktionsobjekten. Deltagarna skulle minnas listan över föremålen och rekonstruera deras ordning. Deltagaren gjorde val genom att klicka på objekten för att återkalla objekten i rätt ordning. Detta återkallningsförfarande liknar det som används i den visuella seriella rapporteringsuppgiften i korttidsminnet (Avons & Mason, 1999; Smyth, Hay, Hitch, & Horton, 2005). Stimuli underströks med hjälp av en vit balk när användaren klickade på dem. Det fanns ingen tidsbegränsning för återkallandet. Deltagaren kunde gå vidare till nästa sekvens genom att trycka på mellanslagstangenten.

De 8 – k kvarvarande distraktionsobjekten i testskärmen gjorde det möjligt för oss att beräkna komprimerbarheten korrekt. Till exempel, för försök #14nc som visas i figur Figur1,1, innehöll återkallningsskärmen en stor grön triangel, en liten lila triangel, en liten grön cirkel och en stor lila cirkel som de nya objekten, utöver de fyra stimuli (stor lila triangel, liten grön triangel, en liten lila cirkel och en stor grön cirkel). Försök nr 14c som visas i figur 11 innehöll de fyra röda objekten utöver de fyra blå stimuli. Minnenas komprimerbarhet var därför avsiktligt korrelerad med försökens krav på hämtning. Enligt det föregående exemplet är de nya föremålen i försök #14nc logiskt sett mer störande för minnesanteckningarna eftersom lockämnenas egenskaper överlappar med egenskaperna hos de stimuli som ska återkallas. Omvänt skulle de röda lockelserna kunna vara mindre störande för de blå stimulusobjekten i #14c. Eftersom ”blå” är en enkel beskrivning av minnesobjekten är den motsatta kategorin nödvändigtvis också enkel (dvs. ”röd”). Det faktum att varje beskrivning och dess komplement har samma komplexitet brukar kallas paritet.

Listorna visades med hjälp av stigande presentation av längd (längden varierade progressivt från 1 till 8 objekt), som i de sifferspannor som används i neuropsykologiska tester. Prövningslängd 1 användes endast som uppvärmning. I vårt experiment användes till exempel samma antal upprepningar per längd som i sifferspannet i WISC- eller WAIS-testet. Ett block stoppades automatiskt efter fyra fel inom en given listlängd (ett fel var helt enkelt deltagarens oförmåga att återkalla sekvensen helt och hållet i perfekt ordning). Deltagarna fick fyra försök per längd L. De informerades också om att de tre första försöken i varje block skulle behandlas som övningsförsök och sedan utelämnas från analysen. Efter denna uppvärmning fanns det fyra försök per listlängd i varje kondition.

När uppgiften var en enkel span-uppgift fanns det ett intervall på 500 ms mellan punkterna. När uppgiften var en komplex span-uppgift använde vi uppgiftsförfarandet operation span (OS). I OS måste deltagarna utföra matematiska operationer mellan minnesobjekt (se Conway et al., 2005; Kane et al., 2004). En ekvation visades på skärmen (t.ex. ”7 + 2 = 10”) innan varje objekt som man skulle komma ihåg presenterades (ekvationerna lästes tyst). Deltagaren hade tre sekunder på sig att bedöma ekvationen genom att klicka på en knapp (sant eller falskt), innan nästa objekt visades. Ekvationen försvann efter att deltagaren gjort ett svar, strax innan nästa punkt visades. Denna interfolierade bearbetningsuppgift ansågs hindra deltagarna från att fritt dela upp bitar.

För det enkla spannet som inte kan delas upp, för en given listlängd, alternerade de mest inkompressibla listorna med mindre inkompressibla listor; annars skulle bitar ha uppvisat för stor likhet under hela försöket. Till exempel visar försök nr 10nc i figur 1.1 den mest inkompressibla uppsättningen med tre objekt, med en första skillnad på två egenskaper (storlek och färg, mellan den lilla vita kvadraten och den stora svarta kvadraten) följt av en andra skillnad på två egenskaper (storlek och form, mellan den stora svarta kvadraten och den lilla svarta triangeln), medan försök nr 9nc visar en mindre inkompressibel uppsättning med tre objekt, som är ordnad med hjälp av en skillnad på tre egenskaper följt av en skillnad på två egenskaper för att göra styckningsprocessen svårare. Avståndet mellan objekt (det summerade antalet funktionsskillnader mellan objekt) är bekvämt för att beskriva relationerna mellan funktioner, men Feldman (2000, 2003) beskriver mer exakt hur funktionerna kan beskrivas på nytt för att komprimera summan av information i varje uppsättning objekt (komprimeringsprocessen är inte alltid relaterad till avståndet mellan objekt). Till exempel kan ”liten vit kvadrat, liten svart kvadrat” reduceras till två funktioner (”liten kvadrat”), medan ”liten vit kvadrat, stor svart triangel” inte kan reduceras till mindre än sex funktioner. Här kräver t.ex. den övergripande beskrivningen av de tre objekten i prov #9nc ett minimalt logiskt uttryck på 5 funktioner, i stället för 8 funktioner för #10nc; se (Feldman, 2003). Detta mått på kompressibilitet tjänar här endast till att förutsäga hur stor delbar en kategoriuppsättning är (exakt ordningsföljd, t.ex. ”först vit”, kräver fortfarande ytterligare en bit information i försökskontexten). Sammantaget valdes alla kategoristrukturer av en given längd så att de var mindre komprimerbara i det icke-komprimerbara tillståndet än i det komprimerbara tillståndet.

Poängsättning. För att beräkna en uppskattning av spännvidden i varje tillstånd, gavs ett värde på 0,25 för varje helt korrekt seriell rapport av alla minnesobjekt inom ett försök.2 En deltagare som till exempel bara minns 3 av 4 sekvenser av ett objekt skulle tilldelas en spännvidd på 0,75, om han eller hon misslyckades helt och hållet för längre sekvenser. När en försöksperson fick 4, 4 och 3 korrekta försök i längderna 1, 2 och 3 var spännvidden lika med (4 + 4 + 3)/4 = 2,75. När en försöksperson fick 4, 3 och 2 korrekta försök på längderna 1, 2 och 3 var spännvidden lika med (4 + 3 + 2)/4 = 2,25.

.