Granice automatycznego przetwarzania sensomotorycznego podczas przetwarzania tekstu: badania z powtarzającymi się doświadczeniami językowymi, konsolidacją pamięci podczas snu i bogatymi kontekstami uczenia się językowego Część 2

metoda

Uczestnicy

Liczebność próby do bieżącego eksperymentu została określona na podstawie analizy mocy przeprowadzonej przez Günthera i in. (2018), w oparciu o rozmiary efektów efektów zgodności działania zaobserwowane przez Lachmaira i in. (2011) oraz Öttl i in. (2017).

Po pierwsze, dobra pamięć może poprawić naszą efektywność pracy. Niezależnie od tego, czy są to umiejętności, doświadczenie w pracy, czy wiedza, którą zdobyliśmy, należy je wszystkie zapamiętać, zanim będzie można je naprawdę opanować i wykorzystać. Dlatego posiadanie dobrej pamięci może pomóc nam szybciej i wydajniej wykonywać naszą pracę oraz poprawić naszą efektywność pracy.

Po drugie, dobra pamięć może również poprawić naszą zdolność uczenia się. W procesie uczenia się musimy opanować dużą ilość wiedzy i umiejętności, które można opanować jedynie poprzez pamięć. Jeśli nasza pamięć nie będzie dobra, trudno będzie nam szybko i efektywnie uczyć się oraz przyswajać nową wiedzę. Wręcz przeciwnie, dobra pamięć może pomóc nam uczyć się szybciej i lepiej oraz poprawiać nasze wyniki w nauce.

Ponadto dobra pamięć może również poprawić nasze umiejętności komunikacyjne. W komunikacji, jeśli potrafimy odpowiednio wykorzystać zdobytą wiedzę i umiejętności, będziemy mogli pewniej i płynniej wyrażać swoje myśli i opinie. Dobra pamięć może pomóc nam lepiej opanować tę wiedzę i umiejętności oraz poprawić nasze umiejętności komunikacyjne.

Wreszcie, dobra pamięć sprzyja także rozwojowi osobistemu i poprawia jakość życia. Jeśli w pełni odtworzymy naszą pamięć, będziemy w stanie nie tylko lepiej opanować wiedzę i umiejętności, ale także lepiej zrozumieć sens i wartość życia, sprzyjać rozwojowi osobistemu i poprawiać jakość życia.

Krótko mówiąc, istnieje ścisły związek między wydajnością człowieka a pamięcią. Posiadanie dobrej pamięci może przynieść wiele efektów i korzyści, a dzięki ciągłej praktyce i ćwiczeniom możemy także poprawić naszą pamięć i lepiej radzić sobie z wyzwaniami w życiu i pracy. Widać, że trzeba poprawić pamięć, a Cistanche desericola potrafi znacząco poprawić pamięć, bo Cistanche desericola potrafi także regulować równowagę neuroprzekaźników, np. zwiększać poziom acetylocholiny i czynników wzrostu. Substancje te są bardzo ważne dla pamięci i uczenia się. Ponadto mięso może również poprawić przepływ krwi i promować dostarczanie tlenu, co może zapewnić mózgowi wystarczającą ilość składników odżywczych i energii, poprawiając w ten sposób witalność i wytrzymałość mózgu.

Kliknij i poznaj sposoby na poprawę funkcjonowania mózgu

Moc testową oszacowano jako moc większą lub równą 0,90 dla próbek o wielkości n większej lub równej 42 oraz n większej lub równej 38, odpowiednio. Ponieważ moc testu rośnie monotonicznie wraz z wielkością próbki, Günther i in. (2018) postanowili przetestować wszystkie eksperymenty na 45 uczestnikach.

Przyjęliśmy tę decyzję, ustalając planowaną wielkość próbki w tonach=45 dla wszystkich eksperymentów.

W Eksperymencie 1 zebrano dane od 46 uczestników, których językiem rodzimym jest język niemiecki (o jednego więcej niż jest to wymagane ze względu na problemy proceduralne), 36 kobiet i 10 mężczyzn, w tym 39 osób praworęcznych, w wieku mg=22,3 lat, w wieku SDA {{9} }.47 lat.

Pierwotnie przebadaliśmy 52 uczestników, ale dane od dwóch dodatkowych uczestników zostały wykluczone ze względu na problemy techniczne, a dane czterech dodatkowych uczestników ze względu na wysoki poziom błędów (< 90% correct in at least one experimental condition; Lachmair et al., 2011). 

Uczestnicy wszystkich opisanych tutaj eksperymentów otrzymywali pieniądze (stawka 8 za godzinę za aktywne części badania) lub punkty za udział w kursie. Żadna osoba nie brała udziału w więcej niż jednym eksperymencie lub badaniu oceniającym opisanym w tym artykule.

Materiały i procedury

Uczestnicy przeprowadzili początkową fazę uczenia się i fazę snu wieczorem w domu, po której następowała faza powtórek, faza testowa i zadanie jednoznacznej oceny podczas jednej sesji laboratoryjnej następnego ranka.

Faza nauki Uczestnicy poznali osiem niemieckich pseudosłów używanych już w Güntheret al. (2018) oraz Günther i in. (2020). Każde słowo było osadzone w jednym z ośmiu tekstów (od 376 do 520 słów) i występowało od pięciu do dziewięciu razy. Biorąc pod uwagę długość tekstów, liczba ośmiu elementów nauczania utrzymuje trudność fazy uczenia się na możliwym do opanowania poziomie.

Teksty opisywały (nieco dystopijną, futurystyczną) scenerię, po czym wprowadzono jedno z nowatorskich słów odnoszących się do nowatorskiej koncepcji w tej scenerii.

Cztery z tekstów wprowadziły pojęcia związane z górą (takie jak sztuczne słońce), a cztery wprowadziły pojęcia związane z dołem (takie jak podziemne miasto). Przykłady tych tekstów podano w Materiałach uzupełniających A.

Ten materiał edukacyjny został zweryfikowany w internetowym badaniu oceniającym, w którym wzięło udział 50 uczestników, dla których językiem ojczystym jest język niemiecki (37 kobiet, 12 mężczyzn, 1 nieokreślony; MA wiek=27,74 lata, SDAwiek=8,40 lat).

Nowatorskie słowa wprowadzone jako etykiety nowatorskich koncepcji powiązanych w górę zostały prawidłowo ocenione jako odnoszące się w górę przez od 70 do 88% uczestników, a jako odnoszące się w dół w przypadku opisów koncepcji powiązanych w dół przez od 80 do 86 % uczestników (wszyscy istotnie różnili się od 50%, p < 0,007). W rzeczywistym eksperymencie cztery z nowych słów zostały użyte w tekstach opisujących nowatorskie koncepcje powiązane w górę, a pozostałe cztery w opisach nowatorskich koncepcji związanych z niższymi wartościami.

W przypadku 22 z 46 uczestników to przypisanie nowych słów i tekstu zostało odwrócone. W pierwszej fazie nauki za pośrednictwem Internetu (między 20:00 a 22:00) uczestnicy zostali poinstruowani, aby uważnie przeczytali teksty na 12 godzin przed rozpoczęciem sesji laboratoryjnej.

Teksty prezentowane były w losowej kolejności, a uczestnicy mogli przejść do kolejnego, wybranego przez siebie tekstu. Wszystkie internetowe części badania zostały zaprogramowane przy użyciu jsPsych (deLeeuw, 2015).

Rejestrowano godzinę rozpoczęcia i zakończenia fazy uczenia się, a także czas prezentacji każdego tekstu. Na koniec fazy uczenia się uczestnicy wygenerowali zindywidualizowany kod potwierdzający swój udział.

Faza snu Uczestników poinstruowano, aby spali pomiędzy fazą uczenia się a sesją laboratoryjną następnego ranka oraz aby angażowali się w jak najmniejszą liczbę zajęć poza snem, a zwłaszcza żadnych innych zajęć związanych z nauką. Uczestnicy zgłaszali czas snu od 4 godzin 15 minut do 9 godzin 30 minut.

Faza powtórek Podczas sesji laboratoryjnej rozpoczynającej się między 8:00 a 10:00 początkowo sprawdzono, czy i kiedy uczestnicy wykonali fazę uczenia się, prosząc ich o dostarczenie swojego zindywidualizowanego kodu i sprawdzając, czy ukończyli fazę uczenia się w rozsądnym terminie. Następnie uczestnicy ponownie czytają teksty z fazy uczenia się.

Faza testowa Faza testowa była identyczna jak w przypadku Günthera i in. (2018) oraz Öttla i in. (2017). Uczestnicy siedzieli przed monitorem komputera i pionowo zamontowaną klawiaturą komputerową ze specjalną czteroprzyciskową nakładką (dwa przyciski pośrodku, jeden nad drugim, jeden górny i jeden dolny).

Uczestnicy rozpoczynali każdą próbę od naciśnięcia dwóch środkowych przycisków klawiatury.

Połowa uczestników została poinstruowana, aby dominującą ręką nacisnąć górny środkowy przycisk, a połowa dolny środkowy przycisk. Gdy oba przyciski zostały naciśnięte w tym samym czasie, przez 1000 ms pojawiał się pusty ekran, po którym przez 750 ms na środku ekranu pojawiał się czarny krzyżyk fiksacyjny. Następnie jedno z ośmiu nowych słów zostało zaprezentowane na środku ekranu w jednym z czterech kolorów czcionki (niebieski, czerwony, pomarańczowy lub zielony).

Uczestnicy zostali poinstruowani, aby zareagować ruchem w górę (zwolnić górny środkowy przycisk i nacisnąć górny przycisk tą samą ręką) w przypadku dwóch kolorów i ruchem w dół w przypadku dwóch pozostałych (Lachmair i in., 2011, zob. także Dudschig i in. , 2014a, b).

Przypisanie kierunków reakcji do kolorów było zrównoważone wśród uczestników. Czas reakcji mierzony jest jako czas do zwolnienia jednego ze środkowych przycisków (Lachmair i in., 2011).1 Słowo zniknęło po zwolnieniu jednego ze środkowych przycisków lub po ustalonym czasie trwania 1500 ms. Uczestnicy otrzymywali informację zwrotną, jeśli ich odpowiedzi były nieprawidłowe lub zbyt wolne.

Każdy z ośmiu bloków eksperymentalnych składał się z 32 prób (8 nowych słów, wszystkie przedstawione w każdym z 4 kolorów). Przed właściwą fazą testową uczestnicy ukończyli blok ćwiczeniowy składający się z 16 prób, w których dwa różne ciągi liter (XXXX i YYYY) prezentowane były uczestnikom dwukrotnie w każdym kolorze czcionki. Fazę testową zaimplementowano w programie Psychtoolbox dla Matlaba (Brainard, 1997).

Zadanie jednoznacznej oceny W zadaniu jednoznacznej oceny bezpośrednio po fazie testowej uczestnicy wskazali dla każdego nowego słowa, czy kojarzą je z położeniem skierowanym w górę, czy w dół (jak w: Günther i in., 2018).

Wyniki

Wszystkie skrypty danych i analiz (a także materiały eksperymentalne) do tego i wszystkich eksperymentów są dostępne pod adresemhttps://osf.io/vxrhn.

Faza testowa

Z analizy wykluczono próby z błędami (2,9%) i zbyt szybkie próby (RT < 100 ms, 2 próby) (Lachmair i in., 2011). Średnie czasy odpowiedzi według kontekstu uczenia się i kierunku reakcji przedstawiono na ryc. 1.

Zastosowaliśmy liniowe modele efektów mieszanych do analizy czasów reakcji przekształconych logarytmicznie (Baayen i Milin, 2010), korzystając z pakietów R lme4 (Bates i in., 2015) i lmerTest (Kuznetsova i in., 2017).

Najpierw oszacowaliśmy model bazowy obejmujący stałe efekty dla kontekstu uczenia się i kierunku reakcji, losowe punkty przecięcia zarówno dla uczestników, jak i elementów oraz losowe nachylenia dla kontekstu uczenia się i kierunku reakcji zarówno dla uczestników, jak i elementów.2 Dodatkowo uwzględniliśmy interakcję stałego efektu pomiędzy kontekstem uczenia się a kierunkiem reakcji (odpowiadającym do hipotetycznego efektu zgodności działania) nie poprawiło modelu, jak wskazano w porównaniu modelu za pomocą testu współczynnika wiarygodności (휒2(1)=1.78, s.=0.183).

Stosując przybliżenie BIC BF{{0}} exp(BIC(H1) − BIC(H0)∕2) (Wagenmakers, 2007), dla tego porównania otrzymaliśmy współczynnik Bayesa wynoszący BF=0.0227 , co wskazuje, że dane są około 44 razy bardziej prawdopodobne w przypadku modelu bazowego (mocne dowody na korzyść modelu bazowego/zero; Kass i Raftery, 1995).

Ten sam wzorzec pojawił się, gdy ograniczyliśmy analizę do pozycji, w przypadku których uczestnicy udzielili prawidłowej odpowiedzi w zadaniu jednoznacznej oceny. Parametry modelu, w tym składnik interakcji, przedstawiono w tabeli 1.

Zadanie jednoznacznej oceny

Odpowiedzi uczestników według kontekstu uczenia się przedstawiono na ryc. 1. Oszacowano uogólniony liniowy model efektu mieszanego dla proporcji odpowiedzi „w górę”, zawierający tylko wyraz wolny i losowe punkty wyrazu, a także losowe nachylenia dla kontekstu uczenia się zarówno dla uczestników, jak i przedmiotów.

Model, który dodatkowo zawierał ustalony efekt dla kontekstu uczenia się, przewidywał odpowiedzi uczestników znacznie lepiej niż ten model bazowy (휒2(1)=16.71, p < 0.001, 훽 {{6} } −3,49, z=−6,33). Jak widać na rys. 1, oba warunki istotnie odbiegały od przewidywania prawdopodobieństwa w oczekiwanym kierunku.

Dyskusja

Zgodnie z wynikami Günthera i in. (2018) nie zaobserwowaliśmy efektu zgodności działań w przypadku słów wyuczonych wyłącznie z języka, mimo że uczestnicy byli w stanie wskazać sugerowane położenie słów, gdy zostali o to wyraźnie poproszeni. Wynik ten jest zaskakujący przy założeniu, że sen pomiędzy fazą uczenia się a fazą testową powinien prowadzić do utrwalenia pamięci.

Jednakże uczestnicy tego badania w zasadzie mogli w dużej mierze zignorować materiał do nauki prezentowany im wieczorem i przeczytać go dopiero w fazie powtórek, aby uzyskać wyniki zaobserwowane w zadaniu jednoznacznej oceny. Pozostawia to otwartą możliwość, że podczas snu nie doszło do konsolidacji. Zajęliśmy się tym problemem w eksperymencie 2.

Eksperyment 2

Eksperyment 2 był zmodyfikowaną wersją Eksperymentu 1: Z jednej strony fazy uczenia się zawierały teraz pytania kontrolne dotyczące wyuczonych pojęć, na które uczestnicy musieli poprawnie odpowiedzieć, aby ukończyć fazę uczenia się. Z drugiej strony dodaliśmy teraz drugą fazę uczenia się dni przed fazą testową, aby uczestnicy mieli więcej doświadczenia z koncepcjami i więcej możliwości utrwalenia pamięci

metoda

Uczestnicy

Dane zebrano od 45 rodzimych uczestników niemieckojęzycznych, 38 kobiet i 7 mężczyzn, wszyscy praworęczni, MA w wieku=22,2 lat, SDAwiek=3,58 lat. Dane od jednego dodatkowego uczestnika wykluczono ze względu na błędy techniczne, a dane od sześciu dodatkowych uczestników ze względu na wysoki poziom błędów.

Materiały i procedury

Materiał, faza snu, faza powtarzania, faza testu i zadanie jednoznacznej oceny były identyczne jak w eksperymencie 1. Jednakże w eksperymencie 2 zastosowaliśmy wydłużoną fazę uczenia się. Po pierwsze, uczestnicy przeprowadzili fazę uczenia się dzień przed sesją laboratoryjną, a także dzień wcześniej, co dało dwie identyczne fazy uczenia się. Po drugie, wenow uwzględnił pytania kontrolne w fazie uczenia się.

Po przeczytaniu wszystkich ośmiu tekstów w losowej kolejności (które były identyczne z Eksperymentem 1), uczestnikom zadano pytania kontrolne-zagadki, takie jak „Sztuczne słońce umieszczone na kopule nad miastem nazywa się [ ]”, w których musieli wpisać nowe słowo etykiety, których nauczyłem się wcześniej. Osiem różnych pytań zostało przedstawionych w losowej kolejności. Uczestnicy otrzymali informację zwrotną na temat swoich odpowiedzi.

Jeśli nie wszystkie odpowiedzi były prawidłowe, uczestnikom ponownie przedstawiano wszystkie teksty do nauki, a po nich wszystkie pytania kontrolne. Powtarzano tę czynność, aż wszystkie odpowiedzi były prawidłowe.3 Sprawdziliśmy, czy uczestnicy nie porzucili faz uczenia się przed przetestowaniem ich w sesjach laboratoryjnych.

Wyniki

Faza testowa

Z analizy wyłączono próby błędów (2,3%). Nie przeprowadzono żadnych prób z czasem reakcji poniżej 100 ms. Średnie czasy odpowiedzi według kontekstu uczenia się i kierunku reakcji przedstawiono na ryc. 2.

Przeprowadziliśmy tę samą analizę modelu mieszanego, co opisaną w eksperymencie 1. Model uwzględniający interakcję między kontekstem uczenia się a kierunkiem reakcji nie radził sobie znacząco lepiej w wyjaśnianiu danych niż model bez niego (휒2(1)=3.34 , s.=0.067). Otrzymaliśmy przybliżony współczynnik Bayesa w przybliżeniu BIC wynoszący BF=0,0503, co wskazuje, że dane są około 20 razy bardziej prawdopodobne w przypadku modelu bazowego (dodatnie dowody na korzyść modelu bazowego). Parametry modelu dla tego modelu przedstawiono w tabeli 1.

Ponieważ wartość p w tej analizie była dość bliska 0,05, przed wyciągnięciem wniosków na temat braku efektu zgodności przeprowadziliśmy dodatkową analizę zapasową.

W tym celu dodatkowo przeprowadziliśmy alternatywną analizę jednoczynnikową, w której dwa czynniki eksperymentalne połączono w jednoczynnikową „zgodność” (warunki góra-góra i dół to warunki zgodne, pozostałe dwa to warunki niezgodne). W analizie modelu mieszanego (z modelem obejmującym losowe punkty przecięcia i losowe nachylenia zgodności dla obu uczestników i elementów), włączenie stałego efektu zgodności nie poprawiło znacząco modelu (휒2(1)=1.49, p { {8}}.222).

Ponownie, w przypadku obu przedstawionych tutaj typów analiz pojawił się ten sam schemat, ograniczając analizę do pozycji, w przypadku których uczestnicy podali poprawną odpowiedź w zadaniu jednoznacznej oceny.

Zadanie jednoznacznej oceny

Odpowiedzi uczestników według kontekstu uczenia się przedstawiono na ryc. 2. Zastosowaliśmy ten sam bazowy GLMEM, co w poprzednim badaniu, zawierający tylko punkt przecięcia i losowe punkty przecięcia, a także losowe nachylenia dla kontekstu uczenia się zarówno dla uczestników, jak i pozycji, aby przewidzieć proporcję odpowiedzi „w górę”.

Model, który dodatkowo zawierał ustalony efekt dla kontekstu uczenia się, przewidywał odpowiedzi uczestników znacznie lepiej niż ten model bazowy (휒2(1)=32.63, p < 0.001, 훽 {{6} } −9,93, z=−3,97). Ponownie oba warunki znacząco odbiegały od prawdopodobieństwa zgadywania w oczekiwanym kierunku (patrz ryc. 2).

Dyskusja

W pierwszych dwóch eksperymentach nie zaobserwowaliśmy żadnych efektów automatycznego działania i zgodności w przypadku słów wyuczonych wyłącznie z języka, mimo że uczestnicy byli w stanie wskazać sugerowane lokalizacje słów, gdy zostali o to wyraźnie poproszeni (zgodnie z Günther i in., 2018).

Stało się tak zwłaszcza w przypadku, gdy uczestnicy mieli znacznie większe doświadczenie z nowymi słowami w porównaniu z poprzednimi badaniami – zastosowaliśmy znacznie wydłużone fazy uczenia się, podczas których nowe słowa opisywały pojęcia kluczowe dla rozsądnych, spójnych tekstów, które uczestnicy czytali dwukrotnie – i mimo że powiązanie między ślady można utrwalić w pamięci podczas snu (Walker i Stickgold, 2006).

Można oczywiście argumentować, że uczestnicy nadal mieli stosunkowo niewielkie doświadczenie z tymi słowami i dlatego podczas czytania nie dotarli automatycznie do ich znaczenia.

Uczestnicy nigdy też nie zetknęli się z nowatorskimi słowami poza ich kontekstem uczenia się, które jasno opisywały określone pionowe lokalizacje. Dlatego nigdy nie musieli używać słów jako wskazówek do wyszukiwania jakichkolwiek informacji sensomotorycznych, co skutkowało słabymi powiązaniami skojarzeniowymi. Ponadto uczestnicy nigdy aktywnie nie używali tych nowatorskich słów w komunikacji i nigdy nie spotkali się z nimi poza sztucznym laboratorium.

Mogą zatem postrzegać je jako oczywiście sztuczny materiał eksperymentalny, niemający żadnego związku ze światem rzeczywistym, i nie uważać ich za rzeczywiste hasła leksykonu.

For more information:1950477648nn@gmail.com