Intraobjekt och extraobjektminne som binder över tidig utveckling del 3

Resultat och diskussion

Tre {{0}}åringar uteslöts på grund av datorfel, och ytterligare en 5-åring exkluderades för att inte ha slutfört uppgiften. Eftersom barn och vuxna svarade på olika sätt (en pekskärm respektive tangentbord) kunde vi inte analysera svarstider, men vi uteslöt individuella försök med mycket snabba (dvs < 200 ms) svar från alla analyser eftersom de sannolikt var oavsiktliga . Andelen exkluderade försök var 1,3 % hos 5-åringar, ,2 % hos 8-åringar och 0 % hos vuxna.

Barns reaktioner och minne är nära besläktade. En bra reaktionshastighet kan hjälpa ett barn att bearbeta information och lära sig bättre, medan ett starkt minne kan hjälpa ett barn att bättre komma ihåg och tillämpa det de har lärt sig.

Ett barn som lätt kan bedöma saker och reagera snabbt kommer att bli mer framgångsrik i lärandet. Dessa barn kan bearbeta stora mängder information effektivt och reagera snabbt när det behövs. Barn utvecklar en självsäker attityd och presterar bättre när de uppmanas att svara snabbt i alla aspekter av skolan och livet. Dessutom kommer deras snabba reaktioner också att ge dem bättre hand-öga-koordination och mer motorik för att möta behoven av deras sunda tillväxt.

Å andra sidan är ett starkt minne också mycket viktigt. Mängden information som barn behöver komma ihåg är överväldigande, inklusive uppgifter som lektioner och läxor i skolan. Om ett barn inte har ett bra minne har de sannolikt problem med skoluppgifter och läxor. Om barn glömmer vad de borde göra, eller glömmer vad läraren lärde ut i klassen, kommer de att stöta på blinda fläckar och försummelser i sin inlärning.

Som tur är kan vi hjälpa barn att förbättra sina reflexer och minne genom övningar och träning. Till exempel kan vi engagera barn i utmanande aktiviteter som minneskortspel, målning, musik etc. för att hjälpa dem att optimera sitt minne och reaktionshastighet. Vi kan också uppmuntra barn att delta i fler utomhusaktiviteter och sporter för att förbättra sin fysiska kondition.

I föräldraskapsprocessen behöver vi uppmuntra barn att ständigt prova nya saker och aktivt delta i olika aktiviteter i skolan och familjelivet så att de kan få fler möjligheter att träna. Vi behöver ge barn positiv uppmuntran och stöd så att de med tillförsikt kan möta olika utmaningar i livet så att deras reaktionshastighet och minnesförmåga snabbt förbättras. Det kan ses att vi behöver förbättra vårt minne. Cistanche deserticola kan förbättra minnet avsevärt eftersom Cistanche deserticola är ett traditionellt kinesiskt läkemedelsmaterial med många unika effekter, varav en är att förbättra minnet. Effekten av malet kött kommer från de olika aktiva ingredienserna det innehåller, inklusive syra, polysackarider, flavonoider, etc. Dessa ingredienser kan främja hjärnans hälsa på olika sätt.

Klicka på vet kosttillskott för att förbättra minnet

Efter att ha uteslutit individuella försök uteslöt vi all data från deltagare som inte presterade bra i både inlärnings- och inlärningstestfaserna, eftersom det skulle vara svårt att dra slutsatser om interferens eller minnesbindning hos deltagare som inte förstod uppgiften eller inte betalade uppmärksamhet. Specifikt utförde vi två ensidiga binomialtester för varje deltagare. Det första testet kombinerade alla försök från block 2–4 i inlärningsfasen för set A med unika försök från block 2–4 i inlärningsfasen för set B. Vi uteslöt det första blocket av dessa faser eftersom vi förutsåg noggrannhet nära slumpen när oförutsedda händelser först presenterades, och vi uteslöt överlappande försök från uppsättning B eftersom vi resonerade att noggrannheten kan vara lägre i dessa försök på grund av proaktiv interferens.

Det andra statistiska testet kombinerade alla försök från det första inlärningstestet i set A med unika försök från inlärningstestet i set B. Anledningen till att utesluta överlappande försök för set B var återigen möjligheten till proaktiv interferens. Vi uteslöt 12 femåringar, fem 8-åringar och noll vuxna vars noggrannhet inte var över slumpen i båda binomialtesterna.1 Det slutliga urvalet inkluderade 32 femåringar (mag. {{9} }.08 år, SDage=.20, språk=4.74-5.51; 13 kvinnor, 19 män), 30 åttaåringar (mag.=8. 54 år, SDage=.28, språk=8.05–8.99; 15 kvinnor, 15 män) och 30 vuxna (15 kvinnor, 15 män).

För att undersöka om dessa slutliga urvalsstorlekar var lämpliga, genomförde vi en effektanalys baserad på den övergripande noggrannheten i bindningstestfasen för 5-åringar och 8-åringar. Förmågan att upptäcka en skillnad mellan femåringar och åttaåringar var 1.00 i detta experiment, vilket indikerar att dessa provstorlekar var mer än tillräckliga för att upptäcka en ålderseffekt i minnesbindningsnoggrannhet.

Data för detta experiment presenteras i figur 2 och tabell 1. För att analysera data genomförde vi en serie hierarkiska Bayesianska linjära regressioner som förutsäger medelnoggrannhet i olika uppgiftsfaser. Dessa analyser presenteras i sin helhet i sektionerna Hierarkiska Bayesianska regressionsmodeller och resultat av regressionsmodeller i tilläggsmaterialet online.

Sammantaget tyder resultaten på starka överlappsspecifika interferenseffekter i alla grupper. Specifikt, även om vi fann få bevis på proaktiv störning när vi lärde oss eller testades på set B-kontingenter, fann vi starka bevis på retroaktiv interferens i det andra inlärningstestet för set A (dvs. i inlärningstest 2A, efter inlärning och testning av set B ), eftersom noggrannheten var avsevärt lägre för Överlappning jämfört med Unika oförutsedda händelser. Intressant nog tenderade noggrannheten också att vara lägre i inlärningstest 2A totalt sett. Det finns flera anledningar till varför detta kan ha varit fallet: minnen kan ha förfallit över tiden, deltagarna kan ha varit trötta i detta senare skede av experimentet, eller det kan ha förekommit någon störning från andra oförutsedda händelser som inte var specifika för stimulansöverlappning.

Vi fann också starka bevis på interferens som specifikt kan hänföras till stimulansöverlappning i bindningstestfasen, eftersom noggrannheten var betydligt lägre för överlappning jämfört med unika oförutsedda händelser. Vi hittade också bevis på lägre noggrannhet totalt sett för 5-åringar än de äldre åldersgrupperna i bindningstestfasen. Resultaten av stark interferens och utvecklingsskillnader var något överraskande med tanke på att formen och färgegenskaperna presenterades inom objekt och vi förväntade oss att intraobjektbindningen skulle vara relativt stark i alla åldersgrupper.

Det framgår dock inte av dessa resultat vilka associationer som bildades eller hur dessa bindningsstrukturer kan ha skiljt sig åt mellan åldersgrupperna: deltagarna kan ha bildat enkla bindningsstrukturer mellan den individuella formen eller färgdragen och karaktären, mellan formerna och färgerna tillsammans inom objekt, och potentiellt mellan både funktioner och karaktärer, vilket skulle betraktas av en komplex bindningsstruktur. Det är svårt att uppskatta i vilken utsträckning dessa bindningsstrukturer bildades med vanliga statistiska modeller såsom regression. Istället behöver vi en modell som förutsäger både korrekta svar och olika typer av felsvar baserat på den underliggande representationen (dvs den bindande strukturen). För att formellt uppskatta bildandet av olika bindningsstrukturer och utvecklingsskillnader i dessa processer skapade vi en generativ beräkningsmodell.

Beräkningsmodellbeskrivning—För att formellt karakterisera de bindningsprocesser som vi ansåg ligga bakom prestanda i detta experiment, utvecklade vi en ny beräkningsmodell (för en fullständig beskrivning av modellen, se avsnittet Generativ beräkningsmodell i tilläggsmaterialet online). Modellen antar att deltagarnas svar stöddes av styrkan hos associationer som lärts under experimentet.

I modellen lagrar matriserna MFF, MFC och MFFC associationer mellan form- och färgegenskaperna (dvs. funktion-funktionsbindningar eller FF), mellan varje separat objektfunktion (form eller färg) och en karaktär (dvs. funktion-tecken) bindningar, eller FC), och mellan en konjunktion av båda funktionerna tillsammans inom objektet och en karaktär (dvs. egenskap-funktion-teckenbindning, eller FFC), respektive. Dessa matriser uppdateras på testnivå för att simulera bindningsprocesser och undersöks av minnessignaler för att simulera hämtning.

Varje bindningsstruktur är dubbelriktad: till exempel, eftersom en form är associerad med ett tecken, är tecknet också associerat med formen (se figur 3). Associationer mellan olika element ökas i de tre matriserna på en försöksnivå, skalade av inlärningshastighetsparametrar som är specifika för varje typ av bindning: FF, FC och FFC. De olika bindningsstrukturerna påverkar modellens prestanda på olika sätt. FF-associationer påverkar inte prestation i inlärnings- eller inlärningstestfaserna, men bidrar i bindningstestet till Korrekta svar för Unika oförutsedda händelser och till både Korrekta och Överlappande svarsalternativ för Överlappande oförutsedda händelser.

I experiment 1 uppmuntrades FF-bindning mellan objekt genom att presentera former och färger inom samma objekt, medan funktionerna i experiment 2 var rumsligt åtskilda för att uppmuntra bindning av extraobjekt (Figur 3, övre panelen). FC-föreningar bidrar till korrekta svar i inlärnings- och inlärningstestfaserna men kan också bidra till det felaktiga svaret för överlappande händelser efter att set B har introducerats; dessa associationer kan också användas i bindningstestet för att öka sannolikheten för att välja svarsalternativ som har associerats med den givna karaktären. Slutligen bidrar komplexa FFC-associationer endast till det korrekta svaret för både överlappande och unika händelser i alla faser av uppgiften.

Förutom att stärka dessa typer av associationer kan modellen ”glömma” genom att försvaga tidigare bildade associationer som strider mot nuvarande lärande. Till exempel, när man lär sig överlappande oförutsedda händelser i inlärningsfasen för uppsättning B, har varje objektfunktion tidigare associerats med den andra karaktären genom FC-bindning, och modellen kan försvaga de konkurrerande associationerna för att underlätta större noggrannhet och därmed minska proaktiv interferens, samtidigt som samtidigt öka retroaktiv interferens senare när set A återbesöks i inlärningstest A2.

Effekten av att glömma liknar alltså en hämningsprocess som diskuterades i introduktionen, även om vi inte inkluderade en mekanism genom vilken glömska kunde vändas annat än nyinlärning, medan hämning ofta anses vara ett tillfälligt fenomen (Geiselman & Bagheri, 1985). Som ett resultat av detta kan glömska mekanismen i modellen betraktas som en avlärningsprocess. Omfattningen av denna glömska process som påverkar alla bindningsstrukturer kontrollerades av en ytterligare parameter, .

Dessa lärande och glömska processer definieras matematiskt i modellen. Även om de fullständiga modellekvationerna finns i tilläggsmaterialet online, tillhandahåller vi nu förenklade ekvationer för att sammanfatta komponenterna i modellen. Varje matris uppdateras vid varje försök:

där M är en av de tre associativa matriserna och är motsvarande inlärningshastighet (kom ihåg att olika inlärningshastigheter uppskattas för FC-, FF- och FFC-bindning: FC, FF FFC). Vektorrepresentationerna av två element (t.ex. en form och färg) betecknas som f1 och f2. Dessa element är associerade med hjälp av en yttre produkt, betecknad med symbolen ⊗. Att glömma i modellen styrs av parametern , som är densamma för alla typer av bindning (FC, FF och FFC). Glömning sker genom att nedvikta sambandet mellan varje element och de andra elementen som tidigare har associerats med det men som inte presenteras i den aktuella prövningen, betecknad fx.

Till exempel, om i uppsättning A en blå cirkel och en gul stjärna presenterades, när en blå stjärna presenteras i inlärningsfasen för uppsättning B, skulle den blå stjärnan stärkas av ny inlärning, medan den blå cirkelassociationen skulle försvagas av glömmer. Observera att i den fullständiga modellen sker inlärning i två riktningar (t.ex. eftersom blått är associerat med en stjärna är stjärnan associerad med blått; se tilläggsmaterialet online för de fullständiga modellens ekvationer).

Slutligen är r ett enstaka skalärt värde som representerar en nyhetssignal på försöksnivå som ändras från försök till försök, och spårar hur starkt elementen f1 och f2 redan har associerats tidigare: r=e −f1·(M ·f2)+f2·(M·fl)).

I denna ekvation används f2 som en cue för att hämta en uppsättning av tidigare associerade element från M via en punktprodukt, och sedan "läser" en andra punktprodukt ut hur starkt fl i synnerhet har hämtats. Detta skalära hållfasthetsvärde adderas sedan till ett motsvarande hållfasthetsvärde för associationen i motsatt riktning (dvs. hur starkt f2 har hämtats av f1). Exponentialfunktionen tillämpas på detta totala hållfasthetsvärde. Om ingen inlärning har skett för dessa associationer tidigare, kommer styrkorna att vara noll, vilket resulterar i r=1 och full inlärning.

Men när associationerna blir starkare blir styrkevärdena större och r närmar sig noll. Resultatet av denna mekanism är att inlärningen minskar för föreningar som redan har lärt sig väl, vilket behövs för att hålla associationsstyrkorna från att växa utan gränser, eftersom inlärning sker under flera försök.

För att simulera beslutsfattande, beräknar modellen styrkan i sambandet mellan de tillhandahållna minnessignalerna och möjliga mål för varje försök. Styrkor bestäms genom att sondera associativa matriser med ledtrådar: s=(M · fcue ) · mål. Denna ekvation hämtar en uppsättning av element som har associerats med cue (cue) och läser ut ett enda styrkevärde (s) för ett specifikt mål (target). Dessa styrkeuppskattningar utgör grunden för att beräkna sannolikheten för varje möjlig respons samtidigt som de tillåter konkurrens från andra möjliga svar som kan resultera i störningar.

Denna regel för konkurrenskraftig hämtning är implementerad som en softmax-funktion: Pcℎoice=e s cℎoice ∑e s. Om styrkorna som stödjer alla möjliga val är desamma kommer modellen att förutsäga prestanda på chansnivå, men i den mån ett visst val stöds av större styrkavärden än andra val, kommer modellen att vara mer benägna att göra motsvarande val.

Vi anpassar modellen till de observerade data med fyra fria parametrar: FC, FF, FFC och . Viktigt är att modellen inte var lämplig för att sammanfatta statistik, såsom andelen korrekta svar i en viss fas, utan tog hänsyn till deltagarnas val för varje försök i varje fas av experimentet. Vi tillämpade hierarkiska Bayesianska tekniker för att passa modellen, vilket gjorde att vi kunde bedöma åldersskillnader med posterior parameterfördelning. Se tilläggsmaterialet online för ytterligare information om modellen och hur den passade till data.

Resultat av beräkningsmodeller—För att bedöma modellanpassning genererade vi uppgiftsprestanda på försöksnivå givet varje deltagares bäst passande parameteruppskattningar (se figur 2 för att jämföra observerade och modellförutspådda prestanda). Trots överskattning av proaktiv interferens i det första blocket av set B-inlärning i alla åldersgrupper, passade modellen de flesta prestationsmönster väl över alla experimentella faser, vilket tyder på att den kunde fånga åtminstone några av de processer som låg bakom uppgiftsutförande och hur de skilde sig åt. mellan åldersgrupper.

De bakre fördelningarna av hyperparametrar för varje åldersgrupp visas i figur 4A. Vi bedömer åldersskillnader för varje parameter genom att beräkna η, ett mått på fördelningsöverlappning som beskrivs ovan i avsnittet Analyser. Det fanns inga väsentliga bevis för några åldersskillnader i FC-bindning, uppskattad med parameter FC, eller glömmer, uppskattad med (ηs > 0,17). Däremot hittade vi mycket starka bevis för svagare FF-bindning, uppskattad med parametern FF, hos 5-åringar jämfört med både 8-åringar (η=.005) och vuxna (η=.001). Det fanns få tecken på skillnad mellan de två äldre åldersgrupperna (η= .642). Dessa nya fynd tyder på starka utvecklingsförändringar i intraobjektbindning mellan 5 och 8 års ålder, även om denna förmåga kan vara vuxenliknande vid 8 års ålder.

Det fanns också starka bevis på lägre värden för den komplexa bindningsparametern, FFC, hos 5-åringar jämfört med både 8-åringar (η=.010) och vuxna (η=.002). Även om de uppskattade parametervärdena tenderade att vara högre hos vuxna jämfört med åttaåringar, var denna skillnad inte särskilt robust (η=.429). Detta senare fynd var något överraskande eftersom tidigare arbete med en återkallningsuppgift har föreslagit en utdragen utveckling av komplexbindning efter 7 års ålder (Yim et al., 2013). Kanske är den framväxande förmågan att bilda komplexa bindningar mer detekterbar i igenkänningsuppgifter än i svårare återkallningsuppgifter; vi återkommer till denna fråga i den allmänna diskussionen.

För att undersöka om alla modellens mekanismer var nödvändiga för att passa data, utförde vi en modelljämförelsestudie där varje parameter eliminerades från modellen (dvs. sattes till noll) samtidigt som de andra anpassades till data, och vi fann att den fullständiga modellen inklusive alla fyra parametrarna passar bäst till data även när man tar hänsyn till modellkomplexitet (se avsnittet Modelljämförelsestudie i onlinetilläggsmaterialet och se figur S5 i samma avsnitt för hur dessa olika modeller förutsäger olika prestandamönster).

Sammantaget fann vi i detta experiment starka bevis för minnesstörningar i alla åldersgrupper baserat på hierarkiska regressionsmodeller, tillsammans med utvecklingsskillnader i prestanda i bindningstestet. Kanske ännu viktigare, med en ny beräkningsmodell fann vi bevis på betydande utvecklingsskillnader i intraobjektbindning och komplexbindning efter 5 års ålder, men inte efter 8 års ålder. Det framgår dock inte av dessa resultat hur minnesbindning och interferens påverkades av att presentera funktioner inom samma objekt. Tidigare arbete hos vuxna tyder på att bindning av extraobjekt är mer uppmärksamhetskrävande och är associerad med mindre exakt associativ minnesprestanda jämfört med bindning mellan föremål (Asch et al., 1960; Ecker et al., 2007, 2013; van Geldorp et al., 2015) . Vi antog därför att rumsligt separerande objektsegenskaper skulle störa bindningen, särskilt för små barn, vilket kan öka störningseffekterna. Vi undersökte dessa möjligheter i experiment 2.

Experiment 2: Utvecklingen av extraobjektbindningsmetoden

Deltagare – fyrtiofem 5-åringar (mage=5.16 år, SDage=.23, språk=4.80 −5.74; 17 kvinnor, 28 män) , 43 åttaåringar (mage=8.49 år, SDage=.38, språk=7.74 – 8.99; 23 kvinnor, 20 män) och 34 vuxna (19) kvinnor, 15 män) deltog i experiment 2. Se avsnittet Resultat och diskussion nedan för en kraftanalys. Tilldelning till detta experiment eller experiment 1 randomiserades.

Stimuli och tillvägagångssätt – I det här experimentet presenterades inte form- och färgdragen tillsammans inom samma objekt utan var rumsligt åtskilda (se figur 5). Vid varje försök placerades en transparent form och en färgklump i vertikal inriktning, och den relativa rumsliga positionen (överst eller botten) för dessa egenskaper balanserades för varje färg-form-parning inom varje block i varje fas. Proceduren var identisk med den i Experiment 1 förutom att stimuli hänvisades till som "par av former och färger" istället för föremål under instruktioner och prestationsåterkoppling.

For more information:1950477648nn@gmail.com