يتم حل تداخل الذاكرة طويلة المدى عن طريق التنافر والدقة على أبعاد الذاكرة التشخيصية الجزء 3

طرق التحليل

معايير الاستبعاد المستندة إلى الأداء: بالنسبة للتحليلات التي تضمنت بيانات مهمة إعادة الإعمار، استبعدنا عددًا صغيرًا من المشاركين بناءً على الأداء خلال الجولات 9-12 من اختبار الذاكرة الترابطية. تم استبعاد المشاركين إذا (أ) كان معدل الخطأ في التجارب غير التنافسية أكبر من 20% لأي من هذه الجولات أو (ب) اختاروا وجوه الإغراء في أكثر من 20% من التجارب التنافسية لأي من هذه الجولات.

تعد الذاكرة البشرية مهمة جدًا وتساعدنا على فهم التحديات المختلفة في الحياة والتعامل معها بشكل أفضل. ومع ذلك، في المجتمع الحديث، نواجه كمية هائلة من المعلومات، وغالبًا ما تتعرض ذاكرتنا للتحدي والإرهاق.

ومع ذلك، يمكننا إعادة بناء العلاقة بين بيانات المهمة والذاكرة ببعض الطرق البسيطة. أولاً، يمكننا أن نحاول استخدام الذاكرة العاملة لتعزيز قدرة ذاكرتنا. تشير الذاكرة العاملة إلى القدرة على الاحتفاظ بالمعلومات ومعالجتها في الذاكرة قصيرة المدى. من خلال أداء مهام الذاكرة بانتظام، يمكننا تدريب ذاكرتنا العاملة وبالتالي تعزيز ذاكرتنا.

ثانيًا، يمكننا تحسين ذاكرتنا من خلال الاستفادة من ذاكرتنا الحسية. إن ذكرياتنا الحسية قوية جدًا بحيث يمكننا أن نتذكر، على سبيل المثال، طعم الطعام لأول مرة. من خلال تعزيز ذاكرتنا الحسية، يمكننا تحسين ذاكرتنا.

بالإضافة إلى ذلك، يمكننا أيضًا تقوية ذاكرتنا باستخدام طريقة قصر الذاكرة. قصور الذاكرة هي تقنية قديمة تستخدم مشاهد متقنة نبنيها لربط المعلومات التي نريد أن نتذكرها بالمشهد. بهذه الطريقة، يمكننا أن نتذكر المعلومات بسهولة.

وأخيرا، يمكننا أن نجرب بعض التمارين البدنية لتحسين ذاكرتنا. النشاط البدني يعزز عملية التمثيل الغذائي، والذي بدوره يزيد من نشاط الدماغ. من خلال التمارين الرياضية، يمكننا أيضًا تعزيز الدورة الدموية حتى يحصل الدماغ على المزيد من الأكسجين والمواد المغذية، حتى يتمكن من معالجة المعلومات بشكل أفضل.

باختصار، يمكننا إعادة بناء العلاقة بين بيانات المهمة والذاكرة باستخدام طرق مختلفة. سواء كان ذلك بتمرين الذاكرة العاملة، أو تقوية الذاكرة الحسية، أو استخدام قصر الذاكرة، أو ممارسة النشاط البدني، فإنه يمكن أن يساعدنا على تحسين ذاكرتنا ويجعلنا أكثر مرونة وكفاءة في الحياة. يمكن ملاحظة أننا بحاجة إلى تحسين الذاكرة، ويمكن لـ Cistanche deserticola أن يحسن الذاكرة بشكل كبير لأن Cistanche deserticola هي مادة طبية صينية تقليدية لها العديد من التأثيرات الفريدة، أحدها هو تحسين الذاكرة. تأتي فعالية اللحم المفروم من المكونات النشطة المختلفة التي يحتوي عليها، بما في ذلك الأحماض والسكريات والفلافونويد وغيرها. ويمكن لهذه المكونات تعزيز صحة الدماغ بطرق مختلفة.

انقر فوق معرفة المكملات الغذائية لتحسين الذاكرة

بناءً على هذه المعايير، تم استبعاد أحد المشاركين من تحليل بيانات مهمة إعادة الإعمار في التجربة 1 (العائد N=35)، وتم استبعاد أربعة من التجربة 2 (العائد N=37)، وتم استبعاد ثمانية من التجربة 3 (العائد N=49) (راجع https://osf.io/dj6q2/ للاطلاع على معايير الاستبعاد الأخرى التي تم وضعها ولكن لم يتم تطبيقها). كان الأساس المنطقي لوجود عتبة عالية لإدراج المشاركين في تحليل مهمة إعادة الإعمار هو تقليل الحالات التي أعاد فيها المشاركون بناء وجه خاطئ تمامًا والتركيز بدلاً من ذلك على التحيز/الدقة في الوجوه التي تم تذكرها بشكل صحيح.

قياس الذاكرة الترابطية

كما هو مذكور أعلاه، تم استخدام اختبار الذاكرة الترابطية للتأكد من أن المشاركين حققوا دقة عالية في ربط الإشارات بالوجوه. يسمح اختبار الذاكرة الترابطية أيضًا بفحص ما إذا كانت الحالة التنافسية قد تسببت في حدوث تداخل (دقة أقل للذاكرة الترابطية) مقارنة بالحالة غير التنافسية. تم تحليل البيانات من اختبار الذاكرة الترابطية لأول مرة من حيث الدقة غير التنافسية مقارنة بالتجارب غير التنافسية. أجرينا ANOVA منفصلاً للتدابير المتكررة لكل تجربة مع عوامل الحالة (تنافسية وغير تنافسية) وجولة تعليمية (1-9 للتجربة 1، 1-12 للتجارب 2 و3).

بالنسبة للتجارب التنافسية، قمنا أيضًا بفصل الأخطاء وفقًا لما إذا كانت تعزى إلى المنافسة (خطأ التداخل) أم لا (الإغراءات). إذا كانت الأخطاء عشوائية، فستحدث أخطاء التداخل في خمس (20٪) من تجارب الخطأ. ولاختبار ما إذا كانت أخطاء التداخل قد حدثت فوق مستويات الصدفة، أجرينا اختبارات t لعينة واحدة لكل تجربة، وقارننا متوسط ​​النسبة المئوية لأخطاء التداخل (عبر جميع جولات التعلم) بـ 20%.

قياس التحيز

كما هو موضح أعلاه، في كل تجربة في مهمة البناء، كان الوجه المستهدف موجودًا في أحد المواقع الأربعة (مركز الأرباع الأربعة). وبالتالي، بالنسبة لكل من المحورين x وy لمساحة البحث، كان الهدف في منتصف المسافة بين المركز وحدود مساحة البحث (الشكل 1 أ). لقياس التحيز المحتمل، تمت محاذاة جميع الاستجابات لكل تجربة على محور مشترك وإعادة قياسها على مقياس مشترك، بشكل منفصل لكل بُعد مميز (التأثير، الجنس). بالنسبة للبيانات المعاد قياسها، كان نطاق الاستجابات المحتملة لكل بُعد هو -2 إلى 2، مع كون 0 مركز مساحة الوجه (أي مركز مساحة البحث).

بالنسبة للحالة التنافسية، موقع الوجه المستهدف على البعد التشخيصي=1 وموقع وجه الرئيسيات=-1 (الشكل 1 ج). وبالتالي، فإن الانحياز من وجه الرئيسيات سيتم تمثيله بقيم أكبر من 1، في حين أن الانحياز نحو وجه الرئيسيات (أو نحو مركز مساحة الوجه) سيتم تمثيله بقيم أقل من 1. بالنسبة للبعد غير التشخيصي، الموقع للوجه المستهدف ووجه الزوج=1. على الرغم من إدراج الوجوه من الحالة غير التنافسية في مهمة إعادة البناء، لم يتم قياس التحيز لهذه الوجوه لأن التمييز بين الأبعاد التشخيصية مقابل الأبعاد غير التشخيصية لم يكن موجودًا. بدلاً من ذلك، كانت الوجوه غير التنافسية ذات أهمية حاسمة في اختبار الذاكرة الترابطية، حيث عملت على إنشاء تأثير تداخل الذاكرة الشامل.

ومن المهم أن نلاحظ أنه بالنسبة لمهمة إعادة الإعمار، تم توزيع نطاق الاستجابة في كل تجربة بشكل غير متماثل حول الهدف. إذا تم توزيع نطاق الاستجابة بشكل متماثل حول الهدف، فإن الاستجابة الصحيحة في كل تجربة ستكون، بحكم التعريف، مركز مساحة البحث - وهو ما كان من المحتمل أن يدفع المشاركين إلى تعلم الاستجابة ببساطة في المركز. ومع ذلك، فإن عيب النهج الذي استخدمناه هو أنه، بالنسبة للبعد التشخيصي في الحالة التنافسية، كانت هناك فرصة أكبر للاستجابة تجاه وجه الرئيسيات (القيم بين -2 و1) مقارنة بالبعيد عن وجه الرئيسيات (القيم من 1 إلى 2). ).

وبطبيعة الحال، فإن عدم التماثل هذا يعمل ضد تأثير التنافر المتوقع لدينا (القيم أكبر من 1). ومع ذلك، لحساب نطاق الاستجابة المقيدة غير المتماثلة، قمنا بتقدير المتوسط ​​الحقيقي من خلال ملاءمة التوزيعات الطبيعية المقتطعة للبيانات. بالنسبة لكل مشارك، تم تشغيل نماذج منفصلة للأبعاد التشخيصية وغير التشخيصية، حيث يقوم كل نموذج بتجميع البيانات عبر الوجوه وأبعاد الميزات (التأثير والجنس) لتشمل عددًا كافيًا من نقاط البيانات. وهكذا، تضمن كل نموذج 32 نقطة بيانات (ثمانية وجوه في الحالة التنافسية × أربع تجارب إعادة بناء لكل وجه). تم استخدام تقدير الاحتمالية القصوى للعثور على المتوسط ​​والانحراف المعياري للتوزيع الطبيعي المقطوع الذي يناسب البيانات بشكل أفضل. تم تصميم التوزيعات باستخدام حزم التحويل و MASS في R.

لقد قمنا بتقييد مساحة البحث للوسط بمجموعة من القيم المعقولة المتوازنة بالتساوي على جانبي الهدف (± 1 وحدة) وقمنا بتقييد الانحراف المعياري ليكون بحد أقصى 1 وحد أدنى 0.1. على الرغم من أننا ننظر إلى الوسائل النموذجية باعتبارها تقديرًا أفضل للوسائل الحقيقية، إلا أن هناك بعض مصادر التباين التي لا تأخذها النماذج في الاعتبار. على سبيل المثال، لا تأخذ النماذج بعين الاعتبار التوزيعات الفريدة المحتملة لكل بُعد من أبعاد الميزة و/أو الحافز. علاوة على ذلك، هناك أدلة على أنه قد تكون هناك تحيزات عالمية متأصلة في كيفية استرجاع ملامح الوجه لاحقًا (Bülthof & Zhao, 2020; Won et al., 2020). ولكن من الأهمية بمكان أن أي تحيزات عالمية من شأنها أن تؤثر بالتساوي على الأبعاد التشخيصية وغير التشخيصية. ولذلك، ركز تحليلنا في المقام الأول على الاختلافات في الوسائل النموذجية للأبعاد التشخيصية مقابل الأبعاد غير التشخيصية.

دقة القياس

لقياس الدقة التي تم بها تذكر الميزات التشخيصية وغير التشخيصية لكل وجه، قمنا بحساب الانحراف المعياري للاستجابات عبر تجارب إعادة البناء الأربع لكل وجه، بشكل منفصل لأبعاد الميزات التشخيصية وغير التشخيصية. ثم قمنا بحساب متوسط ​​قيم الانحراف المعياري هذه لكل مشارك، بشكل منفصل للأبعاد التشخيصية وغير التشخيصية.

قياس العلاقة بين تحيز إعادة الإعمار والتداخل النقابي

لتحديد ما إذا كان التحيز في بُعد الميزة التشخيصية يلعب دورًا تكيفيًا في تقليل تداخل الذاكرة، قمنا بتشغيل سلسلة من نماذج التأثيرات المختلطة التي ركزت على العلاقة بين التحيز الذي تم قياسه أثناء مهمة إعادة الإعمار والدقة في اختبار الذاكرة الترابطية (التي تم حساب متوسطها عبر الجولات الأربع الأخيرة لالتقاط الحالة النهائية للتعلم). على الرغم من إجراء هذا التحليل على مستوى العناصر الفردية (الوجوه)، فقد تم تعريف قيمة الدقة لكل وجه على أنها متوسط ​​الدقة لذلك الوجه وزوجه. على هذا النحو، كان لكل من الرئيسيات في كل مجموعة نفس قيمة الدقة. كان الأساس المنطقي لحساب متوسط ​​الدقة بين الرئيسيات هو أنه، على سبيل المثال، إذا ربط المشاركون وجهين متنافسين (الرئيسيات) بنفس الكلمة الإرشادية (المهنة)، بدلاً من التعامل مع أحد هذه الارتباطات على أنها "صحيحة" والآخر على أنها "غير صحيحة"، يكون ذلك أكثر ملاءمة. ليتقاسم الخطأ بين الوجهين.

بالنسبة للتحليلات المتعلقة بتحيز إعادة البناء ودقة الذاكرة الترابطية، استبعدنا المشاركين الذين لديهم دقة كاملة، في جميع التجارب، في الجولات الأربع الأخيرة من اختبار الذاكرة الترابطية. كان الأساس المنطقي لهذا الاستبعاد هو أنه بالنسبة لهؤلاء المشاركين، لم يكن هناك تباين في الذاكرة الترابطية التي يجب على النموذج شرحها. بالإضافة إلى ذلك، لم نقم بتشغيل هذا التحليل للتجربة 1 نظرًا للأداء القريب من السقف في اختبار الذاكرة الترابطية على مدار الجولات الأربع الأخيرة (كان لدى 11 مشاركًا (31%) دقة 100%، وكان متوسط ​​دقة المشاركين المتبقين 95.96 ± 3.01 % مع متوسط ​​SD داخل المشارك 3.62 ±1.70). بالنسبة للتجربتين 2 و3 - اللتين استخدمتا المزيد من الرئيسيات المتشابهة - كانت دقة الذاكرة الترابطية أقل، وبالتالي، تم استبعاد عدد أقل من المشاركين بسبب الأداء الأقصى (سبعة مشاركين (19%) في التجربة 2 وستة مشاركين (12%) في التجربة 3؛ متوسط الدقة لبقية المشاركين، التجربة 2: M=92.47 ± 7.58%، التجربة 3: M =93.56 ± 6.26%).

بالنسبة لهذه النماذج، كان من الضروري حساب تحيز إعادة البناء على مستوى الوجوه الفردية. ومع ذلك، فإن الطريقة الموضحة أعلاه لتقدير متوسط ​​التحيز لكل مشارك من خلال التجميع عبر التجارب/الوجوه لم تكن مجدية لهذا التحليل نظرًا لقلة عدد الملاحظات (أربع تجارب لكل وجه). وهكذا، بالنسبة لهذا التحليل، استخدمنا ببساطة متوسط ​​استجابة إعادة البناء (عبر التجارب الأربع لكل وجه). لمعالجة المخاوف من أن أي علاقة ملحوظة بين تحيز إعادة البناء ودقة الذاكرة الترابطية قد تكون مدفوعة "بأخطاء مبادلة" محتملة، كان نهجنا المسجل مسبقًا هو استبعاد أي استجابات فردية (تجارب) كانت الاستجابة المقاسة لها بين {{0}} و 0 والاحتفاظ فقط بالاستجابات التي كانت الاستجابة المقاسة لها بين 0 و 2. بالنسبة للبعد التشخيصي، تم استبعاد أي استجابات كانت أقرب إلى الرئيسيات المنافسة من الهدف. تم تضمين جميع الاستجابات المتبقية في الاستجابة المتوسطة لكل وجه.

على الرغم من ندرته، إذا كان الوجه مرتبطًا باستجابة مستبعدة في جميع تجارب إعادة البناء الأربع، فقد تم استبعاد هذا الوجه تمامًا من التحليل. بالنسبة للتجربة 2، حدث هذا لما مجموعه أربعة وجوه موزعة على أربعة مشاركين؛ بالنسبة للتجربة 3، حدث هذا لما مجموعه ستة وجوه موزعة على ستة مشاركين. في حين أن هذا النهج المسجل مسبقًا لاستبعاد أخطاء المبادلة المحتملة كان المقصود منه أن يكون نهجًا محافظًا للقضاء على تأثير الأخطاء الفادحة، فقد ظلت جميع نتائجنا الرئيسية ذات أهمية عندما لم يتم استبعاد أي استجابات. بالإضافة إلى ذلك، في التحليلات الاستكشافية التي جمعت البيانات عبر التجربتين 2 و3، بدلاً من استبعاد الاستجابات المتطرفة تمامًا، تم تحديد الاستجابات بين -2 و0 بقيمة 0، مما سمح لجميع التجارب ليتم الاحتفاظ بها في النموذج، ولكن مع تقليل تأثير الاستجابات المتطرفة.

تم تنفيذ نماذج التأثيرات المختلطة في R باستخدام حزمة thelme4 (Bates et al.، 2014). تم استخدام اختبارات نسبة الاحتمالية لمقارنة النماذج ذات المتغيرات ذات الصلة بالنماذج الخالية التي استبعدت تلك المتغيرات. ولمراعاة الاختلافات المحتملة المتعلقة بما إذا كان البعد التشخيصي هو التأثير مقابل الجنس، فقد شملت جميع النماذج هذا المتغير التصنيفي باعتباره تأثيرًا ثابتًا. للسماح باختلاف العلاقة بين تحيز إعادة البناء ودقة الذاكرة الترابطية لكل مشارك، قمنا بنمذجة العلاقة بين التحيز ودقة الذاكرة الترابطية مع الاعتراضات العشوائية والمنحدرات العشوائية لكل مشارك، حيثما أمكن ذلك.

كان نهجنا المسجل مسبقًا للتعامل مع النماذج التي فشلت في التقارب أو التي وصلت إلى قدم مفرد هو إعادة تشغيل نفس النموذج مع إزالة الميل العشوائي للتحيز (انظر Barr et al.، 2013). في حين أن جميع نماذجنا المسجلة مسبقًا قد تقاربت بالفعل، فشل النموذج الاستكشافي الذي استخدم الفرق في التحيز على البعد التشخيصي مقابل البعد غير التشخيصي كمتنبئ في التقارب عندما تم تضمين المنحدر العشوائي؛ وبالتالي، قمنا بإزالة المنحدر العشوائي. فشلت النماذج الاستكشافية التي تضمنت فقط الخطأ غير الموقّع أو الدقة كما تنبئ (بدون تحيز) في التقارب عندما تم تضمين المنحدرات العشوائية لهذه المتغيرات؛ وبالتالي قمنا بإزالة المنحدرات العشوائية لهذه المتغيرات.

أخيرًا، فشلت النماذج الاستكشافية التي تضمنت التحيز مع الدقة والخطأ غير الموقع كمتنبئين في التقارب عندما تم تضمين المنحدرات العشوائية لجميع المتغيرات؛ عند إزالة المنحدرات العشوائية، أعطينا الأولوية للاحتفاظ بالمنحدر العشوائي للتحيز، مما أدى إلى استبعاد المنحدرات العشوائية للدقة والخطأ غير الموقع.

نتائج

اختبار الذاكرة الترابطية

لاختبار ما إذا كانت دقة الذاكرة الترابطية تختلف بين الظروف التنافسية وغير التنافسية، أجرينا تحليلات التباين (ANOVA) ذات التدابير المتكررة لكل تجربة مع عوامل الحالة (تنافسية وغير تنافسية) والجولة (تجربة 1: الجولات التسع الأولى؛ تجربة 2 وتجربة 2). 3: 12 طلقة). لكل تجربة، كان هناك تأثير رئيسي مهم للحالة (تجربة 1: F(1,35) {{10}}.14, p < 0.001, 휂2G=0.034؛ التجربة 2: F(1,40)=67.43, p < 0.001, 휂2G=0.10;تجربة 3: F(1, 56)=88.21، p <0.001، 휂2G=0.16)، مع دقة أقل في الحالة التنافسية (الشكل 2 أ). للتأكد من أن هذا الاختلاف يعكس التداخل على وجه التحديد، أخذنا في الاعتبار أنواع الأخطاء التي تم ارتكابها. بالنسبة للحالة التنافسية، يمكن أن تتوافق الأخطاء مع اختيار وجه المنافس أو أحد الإغراءات الأربعة غير التنافسية (الشكل 2 ب). إذا كانت الأخطاء عشوائية، فسيتم اختيار المنافس في خمس تجارب الأخطاء. ومع ذلك، من خلال الجمع بين تجارب الأخطاء عبر الجولات، تم اختيار المنافس على مستويات أعلى من الفرص (تجربة 1: M=60.18 ± 19.68%، t(35)=12.25، p< 0.001, d = 2.04; Exp. 2: M = 71.29 ± 15.78%, t(40) = 20.82, p < 0.001, d = 3.25; Exp. 3: M = 78.63 ± 11.58%, t(56) = 38.21, p < 0.001, d = 5.06), confirming that increased errors in the competitive condition refected interference from the competitor face.

لاختبار ما إذا كانت دقة إعادة بناء الوجه أعلى من الصدفة، قمنا بقياس المسافة الإقليدية بين كل استجابة وموقع الوجه المستهدف (في مساحة الاستجابة ثنائية الأبعاد؛ الشكل 1 ج). بالنسبة لكل مشارك، تمت مقارنة متوسط ​​المسافة الإقليدية بين الاستجابات والمواقع المستهدفة مقابل توزيع متبادل (يتم حسابه عن طريق الاستجابات المتغيرة داخل المشارك 10،000 مرة). ولوحظت دقة فوق الصدفة (أفضل من 97.5٪ من الوسائل البديلة) لكل مشارك (الشكل 3).

تحيز إعادة بناء الوجه

لاختبار تنبؤنا النقدي بالتنافر على طول بُعد الوجه التشخيصي، قمنا بمقارنة تحيز الميزة (انظر الطرق) للأبعاد التشخيصية مقابل الأبعاد غير التشخيصية في الحالة التنافسية (الشكل 4 أ). قمنا أولاً باختبار التنبؤات في التجربتين 1 و2، ثم اختبرنا التكرار في التجربة 3. وقد كشف تحليل التباين (ANOVA) ذو التدابير المتكررة مع عوامل البعد (التشخيصية وغير التشخيصية) والتجربة (التجربة 1، التجربة 2) عن تحيز أكبر بكثير تجاه التنافر على البعد التشخيصي (F(1,70)=22.25، ص< 0.001, 휂2 G = 0.061). There was a trend toward a significant interaction between dimension and experiment (F(1,70) = 3.96, p = 0.0506, 휂2 G = 0.011), with a relatively weaker effect size in Experiment 1 (d = 0.27) than in Experiment 2 (d = 0.73). As predicted, Experiment 3 replicated, with a large effect size and preregistered hypothesis, the greater bias toward repulsion on the diagnostic dimension (t(48) = 5.87, p < 0.001, d = 0.83).

على الرغم من أن تحليلاتنا المسجلة مسبقًا ركزت على المقارنة بين الأبعاد التشخيصية وغير التشخيصية، فقد اختبرنا أيضًا ما إذا كانت عمليات إعادة البناء على البعد التشخيصي تختلف بشكل كبير عن الموقع الحقيقي للوجوه المستهدفة. في الواقع، بدمج البيانات في جميع التجارب الثلاث، كانت الوسائل النموذجية للبعد التشخيصي أكبر بكثير من القيمة الحقيقية لـ 1 (t(120)=4.39, p < 0.{{ 60}}01, d=0.40)، مما يعكس انحيازًا بعيدًا عن الوجه المنافس. لم يختلف هذا التأثير بشكل كبير عبر التجارب (F(2,118)=2.15، p=0.12، 휂2G =0.035). في المقابل، في البعد غير التشخيصي كان هناك انحياز صغير ولكن مهم نحو مركز مساحة الوجه (الوسائل النموذجية < 1; t(120)=-2.33, p=0.021, d {{ 25}.21). اختلف هذا التأثير بشكل كبير عبر التجارب (F(2,118)=9.56, p <0.001, 휂2G=0.14). في الواقع، في التجربة 1 كانت الاستجابات أعلى بكثير من 1 (t(34)=2.15,p=0.039, d=0.36)، وفي التجربتين 2 و3 كانت كانوا أقل بكثير من 1 (تجربة 2: t(36)=-2.45، p=0.019، d =0.40؛ تجربة 3: t(48) {{58} }.98، ​​ص <0.001، د=0.57). في حين ينبغي تفسير القيم المطلقة للاستجابات المعاد بناؤها ببعض الحذر (بسبب التحيزات العالمية المحتملة)، فإن التحيز المستمر نحو التنافر في البعد التشخيصي يدعم توقعاتنا بأن المنافسة تؤدي إلى التنافر المستهدف في البعد التشخيصي.

دقة إعادة بناء الوجه

قمنا بعد ذلك باختبار ما إذا كانت دقة إعادة الإعمار تختلف عبر الأبعاد التشخيصية مقابل الأبعاد غير التشخيصية (الشكل 4 ب). لقد حددنا الدقة على أنها الانحراف المعياري عبر عمليات إعادة البناء المتكررة لنفس الوجه (انظر الطرق). بالنسبة للحالة التنافسية، كشف تحليل التباين (ANOVA) المتكرر مع عوامل البعد (التشخيصي وغير التشخيصي) والتجربة (Exp. 1, Exp. 2) عن دقة أكبر بشكل ملحوظ - أي انخفاض تباين إعادة البناء - في البعد التشخيصي (F(1,7 {{10}})=16.81، ص < 0.001، 휂2G =0.044). لم يتفاعل هذا التأثير مع التجربة (F(1,70)= 0.34، ص=0.56، 휂2G=0.001). تم تكرار تأثير الدقة الأكبر على البعد التشخيصي (بما يتوافق مع تنبؤاتنا المسجلة مسبقًا) في التجربة 3 (t(48)=5.45,p <0.001, d=0.74).

على الرغم من أن مقياسنا للدقة كان مستقلاً رياضيًا عن مقياسنا للتحيز، إلا أنه من الجدير بالملاحظة أن هذه القياسات كانت مرتبطة بحيث أن الوجوه المعاد بناؤها بدقة أكبر تميل أيضًا إلى الارتباط بتحيز أكبر (انظر الشكل S2A، OSM). ولكن الأهم من ذلك هو أن تأثير الدقة الأكبر على البعد التشخيصي مقابل البعد غير التشخيصي ظل كبيرًا حتى عندما تم استبعاد العناصر عالية التحيز من التحليل (انظر الشكل S2B، OSM).

العلاقة بين تحيز إعادة الإعمار والتدخل النقابي

أخيرًا، قمنا باختبار توقعاتنا بأن زيادة تحيز إعادة البناء (التنافر) على البعد التشخيصي يرتبط بأداء أفضل لاختبار الذاكرة الترابطية (تداخل أقل). نظرًا لأداء الذاكرة الترابطية القريب من السقف في التجربة 1 (الشكل 2)، ركزنا على بيانات التجربة 2. قمنا بتشغيل نموذج تأثيرات مختلطة يتنبأ بدقة الذاكرة الترابطية على مستوى العناصر مع تأثيرات ثابتة لـ (أ) التحيز على البعد التشخيصي (المتغير المستمر) و (ب) ما إذا كان البعد التشخيصي قد تأثر أو الجنس (المتغير الفئوي). تم تصميم نموذج التحيز باستخدام اعتراضات ومنحدرات عشوائية لكل مشارك. وباستخدام اختبار نسبة الاحتمالية، قمنا بمقارنة هذا النموذج بنموذج بدون تحيز. بشكل حاسم، كان النموذج ft أفضل بكثير عند تضمين التحيز (χ2(1)=4.67، p=0.031)، مع توقع التحيز بشكل إيجابي لدقة الذاكرة الترابطية ( التحيز=3.58، SE =1.62). كعنصر تحكم، كررنا نفس التحليل، ولكن مع التحيز على البعد غير التشخيصي؛ هنا، فشل التحيز في تحسين النموذج ft (χ2(1)=0.021، p=0.89، التحيز=-0.31،SE=2.14). بالنسبة للتجربة 3، توقعنا (باستخدام تحليل مسجل مسبقًا) تكرار العلاقة بين انحياز البعد التشخيصي ودقة الذاكرة الترابطية. وقد لاحظنا تأثيرًا صغيرًا في الاتجاه المتوقع، لكنه لم يكن مهمًا (χ2(1)=0. 24، ص=0.63، التحيز=0.69، SE=1.41).

في تحليلنا المسجل مسبقًا، استبعدنا استجابات إعادة البناء (التجارب) التي كانت أكثر شبهاً بالمنافس منها بالهدف. كان الأساس المنطقي لذلك هو التأكد من أن الاستجابات المتطرفة (أخطاء المبادلة المحتملة) لم يكن لها تأثير كبير على النموذج (انظر الطرق). ومع ذلك، فقد أدى هذا النهج إلى القضاء على هذه التجارب بشكل كامل بدلاً من التقليل من تأثيرها.

لذلك، كتحليل استكشافي، استبدلنا درجات إعادة البناء القصوى هذه بقيمة {{0}} (مسافة متساوية بين الهدف والمنافس، انظر الطرق). سمح هذا بإدراج جميع التجارب ولكنه قلل من تأثير الاستجابات المتطرفة (انظر الشكل S4 (OSM) لمزيد من التحليل لما قد تمثله هذه الاستجابات المتطرفة). في هذا التحليل الاستكشافي، قمنا بدمج البيانات من التجربتين 2 و3، مع إضافة التجربة (Exp. 2، Exp.3) كتأثير ثابت. بالمقارنة مع النموذج الفارغ، فإن إضافة التحيز على البعد التشخيصي تحسن بشكل ملحوظ في النموذج ft (χ2(1)=15.88، p <0.001)، مع التحيز الإيجابي (التنافر) الذي يتنبأ بدقة أعلى للذاكرة الترابطية (التحيز {{12} .45، SE=1.04).

لم تؤدي إضافة التفاعل بين التجربة والتحيز إلى تحسين ملاءمة النموذج (χ2(1) =1.39, p=0.24, exp×bias=-2.47, SE=2 .08)، مما يشير إلى أن العلاقة بين التحيز والذاكرة الترابطية لم تختلف عبر التجارب. علاوة على ذلك، أدى التحيز إلى تحسين ملاءمة النموذج بشكل ملحوظ عند تطبيقه على بيانات التجربة 3 وحدها (χ2(1)=3.98، ​​p=0.046، التحيز=2.45، SE=1 .19)، مما يؤكد أن العلاقة بين التحيز والذاكرة الترابطية لم تكن مدفوعة فقط ببيانات التجربة الثانية. كعنصر تحكم، أجرينا نفس مقارنة النموذج ولكن مع التحيز على البعد غير التشخيصي كمتنبئ؛ لم يكن هناك اختلاف كبير بين النماذج (χ2(1)=0.14، ص=0.71، التحيز =-0.40، SE=1.08).

علاوة على ذلك، فإن درجة التحيز في البعد التشخيصي بالنسبة إلى البعد غير التشخيصي (أي درجة فرق التحيز) أدت أيضًا إلى تحسين ملاءمة النموذج بشكل ملحوظ مقارنة بالنموذج الفارغ بدون تحيز،χ2(1)=19.87, p< 0.001, βbias. dif = 2.71, SE = 0.60 (random slopes were excluded due to reaching singularity).

For more information:1950477648nn@gmail.com